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?

Wielkość: px
Rozpocząć pokaz od strony:

Download "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?"

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 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 szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma 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 szczegółowo

Twierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4

Twierdzenie 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 szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze 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 szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby 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 szczegółowo

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Przestrzenie 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 szczegółowo

Cia la i wielomiany Javier de Lucas

Cia 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 szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie 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 szczegółowo

Teoria 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 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 szczegółowo

y 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) =

y 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 szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność 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 szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk 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 szczegółowo

na p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0

na 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 szczegółowo

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Tomasz 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 szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy 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 szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk 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 szczegółowo

MATEMATYKA REPREZENTACJA LICZB W KOMPUTERZE

MATEMATYKA 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 szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk 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 szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk 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 szczegółowo

KOLOKWIUM Z ALGEBRY I R

KOLOKWIUM 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 szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk 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 szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Metoda 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 szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia 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 szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody 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 szczegółowo

Zestaw 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 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 szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie 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 szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech 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 szczegółowo

Analiza 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 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 szczegółowo

Wyk lad 10 Przestrzeń przekszta lceń liniowych

Wyk 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 szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 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 szczegółowo

Normy wektorów i macierzy

Normy 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 szczegółowo

Pochodne cz ¾astkowe i ich zastosowanie.

Pochodne 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 szczegółowo

Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty

Zestaw 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 szczegółowo

POCHODNA 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. 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 szczegółowo

T 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. 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 szczegółowo

Pierwiastki arytmetyczne n a

Pierwiastki 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 szczegółowo

Logika matematyczna i teoria mnogości (I) J. de Lucas

Logika 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 szczegółowo

0.1 Reprezentacja liczb w komputerze

0.1 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 szczegółowo

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

P (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 szczegółowo

Równania różniczkowe liniowe rzędu pierwszego

Równania 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 szczegółowo

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Seria 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 szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki 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 szczegółowo

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1

z 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 szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk 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 szczegółowo

1 Przestrzenie unitarne i przestrzenie Hilberta.

1 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 szczegółowo

Przekształcenia liniowe

Przekształcenia 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 szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA 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 szczegółowo

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

f(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 szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia 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 szczegółowo

Dyskretne modele populacji

Dyskretne 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 szczegółowo

WPPT 2r., sem. letni KOLOKWIUM 1 Wroc law, 19 kwietnia 2011

WPPT 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 szczegółowo

Baza w jądrze i baza obrazu ( )

Baza 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 szczegółowo

System liczbowy binarny.

System 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 szczegółowo

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

P. 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 szczegółowo

Wyk lad 11 Przekszta lcenia liniowe a macierze

Wyk 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 szczegółowo

Tydzień 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 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 szczegółowo

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze

0.1 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 szczegółowo

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Przestrzenie 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 szczegółowo

W poszukiwaniu kszta ltów kulistych

W 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 szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk 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 szczegółowo

Wyk lad 14 Cia la i ich w lasności

Wyk 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 szczegółowo

c n (z z 0 ) n (2) Powiemy, że szereg Laurenta (2) jest zbieżny, jeśli każdy z szeregów zdefiniowanych w (1) jest f(z). Sume

c 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 szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki 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 szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Niesimpleksowe 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 szczegółowo

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie 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 szczegółowo

Dyskretne modele populacji

Dyskretne 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 szczegółowo

Kombinacje liniowe wektorów.

Kombinacje 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 szczegółowo

1 Nierówność Minkowskiego i Hoeldera

1 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 szczegółowo

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Rozdzia 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 szczegółowo

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

MATEMATYKA 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 szczegółowo

Przeliczalność, kresy, bijekcje Javier de Lucas

Przeliczalność, 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 szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

Funkcje dwóch zmiennych, pochodne cząstkowe

Funkcje 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 szczegółowo

c a = a x + gdzie = b 2 4ac. Ta postać wielomianu drugiego stopnia zwana jest kanoniczna, a wyrażenie = b 2 4ac wyróżnikiem tego wielomianu.

c 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 szczegółowo

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:

Po 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 szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks 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 szczegółowo

Liczby naturalne i ca lkowite

Liczby 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 szczegółowo

Funkcje dwóch zmiennych

Funkcje 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 szczegółowo

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas

Podprzestrzeń 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 szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE 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 szczegółowo

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

Wykład 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 szczegółowo

1. Granice funkcji - wstępne definicje i obliczanie prostych granic

1. 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 szczegółowo

1 Pochodne wyższych rzędów

1 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 szczegółowo

2. Definicja pochodnej w R n

2. 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 szczegółowo

Rys Mo liwe postacie funkcji w metodzie regula falsi

Rys 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 szczegółowo

Pojȩcie przestrzeni metrycznej

Pojȩcie 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 szczegółowo

MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE

MATEMATYKA 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 szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

w = 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 szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne 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 szczegółowo

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza

Liczba 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 szczegółowo

SZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA

SZKO 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 szczegółowo

Wykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.

Wykład 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 szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w 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 szczegółowo

Wykłady... b i a i. i=1. m(d k ) inf

Wykłady... 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 szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk 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 szczegółowo

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lokalna 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 szczegółowo

Wyk lad 1 Podstawowe struktury algebraiczne

Wyk 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 szczegółowo

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji

Pochodne 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