ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?
|
|
- Franciszek Żurek
- 5 lat temu
- Przeglądów:
Transkrypt
1 Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y x 4 + y 2. Rozwi azanie: Musimy zdefiniować funkcjȩ f w postaci w taki sposób, że f (x, y) = { x 2 y 2, x 2 +y 2 (x, y), k, (0, 0). f (0, 0) = k (x,y) (0,0) dla pewnej liczby k. Krótko mówi ac, poprzednia definicja mówi nam, że wartość funkcji f zd aża do k wzd luż każdej możliwej drogi do zera. Natomiast, widać na pierwszym rysunku, że jeżeli d ażymy do zera wzd luż linii x = 0, wartość funkcji zd aża do i jeżeli d ażymy do zera wzd luż linii y = 0, to wartość funkcji zd aża do : Wiȩc, ta funkcja nie wygl ada na ci ag l a, ale trzeba to udowodnić. Ponadto, nie zawsze mamy wykres funkcji. Wiȩc, musimy podać metodȩ aby ustalić czy funkcja może być ci ag la.
2 Kiedy myśy, że funkcja nie bȩdzie ci ag la lub nie wiemy wcale co może siȩ zdarzyć, naj latwiej bȩdzie sprawdzić kilka warunków koniecznych dla ci ag lości funkcji. Najpierw, sprawdzamy granice iterowane. Jeżeli funkcja jest ci ag la w punkcie (0, 0), to istniej a granice f (x, y) = x 0 y 0 y 0 x 0 f (x, y) = f (0, 0). Jeżeli granice funkcji f nie istniej a lub nie s a sobie równe, to funkcja nie może być ci ag la. Geometrycznie, granica iterowana f x 2 y 2 (x, y) = x 0 y 0 x 2 + y = x 2 2 x 0 x = 2 wskazuje do której wartości f d aży gdy najpierw y d aży do zera i potem x d aży do zera. Geometrycznie, granica iterowana f (x, y) = x 2 y 2 x 0 x 2 + y = 2 y 0 y 0 y 2 y 2 = wskazuje do której wartości f d aży gdy najpierw x d aży do zera i potem y d aży do zera. Na wykresie widać, że granice iterowane nie s a sobie równe, ponieważ wartość funkcji f d aży do innych wartości kiedy d ażymy do zera wzd luż poprzednich dróg. Zatem, nie możemy zdefiniować f w taki sposób, że funkcja f bȩdzie ci ag la. Sprawdzamy teraz trzeci a funkcjȩ. Znowu, musimy ustalić czy możemy ustalić k w taki sposób, że {, (x, y), x f 3 (x, y) = 4 +y 2 k, (0, 0).
3 i Znowu, korzystamy z granic iterowanych: f 3(x, y) = x 4 + y 2 = y 0 0 = 0 f 3(x, y) = x 0 y 0 x 4 + y = 0 = 0. 2 x 0 Granice iterowane istniej a i s a sobie równe. Widać, że jeżeli funkcja f 3 ma być ci ag la, to ma być f 3 (0, 0) = 0. Natomiast, to nie zagwarantuje, że f 3 jest ci ag la. Aby to zagwarantować, musimy sprawdzić kolejny warunek konieczny: granice wzd luż linii. Jeżeli funkcja f 3 jest ci ag la w (0, 0), to f 3(x, y) = f 3 (0, 0) = 0, y=λx,x 0 f 3(x, y) = f 3 (0, 0) = 0, λ R. x=λy,y 0 Widać, że i f 3(x, y) = y=λx,x 0 f 3(x, y) = x=λy,y 0 y=λx,x 0 x=λy,y 0 x 4 + y 2 = x 4 + y 2 = y=λx,x 0 x=λy,y 0 λx 3 (x 2 + λ 2 )x 2 = y=λx,x 0 λy 3 ( + λ 4 y 2 )y 2 = x=λy,y 0 λ ( + λ 2 ) x = 0. λ ( + λ 4 y 2 ) y = 0. To jeszcze nie oznacza, że granica istnieje. Te warunki nie mog a udowodnić, że funkcja jest ci ag la. Z teoretycznego punktu widzenia, to s a warunki konieczne, aby funkcja f 3 by la ci ag la. Z praktycznego punktu widzenia, korzystamy z nich, aby udowodnić, że jakiś warunek nie spe lnia siȩ i funkcja nie jest ci ag la. Mówi ac inaczej, to s a warunki aby udowodnić, że funkcja nie jest ci ag la. Kolejnym warunkiem do sprawdzenia, jest sprawdzenie, czy wartość funkcji f 3 d aży do zera wzd luż parabol, czyli Widać, że to nie spe lnia siȩ f 3 (x, y) = 0, y=λx 2,x 0 f 3 (x, y) = 0. x=λy 2,y 0 λx 4 f 3 (x, y) = y=λx 2,x 0 x 0 x 4 + λ 2 x = 4 λ + λ 2. Wiȩc, funkcja f 3 nie jest ci ag la ponieważ granica zależy od λ.
4 Szczerze mówi ac, widać od samego pocz atku, że tak mia lo być. Funkcja f 3 poza zerem jest taka, że jeżeli y = λx 2 to licznik i mianownik s a wielomianami gdzie każdy wyraz jest czwartego stopnia (mówi siȩ że wielomiany s a jednorodne). W takim przypadku, rzadko siȩ zdarza, że funkcja jest ci ag la. Zbadamy teraz funkcjȩ f 2 (x, y). Najpierw, sprawdzamy granice iterowane, wzd luż linii i paraboli. Z drugiej strony f 2(x, y) = x 0 y 0 f 2(x, y) = x 2 + y 2 = x 0 0 = 0. x 2 + y 2 = y 0 0 = 0. f 2(x, y) = x 0 y 0 x 2 + y = 0 = 0. 2 x 0 f 2(x, y) = x 2 + y 2 = y 0 0 = 0. Widać, że w każdym przypadku, granice istniej a i s a takie same. W takim przypadku, chyba czas aby ustalić, czy funkcja jest ci ag la. Musimy udowodnić, że ɛ > 0, δ > 0, (x, y) (0, 0) < δ f 2 (x, y) f 2 (0, 0) < ɛ. (.) Warto przypominać, że to czȩsto jest skomplikowane. Lepiej zajmować si a tym, tylko gdy myśy, że funkcja ma być ci ag la, np. po sprawdzeniu granic iterowanych, itd. Aby udowodnić, że (2.) spe lnia siȩ, musimy szukać takiej δ, że f 2 (x, y) f 2 (0, 0) < ɛ dla danego ɛ > 0. Trzeba zauważyć, ż e ogólnie δ zależy od ɛ. Teraz mamy zagwarantować, że f 2 (x, y) < ɛ, ponieważ f 2 (0, 0) = 0. Aby to zrobić, postȩpujemy zawsze tak samo. Ograniczamy f 2 (x, y) za pomoc a funkcji, która zależy tylko od x 2 + y 2. Zobaczmy jak. f 2 (x, y) = x2y x 2 + y 2.
5 Widać, że xy (x 2 + y 2 )/2, faktycznie (x y) 2 0 x 2 + y 2 2xy x 2 + y 2 2xy ponieważ x 2 + y 2 0. Korzystaj ac z tego mamy, że Teraz, trzeba pamiȩtać, że Wiȩc, f 2 (x, y) = 2 xy2 x 2 + y 2(x2 + y 2 ) y 2 y. 2 x 2 + y 2 y, x x 2 + y 2. f 2 (x, y) = 2 xy2 x 2 + y 2 2(x2 + y 2 ) x 2 + y 2 y 2 y 2 x 2 + y 2. Ograniczyliśmy f 2 za pomoc a funkcji 2 x 2 + y 2 która tylko zależy od x 2 + y 2. Korzystaj ac z tego, widać, że jeżeli x 2 + y 2 < δ to f 2 (x, y) 2 x 2 + y 2 < 2δ. Skoro δ musimy ustalić dla pewnej ɛ > 0, to możemy ustalić, że δ < ɛ/2 i wtedy f 2 (x, y) 2 x 2 + y 2 < 2δ < ɛ. Ćwiczenie 2. Sprawdzić istnienie i ewentualnie obliczyć granice (x,y) (0,0) + x2 y 2 x 2 + y 2, (x,y) (0,0) ( + x2 y 2 ) x 2 +y 2, ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2.
6 Rozwi azanie: Mamy, że + x2 y 2 x 2 + y 2 = Zatem (x,y) (0,0) ( + 2 ) (x 2 + y 2 )( ) = 2 (x 2 + y 2 )( ). + x2 y 2 x 2 + y 2 = (x,y) (0,0) Jak w poprzednim zadaniu, musimy sprawdzić, czy 2 (x 2 + y 2 )( ). ɛ > 0, δ > 0, 0 < (x, y) (0, 0) < δ f 2 (x, y) k < ɛ. (2.) dla pewnej liczby k. Proszȩ zauważyć, że powyższa definicja jest niezależna od wartości w punkcie (0, 0) ponieważ tylko musimy zbadać gdy 0 < (x, y) (0, 0) < δ. Aby sprawdzić ci ag lość w poprzednim zadaniu, mieliśmy (x, y) (0, 0) < δ. Jakkolwiek, sprawdzamy (2.) jak wcześniej. Aby ustalić k możemy sprawdzić granice iterowane. S a latwe do obliczenia i jeżeli granica istnieje, ich wartość ma być wartości a granicy funkcji. W naszym przypadku mamy x 0 y 0 + x2 y 2 x 2 + y 2 = x 0 x 2 = 0. Trzeba ograniczyć 2 (x 2 + y 2 )( ). Jak wcześniej, xy (x 2 + y 2 )/2. Zatem 2 (x 2 + y 2 )( ) (x 2 + y 2 ) 2 4(x 2 + y 2 )( ) = (x 2 + y 2 ) 4( ). Widać, że , zatem
7 2 (x 2 + y 2 )( ) (x2 + y 2 ). 8 Jeżeli (x, y) < δ, to 2 (x 2 + y 2 )( ) (x2 + y 2 ) < δ 8 8. Jeżeli ustalamy δ < 8ɛ, wiȩc, 2 (x 2 + y 2 )( ) (x2 + y 2 ) 8 < ɛ. Poprzednia metoda jest czȩsto bardzo wolna. Jeżeli to możliwe, lepiej korzystać z innych metod. Na przyk lad, za pomoc a twierdzenia trzech ci agów. Skoro xy (x 2 + y 2 )/2 i ( + 2 ) mamy, że Z twierdzenia trzech ci agów Widać, że funkcja ( + 2 ) x 2 +y 2 ( + (x 2 + y 2 ) 2 /4) x 2 +y 2. ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) ( + (x 2 + y 2 ) 2 /4) zależy tylko od h = x 2 + y 2. Wiȩc, można obliczyć ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) x 2 +y 2 To zwyk la granica jednej zminnej typu liczby e: h 0 ) /h ( + h2 = 4 h 0 [ ( ) 4 + h2 4 x 2 +y 2 = h 0 ( + h 2 /4) /h. ] h 2 h 2 4 h x 2 +y 2. = e h 0 h2 4h =.
8 Z tego wynika, że ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) x 2 +y 2 =. i ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 =. W ostatnim przypadku, widać, że granica ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2. To granica jednej zmiennej: ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2. = h 0 ( + h) h = e. Ćwiczenie 3. Niech T : R n R m bȩdzie odwzorowaniem liniowym o macierzy [t i j] w bazach kanonicznych. Wyznaczyć T jeśli (a) w R n x = x + + x n zaś w R m x = max i=...m x i, (b) w obu przestrzeniach x = max i x i. Rozwi azanie: Jėzeli (R n, n ) i (R m, m ) s a przestrzeniami unormowymi, norma operatora liniowego T : R n R m siȩ zdefiniuje jako T = sup T x m. x n= Aby t lumaczyć geometryczne znaczenie tej definicji, podamy nastȩpuj acy przyk lad. Niech T : R 2 R 2 bedzie operatorem liniowym w bazach kanoniczych postaci [ ] 2 2. (3.)
9 Wektory jednostkowe w R 2 nastȩpuj acego obszaru ze wzglȩdu na (x, y) = x + y s a na brzegu Obrazy tych wektorów s a na brzegu obszaru W tej przestrzeni zdefiniujemy normȩ (x, y) = max( x, y ), czyli norma wektora (x, y) to najwiȩksza wartość wszglȩdna wsród wsp lórzȩdnych wektora (x, y). Widać, że dla naszego operatora, najwiȩksza norma wektora T x, dla x 2 =, to 2. Wiȩc, T = 2. Możemy obliczyc normȩ T z inn a norm a w jego dziedzinej (x, y) = max( x, y ) w R 2. W tym przypadku, wektory które maj a normȩ w R 2 ze wzglȩdu na (x, y) = x + y s a na brzegu nastȩpuj acego obszaru
10 Obrazy tych wektorów s a na brzegu obszaru Widać, że najwiȩksza norma tych wektorów to 4. Zatem, T = 4. Teraz obliczymy normȩ ogólnego operatora T : R n R m. Zaczynamy zbadaj ac operator T dla (x,..., x n ) n = n i= x i i (x,..., x m ) m = max i=,...,m x i. Aby ustalić T najpierw udowodnimy, że T można ograniczyć przez pewn a sta l a k i pożniej, że T x m = k dla pewnego wektora x R n z x n =. W tym sposob, otrzymamy, że T = k. Korzystaj ac z nierówności trójk atowej mamy, że T x m = t i jx j = max m j= i=,...,m j= t i jx j max i=,...,m t i jx j. j= Mamy, że t i j max t i j. i=,...,n j=,...,m
11 Z tego wynika, że dla x n = to T x m max t i j max i=,...,n i=,...,m j=,...,m j= Ponadto, jeżeli i 0 i j 0 s a takie, że to możemy zdefiniować wektor postaci x j = max t i j i=,...,n j=,...,m x j = j= t i 0 j0 = max t i j, i=,...,n j=,...,m x 0 = [0,..., j 0,..., 0] T. max i=,...,n j=,...,m Wtedy x 0 = i T x 0 m = max t i jx j 0 i=,...,n = max i=,...,n ti j 0 = t i 0 j0. j= t i j x n = max t i j. i=,...,n j=,...,m Skoro T x m max i=,...,n t i j dla każdego x spe lniaj acego, że x n = i T x 0 m = j=,...,m max i=,...,n t i j to j=,...,m T = max t i j. i=,...,n j=,...,m Widać w naszym pierwszym przyk ladzie, że norma macierzy (3.) to 2, czyli najwiȩksza wartość wspó lczynników T w naszej bazie. Obliczmy teraz T kiedy mamy tak a sam a normȩ x = max i x i w R n i R m. Jak wcześniej, aby ustalić wartosć T najpierw udowodnimy, że T jest ograniczona przez pewn a sta l a k i pożniej, że T x m = k dla pewnego wektora x R n. W tym sposób, otrzymamy, że T = k. Mamy, że T x m = t i jx j = max m j= i=,...,m j= t i jx j max i=,...,m t i jx j j= Mamy, że x i max i=,...,n xi.
12 Z tego wynika, że dla x n = to T x m max i=,...,n xi max Ponadto, jeżeli i 0 jest taki, że t i 0 j = max j=,...,n i=,...,m j=,...,n i=,...,m j=,...,n Teraz możemy zdefiniować wektor postaci Wtedy x 0 n = i t i j = max t i j T max i=,...,m j=,...,n i=,...,m j=,...,n x 0 = [sign[t i 0 ], sign[t i 0 2 ],...,..., sign[t i 0 n ]] T. t i j. t i j = j=,...,n t i 0 j. T x 0 m = max t i jx j 0 i=,...,m j= j= t i 0 j x j 0 = t i 0 j T x 0 m = j= t i 0 j. j= Ponieważ T x m to t i 0 j, i T x 0 m = t i 0 j. j= j= T = max i=,...,m j=,...,n t i j. Dla macierzy (3.) zauważaliśmy, że T = 4, to w lasnie max i=,...,m j=,...,n ti j.
ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x
ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo
Bardziej szczegółowoSuma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,
Bardziej szczegółowoTwierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4
Twierdzenie Stolza i metryki Javier de Lucas Zadanie Zbadać zbieżność ci agu i znaleźć granicȩ: a n 4 + 3 4 + + (2n + ) 4 n 5 4 Rozwi azanie: Żeby obliczyć tak a granicȩ korzystamy z twierdzenia Stolza,
Bardziej szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoLiczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc
Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag
Bardziej szczegółowoPrzestrzenie wektorowe, liniowa niezależność Javier de Lucas
Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj
Bardziej szczegółowoCia la i wielomiany Javier de Lucas
Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
Bardziej szczegółowoZagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka
Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowoy 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =
Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowona p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0
Chapter 1 Interpolacja 1.1 Interpolacja liniowa Zacznijmy opis pojȩcia inter-polacji od prostego przyk ladu. Przyk lad 1.1 Oblicz ile kilometrȯw przejecha l samochȯd po 3 godzinach jazdy, jeżeli po jednej
Bardziej szczegółowoTomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011
Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste
Bardziej szczegółowoElementy analizy funkcjonalnej PRZESTRZENIE LINIOWE
Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowoMATEMATYKA REPREZENTACJA LICZB W KOMPUTERZE
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 B l ad bezwzglȩdny zaokr aglenia liczby ɛ = fl() B l ad wzglȩdny zaokr aglenia liczby 0 δ = fl() B l ad procentowy zaokr aglenia liczby 0
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoKOLOKWIUM Z ALGEBRY I R
Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoEkonomia matematyczna i dynamiczna optymalizacja
Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać
Bardziej szczegółowoMetody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa
Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem
Bardziej szczegółowoZestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala
Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala November 12, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Oblicz pochodne nastȩpuj
Bardziej szczegółowoSterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.
Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji
Bardziej szczegółowoNiech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoAnaliza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu
Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Iloczyn ortogonalny funkcji Wróćmy na chwilȩ do dowodu wzorów Eulera-Fouriera. Kluczow a rolȩ odgrywa l wzór:
Bardziej szczegółowoWyk lad 10 Przestrzeń przekszta lceń liniowych
Wyk lad 10 Przestrzeń przekszta lceń liniowych 1 Określenie przestrzeni przekszta lceń liniowych Niech V i W bed a przestrzeniami liniowymi Oznaczmy przez L(V ; W ) zbór wszystkich przekszta lceń liniowych
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoNormy wektorów i macierzy
Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,
Bardziej szczegółowoPochodne cz ¾astkowe i ich zastosowanie.
Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych
Bardziej szczegółowoZestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty
Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty November 20, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Znajdź równanie asymptot funkcji f jeśli: a) f(x)
Bardziej szczegółowoPOCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy
POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji
Bardziej szczegółowoT O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.
T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla
Bardziej szczegółowoPierwiastki arytmetyczne n a
Chapter 1 Pierwiastki arytmetyczne n a Operacja wyci aganie pierwiastka stopnia n z liczby a jest odwrotn a operacj a do potȩgowania, jeżeli operacja odwrotna jest wykonalna w liczbach rzeczywistych. Zacznijmy
Bardziej szczegółowoLogika matematyczna i teoria mnogości (I) J. de Lucas
Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.
Bardziej szczegółowo0.1 Reprezentacja liczb w komputerze
1 0.1 Reprezentacja liczb w komputerze Zapis liczb w zmiennym przecinku. U lamki dziesiȩtne w laṡciwe i niew laṡciwe piszemy oddzielaj ac czȩṡċ ca lkowit a od czȩṡci u lamkowej w laṡciwej przecinkiem w
Bardziej szczegółowoP (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja
19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca
Bardziej szczegółowoRównania różniczkowe liniowe rzędu pierwszego
Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to
Bardziej szczegółowoSeria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie
Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie
Bardziej szczegółowoMnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym
Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego
Bardziej szczegółowoz n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1
3 Szeregi zespolone 3. Szeregi liczbowe Mówimy, że szereg o wyrazach zespolonych jest zbieżny, jeżeli ci ag jego sum czȩściowych {S n }, gdzie S n = z + z +... + jest zbieżny do granicy w laściwej. Granicȩ
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowo1 Przestrzenie unitarne i przestrzenie Hilberta.
Przestrzenie unitarne i przestrzenie Hilberta.. Wykazać, że iloczyn skalarny w przestrzeni wektorowej X nad cia lem K ma nastepuj ace w lasności: (i) x, y + z = x, y + x, z, (ii) x, λy = λ x, y, (iii)
Bardziej szczegółowoPrzekształcenia liniowe
Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )
Bardziej szczegółowoLOGIKA ALGORYTMICZNA
LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R
Bardziej szczegółowof(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +
Różnczkowalność pocodne Ćwczene. Znaleźć pocodne cz astkowe funkcj f(x, y) = arctg x y. Rozw azane: Wdać, że funkcj f można napsać jako f(u(x, y)) gdze f(u) = arctg(u), u(x, y) = x y. Korzystaj ac z reg
Bardziej szczegółowoRozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.
Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa
Bardziej szczegółowoDyskretne modele populacji
Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których
Bardziej szczegółowoWPPT 2r., sem. letni KOLOKWIUM 1 Wroc law, 19 kwietnia 2011
A N A L I Z A F U N K C J O N A L N A WPPT r, sem letni KOLOKWIUM Wroc law, 9 kwietnia 0 ZADANIE ab W pewnej przestrzeni mamy wie metryki i przy czym czyni nasz a przestrzeń zwart a a jest s labsza o (tzn
Bardziej szczegółowoBaza w jądrze i baza obrazu ( )
Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem
Bardziej szczegółowoSystem liczbowy binarny.
1 System liczbowy binarny. 0.1 Wstȩp Ogȯlna forma systemów pozycyjnych liczbowych ma postać wielomianu α n 1 ρ n 1 + α n 2 ρ n 2 + + α 2 ρ 2 + α 1 ρ + α 0, (1) gdzie liczbȩ naturaln a ρ 2 nazywamy podstaw
Bardziej szczegółowoP. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF
29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).
Bardziej szczegółowoWyk lad 11 Przekszta lcenia liniowe a macierze
Wyk lad 11 Przekszta lcenia liniowe a macierze 1 Izomorfizm przestrzeni L(V ; W ) i M m n (R) Twierdzenie 111 Niech V i W bed a przestrzeniami liniowymi o bazach uporzadkowanych (α 1,, α n ) i (β 1,, β
Bardziej szczegółowoTydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L
Tydzień nr 9-10 (16 maja - 29 maja) Równania różniczkowe wartości własne funkcja wykładnicza od operatora - Matematyka II 2010/2011L Wszelkie pytania oraz uwagi o błędach proszę kierować na przemek.majewski@gmail.com
Bardziej szczegółowo0.1 Sposȯb rozk ladu liczb na czynniki pierwsze
1 Temat 5: Liczby pierwsze Zacznijmy od definicji liczb pierwszych Definition 0.1 Liczbȩ naturaln a p > 1 nazywamy liczb a pierwsz a, jeżeli ma dok ladnie dwa dzielniki, to jest liczbȩ 1 i sam a siebie
Bardziej szczegółowoPrzestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych
Grupa, cia lo Zadanie 1. Jakie w lasności w zbiorze liczb naturalnych, ca lkowitych, wymiernych, rzeczywistych maj dzia lania a b = a b, a b = a 2 + b 2, a b = a+b, a b = b. 2 Zadanie 2. Pokazać, że (R
Bardziej szczegółowoW poszukiwaniu kszta ltów kulistych
W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch
Bardziej szczegółowoWyk lad 5 W lasności wyznaczników. Macierz odwrotna
Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoc n (z z 0 ) n (2) Powiemy, że szereg Laurenta (2) jest zbieżny, jeśli każdy z szeregów zdefiniowanych w (1) jest f(z). Sume
Szeregi Laurenta, punkty osobliwe izolowane, klasyfikacja funkcji ze wzgl edu na osobliwości Dane s dwa szeregi postaci c n (z z 0 ) n i c n (z z 0 ) n. (1) n=1 1 Pierwszy z tych szeregów jest zbieżny
Bardziej szczegółowoMnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym
Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego
Bardziej szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowoSterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.
Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania
Bardziej szczegółowoDyskretne modele populacji
Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których
Bardziej szczegółowoKombinacje liniowe wektorów.
Kombinacje liniowe wektorów Definicja: Niech V będzie przestrzenią liniową nad ciałem F, niech A V Zbiór wektorów A nazywamy liniowo niezależnym, jeżeli m N v,, v m A a,, a m F [a v + + a m v m = θ a =
Bardziej szczegółowo1 Nierówność Minkowskiego i Hoeldera
1 Nierówność Minkowskiego i Hoeldera Na państwa użytek załączam precyzyjne sformułowania i dowody nierówności Hoeldera i Minkowskiego: Twierdzenie 1.1 Nierówność Hoeldera). Niech p, q będą takimi liczbami
Bardziej szczegółowoRozdzia l 2. Najważniejsze typy algebr stosowane w logice
Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr
Bardziej szczegółowoMATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie
1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ
Bardziej szczegółowoPrzeliczalność, kresy, bijekcje Javier de Lucas
Przeliczalność, kresy, bijekcje Javier de Lucas Zadanie 1. Wyliczyć: + [ 3 n=1, ] 4 n n. + ] n n=1, 5 + [ n n+1 n 10 t [,3] A t oraz t [,3] A t, gdzie: A t = [t, t] [ t, t]. Zadanie. Pokazać, że funkcja
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R
Bardziej szczegółowoFunkcje dwóch zmiennych, pochodne cząstkowe
Wykłady z matematyki inżynierskiej Funkcje dwóch zmiennych, pochodne cząstkowe JJ, IMiF UTP 17 f (x, y) DEFINICJA. Funkcja dwóch zmiennych określona w zbiorze D R 2, to przyporządkowanie każdemu punktowi
Bardziej szczegółowoc a = a x + gdzie = b 2 4ac. Ta postać wielomianu drugiego stopnia zwana jest kanoniczna, a wyrażenie = b 2 4ac wyróżnikiem tego wielomianu.
y = ax 2 + bx + c WIELOMIANY KWADRATOWE Zajmiemy sie teraz wielomianami stopnia drugiego, zwanymi kwadratowymi. Symbol w be dzie w tym rozdziale oznaczać wielomian kwadratowy, tj. w(x) = ax 2 + bx + c
Bardziej szczegółowoPo wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:
ROZDZIA L Metoda sympleksowa Motto: Matematyka nie może wype lnić życia ale jej nieznajomość już niejednemu je wype lni la H Steinhaus Tablica sympleksowa Rozważmy ZPL w postaci klasycznej maksymalizować
Bardziej szczegółowoIndeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej
Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej
Bardziej szczegółowoLiczby naturalne i ca lkowite
Chapter 1 Liczby naturalne i ca lkowite Koncepcja liczb naturalnych i proste operacje arytmetyczne by ly znane już od oko lo 50000 tysiȩcy lat temu. To wiemy na podstawie archeologicznych i historycznych
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.
Bardziej szczegółowoPodprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas
Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas Ćwiczenie 1. Niech W = {(x 1, x 2, x 3 ) K 3 : x 2 1 + x 2 2 + x 2 3 = x 1 x 2 + x 2 x 3 + x 3 x 1 }. Czy W jest podprzestrzeni a gdy
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoWykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej
Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E
Bardziej szczegółowo1. Granice funkcji - wstępne definicje i obliczanie prostych granic
1. Granice funkcji - wstępne definicje i obliczanie prostych granic Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 1. Granice w Krakowie) funkcji -
Bardziej szczegółowo1 Pochodne wyższych rzędów
1 Pochodne wyższych rzędów Definicja 1.1 (Pochodne cząstkowe drugiego rzędu) Niech f będzie odwzorowaniem o wartościach w R m, określonym na zbiorze G R k. Załóżmy, że zbiór tych x G, dla których istnieje
Bardziej szczegółowo2. Definicja pochodnej w R n
2. Definicja pochodnej w R n Niech będzie dana funkcja f : U R określona na zbiorze otwartym U R n. Pochodną kierunkową w punkcie a U w kierunku wektora u R n nazywamy granicę u f(a) = lim t 0 f(a + tu)
Bardziej szczegółowoRys Mo liwe postacie funkcji w metodzie regula falsi
5.3. Regula falsi i metoda siecznych 73 Rys. 5.1. Mo liwe postacie funkcji w metodzie regula falsi Rys. 5.2. Przypadek f (x), f (x) > w metodzie regula falsi 74 V. Równania nieliniowe i uk³ady równañ liniowych
Bardziej szczegółowoPojȩcie przestrzeni metrycznej
ROZDZIA l 1 Pojȩcie przestrzeni metrycznej Definicja 1.1. Dowolny niepusty zbiór X z funkcja ρ : X X [0, ), spe lniaja ca naste puja ce trzy warunki M1: ρ(x, y) = 0 x = y, M2: ρ(x, y) = ρ(y, x), M3: ρ(x,
Bardziej szczegółowoMATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE
1 SZKO LA PODSTAWOWA HELIANTUS 0-89 WARSZAWA ul. BAŻANCIA 16 3 1 0 1 3 Oś liczbowa. Liczby ca lkowite x MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE Prof. dr. Tadeusz STYŠ WARSZAWA 018 1
Bardziej szczegółowow = w i ξ i. (1) i=1 w 1 w 2 :
S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo
Bardziej szczegółowoTeoretyczne podstawy programowania liniowego
Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i
Bardziej szczegółowoLiczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 3 Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza 2 1 0 1 2 3 x Oś liczbowa. Liczba 1, to nie jest liczba pierwsza MATEMATYKA
Bardziej szczegółowoSZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA
SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 z y 0 x Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA Prof. dr. Tadeusz STYŠ Warszawa 2018 1 1 Projekt trzynasty
Bardziej szczegółowoWykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.
Wykład Przebieg zmienności funkcji. Celem badania przebiegu zmienności funkcji y = f() jest poznanie ważnych własności tej funkcji na podstawie jej wzoru. Efekty badania pozwalają naszkicować wykres badanej
Bardziej szczegółowow teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak
Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane
Bardziej szczegółowoWykłady... b i a i. i=1. m(d k ) inf
Wykłady... CŁKOWNIE FUNKCJI WIELU ZMIENNYCH Zaczniemy od konstrukcji całki na przedziale domkniętym. Konstrukcja ta jest, w gruncie rzeczy, powtórzeniem definicji całki na odcinku domkniętym w R 1. Przedziałem
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoLokalna odwracalność odwzorowań, odwzorowania uwikłane
Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie
Bardziej szczegółowoWyk lad 1 Podstawowe struktury algebraiczne
Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość
Bardziej szczegółowoPochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji
Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy
Bardziej szczegółowo