1 Przestrzenie Hilberta

Wielkość: px
Rozpocząć pokaz od strony:

Download "1 Przestrzenie Hilberta"

Transkrypt

1 M. Beśka, Wykład monograficzny, Dodatek 1 1 Przestrzenie Hilberta 1.1 Podstawowe fakty o przestrzeniach Hilberta Niech H będzie przestrzenią liniową nad ciałem liczb rzeczywistych. Określmy odwzorowanie, : H H IR spełniajace następujące warunki dla x, y, z H (i) x, x > 0 dla x 0, (ii) x + y, z = x, z + y, z, (iii) ax, y = a x, y, a IR, (iv) x, y = y, x. Powyższe odwzorowanie nazywa się iloczynem skalarnym, a parę (H,, ) przestrzenią unitarną. Dla iloczynu skalarnego w przestrzeni unitarnej zachodzi tzw. nierówność Schwarza x, y 2 x, x y, y, x, y H. Wiadomo również, że w przestrzeni unitarnej można określić normę wzorem h := h, h, h H. Jeśli przestrzeń unitarna (H,, ) jest zupełna w powyższej normie, to nazywamy ją przestrzenią Hilberta. Od tej pory H będzie zawsze przestrzenią Hilberta. Mówiny, że h, g H są ortogonalne jeśli h, g = 0. Piszemy wtedy h g. Jeśli h, g H są ortogonalne, to h + g 2 = h 2 + g 2. Jeśli H 0 H jest podprzestrzenią liniową, to oznaczmy przez H 0 := {h H : h g dla każdego g H 0 }. Zauważmy, że H0 jest domkniętą podprzestrzenią H. Nazywa się ją dopełnieniem ortogonalnym podprzestrzeni H 0. Twierdzenie 1.1 (Twierdzenie o rzucie ortogonalnym) Jeśli H 0 H jest domkniętą podprzestrzenią liniową, to H = H 0 H 0. Z twierdzenia o rzucie ortogonalnym wynika, że każdy element h H możemy (jednoznacznie) przedstawić w postaci h = h 0 + h 1, gdzie h 0 H 0, h 1 H 0 oraz h 0 h 1. Element h 0 nazywamy rzutem ortogonalnym elementu h na podprzestrzeń H 0. Z twierdzenia o rzucie ortogonalnym dostajemy również

2 M. Beśka, Wykład monograficzny, Dodatek 2 Lemat 1.2 Podprzestrzeń H 0 H jest gęsta w H wtedy i tylko wtedy, gdy jedynym elementem z H ortogonalnym do H 0 jest zero. Twierdzenie 1.3 Niech {h n } n 1 H będzie ciągiem ortogonalnych wektorów. Wtedy następujące warunki sa równoważne: (i) Szereg h n jest zbieżny w H, (ii) h n 2 <, (iii) Szereg h n, g jest zbieżny dla każdego g H. Układ ortogonalny {e n } n 1 H nazywamy układem ortonarmalnym jeśli e n = 1 dla n 1. Wtedy e n, e m = δ n,m, gdzie δ n,m jest symbolem Kroneckera. Jeśli {a n } n 1 l 2 wtedy z twierdzenia 1.3 szereg (1.1) jest zbieżny oraz a n e n a n e n = a 2 n. W drugą stronę. Jeśli dla pewnego ciągu {a n } n 1 szereg (1.1) jest zbieżny, to z twierdzenia 1.3 {a n } n 1 l 2. Zauważmy, że jeśli przez h oznaczymy sumę szeregu (1.1), to Wystarczy w tym celu zauwazyć, że a k = h, e k, k 1. m a k = a n e n, e k, dla m k i przejść do granicy dla m. Liczby h, e k, k 1 nazywamy współczynnikami Fouriera elementu h H względem układu ortonormalnego {e n } n 1, a szereg (1.2) h, e n e n szeregiem Fouriera elementu h H względem tego układu. Z następującej tożsamości dostajemy h m 2 h, e n e n = h 2 m h, e n 2, m = 1, 2, 3,...

3 M. Beśka, Wykład monograficzny, Dodatek 3 Twierdzenie 1.4 Jeśli {e n } n 1 jest układem ortonormalnym w H, to dla dowolnego elementu h H szereg h, e n 2 jest zbieżny oraz zachodzi nierówność Bessla tj. h, e n 2 h 2, która przechodzi w równość wtedy i tylko wtedy, gdy h = Jeśli dla każdego h H mamy h = h, e n e n. h, e n e n, to układ {e n } n 1 nazywamy bazą ortonormalną w Przestrzeni Hilberta H. Twierdzenie 1.5 W każdej ośrodkowej przestrzeni Hilberta istnieje co najwyżej przeliczalna baza ortonormalna. Mamy następującą charakteryzację baz ortonormalnych. Lemat 1.6 (O bazach ortonormalnych) Niech {e n } n 1 będzie układem ortonormalnym w przestrzeni Hilberta H. Następujące warunki są równoważne: (a) Układ {e n } n 1 jest bazą ortonormalną w H. (b) Dla każdego h H mamy h 2 = h, e n 2. (c) Dla każdego h H, jeśli h, e n = 0 dla n 1, to h = 0 (zupełność układu). (d) span{e n : n 1} = H. Dowód. (a) (b) wynika natychmiast z twierdzenia 1.4. (b) (c) jest natychmiastowy. (c) (d): Oznaczmy H 1 = span{e n : n 1} i załóżmy, że H 1 H. Ponieważ H 1 H, więc z twierdzenia o rzucie ortogonalnym H = H 1 H1, gdzie H 1 {0}. Zatem istnieje h 0 i h H1. Stąd h e n dla n 1, więc z (c) mamy h = 0 co daje sprzeczność, bo załóżyliśmy, że h 0.

4 M. Beśka, Wykład monograficzny, Dodatek 4 (d) (a) wynika z następujacej własności rzutu ortogonalnego m h m, h h, e n e n a n e n dla an IR, n = 1, 2,..., m, m 1. Niech {e n } n 1 będzie bazą ortonormalną w Przestrzeni Hilberta H. Zbiór E H jest zbiorem zwartym wtedy i tylko wtedy, gdy jest ograniczony i szereg Fouriera h, e n e n, h E jest na zbiorze E zbieżny jednostajnie (do h E). Np. domknięta kula jednostkowa w nieskończenie wymiarowej przestrzeni Hiberta H nie jest zbiorem zwartym. 1.2 Operatory liniowe ograniczone Operator liniowy A : H H nazywamy operatorem ograniczonym jesli istnieje stała M > 0 taka, że (1.3) A(h) M h, h H. Najmniejszą stałą M > 0 spełniającą (1.3) nazywamy normą operatora i będziemy ją oznaczać przez A. Jak wiadomo ograniczoność operatora A jest równoważna jego ciągłości. Zbiór operatorów liniowych i ograniczonych A : H H tworzy przestrzeń liniową, którą będziemy oznaczać przez L(H) := L(H, H). Przestrzeń ta z normą A, A L(H) jest przestrzenią Banacha. Można udowodnić, że norma operatora A L(H) jest równa A = sup A(h) = sup A(h). h 1 Dla przypomnienia kilka twierdzeń o ciągach operatorów ograniczonych (w ogólnej postaci) Twierdzenie 1.7 (Banacha-Steinhausa) Niech {A n } n 1 będzie ciągiem operatorów liniowych ograniczonych określonych na przestrzeni Banacha X, o wartościach w przestrzeni unormowanej Y. Wtedy ciąg { A n } n 1 norm tych operatorow jest ograniczony wtedy i tylko wtedy, gdy dla kazdego x X ciąg {A n (x)} n 1 jest ograniczony. Dwa bezpośrednie wnioski z tego twierdzenia Wniosek 1.8 Jeśli {A n } n 1 jest ciągiem operatorów liniowych ograniczonych określonych na przestrzeni Banacha X, o wartościach w przestrzeni unormowanej Y i ciąg {A n (x)} n 1 jest zbieżny dla każdego x X, to operator określony wzorem A(x) = lim n A n(x), jest operatorem liniowym ograniczonym. x X

5 M. Beśka, Wykład monograficzny, Dodatek 5 Wniosek 1.9 Niech {A n } n 1 będzie ciągiem operatorów liniowych ograniczonych określonych na przestrzeni Banacha X, o wartościach w przestrzeni Banacha Y. Załóżmy, że ciag norm { A n } n 1 jest ograniczony. Jeśli zbiór E X jest gęsty w przestrzeni X i ciąg {A n (x)} n 1 jest zbieżny dla każdego x E, to stąd wynika zbieżność tego ciągu dla każdego x X. Twierdzenie 1.10 (Banacha o operatorze odwrotnym) Jeżeli A jest operatorem liniowym ograniczonym odwzorowującym wzajemnie jednoznacznie przestrzeń Banach X na przestrzeń Banacha Y, to operator odwrotny A 1 też jest ograniczony. Twierdzenie 1.11 Jeżeli A jest operatorem liniowym ograniczonym odwracalnym odwzorowującym przestrzeń Banach X w przestrzeń Banacha Y, to następujace warunki są równoważne: (i) Operator odwrotny A 1 jest ograniczony. (ii) Istnieje stała m > 0 taka, że A(x) m x dla każdego x X. (iii) Zbiór wartości operatora A jest domknięty. Kolejne twierdzenie mówi, że operator liniowy ograniczony określony na podprzestrzeni gęstej można rozszerzyć na całą przestrzeń z zachowaniem normy, dokładniej Twierdzenie 1.12 Niech X będzie przestrzenią unormowaną, a Y przestrzenią Banacha, a A 0 operatorem liniowym ograniczonym określonym na podprzestrzeni gęstej X 0 X (tzn. X 0 = X). Wtedy istnieje (jedyny) operator liniowy ograniczony określony na X, o wartościach w Y taki, że A(x) = A 0 (x) dla x X 0 oraz A = A 0. Niech X przestrzeń unormowana. Operator liniowy ograniczony f : X IR nazywamy ciągłym funkcjonałem liniowym. Przez X oznaczamy przestrzeń wszystkich ciągłych funkcjonałów liniowych na X. Można wykazać, że jest to przestrzeń Banacha (z normą operatorową). W przypadku przestrzeni Hilberta mamy równość H = H (z dokładnością do izometrii), co wynika z twierdzenia Twierdzenie 1.13 (Riesza) Jeżeli f H, to istnieje dokładnie jeden element a H, taki, że f(h) = h, a, h H oraz f = a.

6 M. Beśka, Wykład monograficzny, Dodatek 6 Niech H jak zawsze będzie przestrzenia Hilberta i A L(H). Dla każdego elementu h H określmy funkcjonał liniowy wzorem f h (x) = A(x), h, x H. Jest to oczywiście funkcjonał ograniczony. Na mocy twierdzenia Riesza istnieje h H taki, że f h (x) = x, h dla każdego x H. Zatem przyjmując A (h) = h definiujemy pewien operator A : H H spełniajacy związek A(x), h = x, A (h), x, h H. Operator A jest oczywiście operatorem liniowym. Można udowodnić, że jest on ograniczony oraz A = A. Nazywamy go operatorem sprzężonym z operatorem A. Ponadto jeśli A 1, A 2 L(H), to (A 1 A 2 ) = A 2 A 1. Operator A L(H) nazywamy samosprzężonym (symetrycznym) jeśli A = A tzn. A(x), y = x, A(y), x, y H. Twierdzenie 1.14 Niech A L(H) będzie operatorem samosprzężonym. Wtedy A = sup A(h), h. Operator A L(H) nazywamy dodatnio określonym jeśli A(h), h 0 dla każdego h H. Twierdzenie 1.15 Niech A L(H) będzie operatorem samosprzężonym, dodatnio określonym. Wtedy istnieje jedyny operator B L(H) samosprzężony, dodatnio określony taki, że B 2 := B B = A. Ponadto B C = C B, jeśli A C = C A, gdzie C L(H). Operator B nazywamy pierwiastkiem operatora A i oznaczamy A := A 1/2 := B. Zauważmy, że jeśli A jest odwracalny, to B jest rownież, bo a stąd B A = A B A 1 B A = B A 1 B = B A 1 (A 1 B) B = I, B (A 1 B) = B (B A 1 ) = I. Zatem B jest odwracalny oraz B 1 = A 1 B = B A 1.

7 M. Beśka, Wykład monograficzny, Dodatek Operatory zwarte Niech X, Y będą przestrzeniami unormowanymi. Operator liniowy A : X Y nazywamy operatorem zwartym, jeśli dla każdego zbioru ograniczonego U X obraz A(U) jest warunkowo zwarty w Y tzn. A(U) jest zbiorem zwartym w Y. Równoważnie, gdy dla każdego ciągu {x n } n 1 ograniczonego w X z ciągu {A(x n )} n 1 można wyjąć podciąg zbieżny do pewnego elementu z Y. Zauważmy, że każdy liniowy operator zwarty A jest operatorem ograniczonym. Rzeczywiście, załóżmy, że nie jest ograniczony. Wtedy intnieje ciąg {x n } n 1 taki, że x n 1, n 1 oraz A(x n ), gdy n. Stąd ciąg {A(x n )} n 1 nie zawiera podciągów zbieżnych, mimo że ciąg {x n } n 1 jest ograniczony. Przeczy to zwartości operatora A. Istnieją operatory liniowe ograniczone, które nie są operatorami zwartymi np. operator identycznościowy w nieskończenie wymiarowej przestrzeni Hilberta (czy unormowanej). Jeśli A, B L(H) oraz A jest operatorem zwartym, to złożenia A B i B A są operatorami zwartymi. Operator liniowy A : X Y nazywamy skończenie wymiarowym jeśli dim A(X) <. Każdy operator liniowy ograniczony skończenie wymiarowy jest operatorem zwartym, bo gdy U X jest ograniczony, to z nierówności A(x) A x dla x X wynika, że A(U) A(X) jest zbiorem ograniczonym. Ponieważ A(X) jest skończenie wymiarowa, więc jest zbiorem domkniętym, zatem A(U) A(X). Zbiory ograniczone i domknięte w przestrzeniach skończenie wymiarowych są zbiorami zwartymi, wiec A(U) jest zbiorem zwartym. Nietrudno zauważyć, że operatory zwarte A : X Y tworzą podprzestrzeń liniową w L(X, Y ), a jeśli Y jest przestrzenią Banacha to jest to podprzestrzeń domknięta tzn. mamy Twierdzenie 1.16 Jeśli X jest przestrzenią unormowaną, Y przestrzenią Banacha, a operatory A n L(X, Y ), n 1 operatorami zwartymi oraz A n A, gdy n tzn. A n A 0, gdy n, to A jest operatorem zwartym. Z twierdzenia tego wynika, że granica w normie operatorowej ciągu operatorów skończenie wymiarowych ograniczonych jest operatorem zwartym. Gdy Y jest ośrodkową przestrzenią Hilberta, to każdy operator liniowy zwarty jest granicą w normie operatorowej ciągu operatorów skończenie wymiarowych. Rzeczywiście, niech A L(X, Y ) będzie operatorem zwartym. Określmy n A n (x) = A(x), e k e k, x X, n 1, k=1 gdzie {e k } k 1 jest dowolną bazą ortonormalną w Y. Zauważmy, że A n = P n A,

8 M. Beśka, Wykład monograficzny, Dodatek 8 gdzie P n jest rzutem ortogonalnym Y na span{e 1,..., e n } tzn. P n (y) = n y, e k e k, y Y, n 1. k=1 Niech U = {x X : x = 1}, Zbiór A(U) jest zwarty w Y, więc P n (y) y jednostajnie na A(U) tzn. dla każdego ε > 0 istnieje n 0 IN takie, że jeśli n n 0, to Stąd jeśli x = 1, to czyli P n (y) y < ε dla dowolnego y A(U). (A n A)(x) = P n (A(x)) A(x) < ε dla n n 0, A n A = sup (A n A)(x) ε dla n n 0. x =1 Z dowolności ε > 0 dostajemy A n A 0, gdy n. Twierdzenie 1.17 (Schauder) Niech H będzie przestrznią Hilberta (Banacha) oraz A L(H). Wtedy A jest operatorem zwartym wtedy i tylko wtedy, gdy A jest operatorem zwartym. 1.4 Elementy analizy widmowej Niech A L(X), gdzie X jest przestrzenią Banacha (rzeczywistą). Liczbę rzeczywistą λ nazywamy wartością regularną operatora A, jeśli operator A λi : X X jest odwracalny (na X). Przez widmo operatora A rozumiemy zbiór wszystkich liczb rzeczywistych λ nie będacych wartościami regularnymi tego operatora. Mówimy, że λ IR jest wartością własną operatora A, Jeżeli operator A λi nie jest różnowartościowy tzn. istnieje x 0 takie, że A(x) λx = 0. Wtedy x nazywamy wektorem własnym odpowiadającym wartości własnej λ. Dla danej wartości własnej λ zbiór X λ (A) = {x X : A(x) = λx} nazywamy podprzestrzenią własną odpowiadającą wartości własnej λ. Zauważmy, że każda wartość własna należy do widma. Twierdzenie 1.18 Niech X będzie rzeczywistą przestrzenią Banacha i niech A L(X). Widmo operatora A jest zbiorem domkniętym zawartym w przedziale [ A, A ].

9 M. Beśka, Wykład monograficzny, Dodatek 9 Twierdzenie 1.19 (Widmo operatora zwartego) Niech X będzie przestrzenią Banacha i niech A L(X) będzie operatorem zwartym. Wtedy: (i) Każda liczba λ 0 należąca do widma jest wartością własną. (ii) Dla każdej wartości własnej λ 0 odpowiednia przestrzeń własna X λ (A) jest skończenie wymiarowa. (iii) Zbiór wszystkich wartości własnych operatora A jest co najwyżej przeliczalny. Punktem skupienia tego zbioru może być jedynie punkt λ = 0. Twierdzenie 1.20 (Alternatywa Fredholma) Niech X będzie przestrzenią Banacha, A : X X operatorem zwartym oraz λ 0. Wtedy ker(a λi) = {0} (A λi)(x) = X. W przypadku operatorów liniowych samosprzężonych w przestrzeni Hilberta twierdzenie 1.18 ma postać (nawet w przpadku zespolonym, bo każda liczba zespolona nie będąca liczbą rzeczywistą jest wartością regularną operatora samosprzężonego). Twierdzenie 1.21 Niech H będzie przestrzenią Hilberta i niech A L(H) będzie operatorem samosprzężonym. Widmo operatora A jest zawarte w przedziale [λ, λ ], gdzie λ = inf A(h), h, λ = sup A(h), h. Obie liczby λ i λ należą do widma. Z tego twierdzenia mamy natychmiastowy wniosek: Widmo operatora samosprzężonego w przestrzenia Hilberta jest zbiorem niepustym. Zauważmy również, że przestrzenie własne odpowiadajace różnym wartościom własnym operatora samosprzężonego A L(H) są ortogonalne. Rzeczywiście, niech λ 1 λ 2 będą wartosciami własnymi operatora A oraz niech h 1 H λ1 (A), h 2 H λ2 (A) tj. A(h 1 ) = λ 1 h 1 oraz A(h 2 ) = λ 2 h 2. Wtedy z samosprzężoności operatora A mamy czyli λ 1 h 1, h 2 = λ 1 h 1, h 2 = A(h 1 ), h 2 = h 1, A(h 2 ) = h 1, λ 2 h 2 = λ 2 h 1, h 2, (λ 1 λ 2 ) h 1, h 2 = 0, ale λ 1 λ 2, więc h 1, h 2 = 0 tzn. h 1 i h 2 są ortogonalne. Stąd w szczególności wynika, że zbiór wartości własnych operatora samosprzężonego w ośrodkowej przestrzeni Hilberta jest co najwyżej przeliczalny.

10 M. Beśka, Wykład monograficzny, Dodatek 10 Lemat 1.22 Niech H będzie rzeczywistą ośrodkowa przestrzenią Hilberta, a A : H H liniowym operatorem samosprzężonym. Wtedy Stąd mamy następujący wniosek. A(H) = H kera = {0}. Wniosek 1.23 Niech H będzie rzeczywistą ośrodkowa przestrzenią Hilberta, A : H H liniowym operatorem samosprzężonym, a λ IR. Wtedy (i) Jeśli (A λi)(h) H, to λ jest wartością własną. (ii) Jeśli (A λi)(h) = H oraz (A λi)(h) H, to λ należy do widma i nie jest wartością własną. (iii) Jeśli (A λi)(h) = H, to λ jest wartością regularną. Zobaczmy jak wygląda widmo operatora zwartego samosprzężonego w ośrodkowej przestrzeni Hilberta. W tym celu musimy skorzystać z twierdzenia 1.19 o widmie operatorów zwartych w przestrzeniach Banacha (teoria Riesza). Z tego twierdzenia i twierdzenia 1.21 wynika, że każdy operator samosprzężony zwarty A L(H), A 0, ma przynajmniej jedną różną od zera wartość własną (taką, że λ = A ). Niech A L(H) będzie samosprzężonym operatorem zwartym na przestrzeni Hilberta H. Z twierdzenia o widmie operatora zwartego wynika, że wartości własne operatora A tworzą zbiór co najwyżej przeliczalny. Możemy wszystkie różne od zera ustawić w ciąg {η n } n 1 (skończony lub nieskończony zbieżny do zera). Można przyjąć, że η 1 η 2... η n.... Jak już wiemy odpowiadające im przestrzenie własne H ηn (A), n 1 są skończenie wymiarowe. Niech {e 1,..., e i1 } będzie bazą ortonormalną w H η1 (A), {e i1 +1,..., e i1 +i 2 } bazą ortonormalną w H η2 (A), itd. Ponieważ wektory własne odpowiadające różnym wartościom własnym są ortogonalne, więc określony w ten sposób ciag wektorów {e k } k 1 jest układem ortonormalnym. Nazywać będziemy go pełnym układem ortonormalnym wektorów własnych operatora A. Przez {λ k } k 1 oznaczać będziemy ciąg odpowiednich wartości własnych tj. λ k = η 1 dla k = 1, 2,..., i 1, λ k = η 2 dla k = i 1 + 1, i 1 + 2,..., i 1 + i 2 itd. Stąd każda wartość własna η n powtarza się w ciągu {λ k } k 1 tyle razy, ile wynosi wymiar przestrzeni H ηn (A). Lemat 1.24 Niech A L(H) będzie operatorem samosprzężonym zwartym, a {e k } k 1 pełnym układem ortonormalnym wektorów własnych operatora A. Wtedy dla każdego h H istnieje dokładnie jeden wektor h 0 H taki, że A(h 0 ) = 0 oraz h = h 0 + k 1 h, e k e k

11 M. Beśka, Wykład monograficzny, Dodatek 11 Dowód. Oznaczmy H 1 = span{e k : k 1}. Z twierdzenia o rzucie ortogonalnym mamy h = h 1 + h 0, gdzie h 1 H 1, h 0 H1. Z lematu o bazach ortonormalnych wynika, że h 1 = k 1 h 1, e k e k. Ale h 1, e k = h h 0, e k = h, e k h 0, e k = h, e k, więc h 1 = k 1 h, e k e k. Pozostaje wobec tego udowodnić, że A(h 0 ) = 0. Zauważmy, że A(H 1 ) H 1. Rzeczywiście, jeśli y A(H1 ) tzn. istnieje x H 1 takie, że y = A(x), to x, e k = 0 dla k 1. Wobec tego, że A(e k ) = λ k e k i λ k 0, k 1, dostajemy x, A(e k ) = 0, a stąd A(x), e k = 0 dla k 1. każdego g H 1 tzn. y = A(x) H1, czyli A(H 1 ) H 1. Zatem A(x), g = 0 dla H1 jest przestrzenią Hilberta i operator A H1 odwzorowuje ją w siebie. Jeśli założymy, że A(h 0 ) 0, to A H 0, a ponieważ jest to operator samosprzężony i zwarty, więc 1 posiada różną od zera wartość własną i niezerowy wektor własny h λ H1. Z drugiej strony h λ H 1. Zatem h λ = 0, co daje sprzeczność, więc A(h 0 ) = 0. Twierdzenie 1.25 (Hilberta) Jeżeli H jest ośrodkową przestrzenia Hilberta, a {e k } k 1 pełnym układem ortonormalnym wektorów własnych samosprzężonego zwartego operatora A L(H), to w przestrzeni H istnieje baza ortonormalna złożona z układu {e k } k 1 i pewnego układu {e k,0 } k 1 wektorów własnych operatora A odpowiadających wartości własnej λ = 0 (jeżeli λ = 0 jest wartością własną). Dowód. Jeżeli zero nie jest wartością własną, to z lematu 1.24 wynika, że układ ortonormalny {e k } k 1 jest bazą (bo wtedy h 0 = 0). Przypuśćmy, że zero jest wartością własną. Wtedy z twierdzenia 1.5 przestrzeń własna H 0 (A) posiada bazę ortonormalną {e k,0 } k 1. Suma mnogościowa {e k } k 1 {e k,0 } k 1 tworzy układ ortonormalny. Aby wykazać, że jest bazą ortonormalną wystarczy z lematu o bazach ortonormalnych wykazać jego zupełność. Niech więc h {e k } k 1 {e k,0 } k 1.

12 M. Beśka, Wykład monograficzny, Dodatek 12 Z lematu 1.24 wektor h ma przedstawienie h = h 0 + k 1 h, e k e k, gdzie h 0 H 0 (A). Ponieważ h, e k = 0 dla k 1, więc h = h 0. Ale h {e k,0 } k 1, więc z zupelności {e k,0 } k 1 dostajemy h = 0, co kończy dowód. Wniosek 1.26 Niech {e k } k 1 pełnym układem ortonormalnym wektorów własnych samosprzężonego zwartego operatora A L(H), {λ k } k 1 ciągiem odpowiednich wartości własnych, to A(h) = k 1 λ k h, e k e k, h H. Dowód. Wynika bezpośrednio z lematu 1.24 i tego, że A(e k ) = λ k e k, k 1. Wniosek 1.27 Operator samosprzężony zwarty A L(H) ma skończoną ilość wartości własnych wtedy i tylko wtedy, gdy jest skończenie wymiarowy. Dowód. Wynika bezpośrednio z wniosku Wniosek 1.28 Niech A L(H) będzie operatorem samosprzężonym zwartym, a {e k } k 1 pełnym układem ortonormalnym wektorów własnych operatora A. Następujące warunki są równóważne: (a) Układ ortonormalny {e k } k 1 jest bazą. (b) Operator A jest odwracalny (na obrazie A(H)). (c) A(H) = H. Dowód. (a) (b): Niech A(h) = 0 dla pewnego h H. Z wniosku 1.26 mamy 0 = A(h) 2 = k 1 λ 2 k h, e k 2. Stąd h, e k = 0 dla k 1, bo λ k 0 dla k 1. Zatem z założenia (a) mamy h = 0 tzn. A jest różnowartościowy, czyli odwracalny na obrazie. (b) (c): Załóżmy, że A jest odwracalny oraz A(H) H. Wtedy istnieje (z twierdzenia o rzucie ortogonalnym) 0 h A(H), a stąd h e k, dla k 1, bo e k = A(e k /λ k ). Z drugiej strony z założenia i lematu 1.24 mamy h = k 1 h, e k e k.

13 M. Beśka, Wykład monograficzny, Dodatek 13 Zatem h = 0 co daje sprzeczność, bo założyliśmy, że h 0, więc A(H) = H. (c) (a): Z lematu o bazach ortonarmalnych wystarczy wykazać zupełność układu {e k } k 1. Niech więc h e k dla k 1. Z wniosku 1.26 mamy h A(H), a stąd h A(H) = H. Zatem h = 0, czyli układ {e k } k 1 jest zupełny tzn. jest bazą ortonormalną. Wniosek 1.29 Niech {e k } k 1 pełnym układem ortonormalnym wektorów własnych zwartego samosprzężonego operatora A L(H), {λ k } k 1 ciągiem odpowiednich wartości własnych, to A(h), h = k 1 λ k h, e k 2, h H. Dowód. Wynika bezpośrednio z wniosku 1.26 i lematu Z ostatniego wniosku mamy Wniosek 1.30 Operator samosprzężony zwarty A L(H) jest dodatni wtedy i tylko wtedy, gdy ma nieujemne wartości własne. Wniosek 1.31 Dla każdego samosprzężonego zwartego operatora dodatniego A L(H) zachdzi wzór A = sup A(h), h = A(e), e = λ, gdzie λ jest największą wartością własną operatora A, a e dowolnym unormowanym wektorem własnym odpowiadającym wartości własnej λ. Dowód. Z twierdzenia 1.14, dodatniości operatora A i wniosku 1.29 mamy A = sup A(h), h = sup λ k h, e k 2 λ sup k 1 k 1 h, e k 2 = λ, gdzie λ jest osiągana np. dla h = e 1, gdy λ = λ Operatory śladowe Niech H będzie ośrodkową rzeczywistą przestrzenią Hilberta. Operator liniowy A : H H nazywamy operatorem śladowym (nuklearnym, jądrowym) jeśli istnieją ciągi {a k } k 1 H i {b k } k 1 H takie, że a k b k <. k 1

14 M. Beśka, Wykład monograficzny, Dodatek 14 oraz A(h) = k 1 h, a k b k, h H Zauważmy od razu, że ograniczone operatory skończenie wymiarowe są operatorami śladowymi, bo gdy dima(h) = m i {e 1,..., e m } jest bazą ortonormalną w A(H), to dla każdego h H mamy m m A(h) = A(h), e k e k = h, A (e k ) e k. k=1 Możemy, wiec przyjąć a k = A (e k ) i b k = e k dla k = 1, 2,..., m. Z wniosku 1.8 po twierdzeniu Banach-Steinhausa wynika, że operatory śladowe są operatorami ograniczonymi, co więcej są operatorami zwartymi. Rzeczywiście, określmy A n (h) = k=1 n h, a k b k, h H. k=1 Jak widać operatory A n są ograniczonymi operatorami skończenie wymiarowymi, a więc zwartymi. Pokażemy, że A jest granicą (w normie operatorowej) operatorów A n, więc z twierdzenia 1.16 dostaniemy zwartość operatora A. Dla h H mamy A(h) A n (h) = h, a k b k h a k b k. Stąd A A n = sup A(h) A n (h) a k b k 0. n Jeśli A jest operatorem śladowym, to ślad operatora A określa się wzorem tra = k 1 A(e k ), e k, gdzie {e k } k 1 jest dowolną bazą ortonormalną w H. Pokażemy teraz, że ślad operatora A jest dobrze określony (tzn. szereg powyższy jest zbieżny bezwzglednie) oraz nie zależy od wyboru bazy ortonormalnej. Niech więc A(h) = a j b j, h H oraz a j b j <. j 1 h, j 1 Mamy dla k 1 A(e k ), e k = j 1 e k, a j e k, b j. Korzystając teraz z tej równości i z nierówności Schwarza dostajemy

15 M. Beśka, Wykład monograficzny, Dodatek 15 A(e k ), e k e k, a j e k, b j k 1 j 1 k 1 ( e k, a j 2) 1/2( e k, b j 2) 1/2 = a j b j <. j 1 k 1 k 1 Stąd ślad jest dobrze określony (szereg jest zbieżny bezwzględnie). Ślad nie zależy od wyboru bazy ortonormalnej, bo k ), e k = k 1 A(e e k, a j e k, b j = k 1 j 1 k, a j e k, b j = j 1 k 1 e a j, b j. j 1 Na zakończenie twierdzenie charakteryzujące operatory śladowe wśród operatorów liniowych samosprzężonych dodatnio określonych. Twierdzenie 1.32 (O operatorze śladowym) Niech A L(H) będzie operatorem samosprzężonym dodatnio określonym. Wtedy A jest operatorem śladowym wtedy i tylko wtedy, gdy dla pewnej bazy ortonormalnej {e k } k 1 mamy k 1 A(e k), e k < Ponieważ operator A jest dodatnio określony, więc A(e k ), e k 0 dla k 1. Dowód. " " Jest oczywisty. " " Niech T = A. Pokażemy najpierw, że T jest operatorem zwartym. Określmy operatory skończenie wymiarowe T n wzorem Dla h H mamy bo T 2 = A. Stąd T (h) T n (h) 2 = T n (h) = T (h) j 1 n T (h), e k e k, h H. k=1 n 2 2 T (h), e k e k = T (h), e k e k = k=1 T (h), e k 2 = h, T (e k ) 2 h 2 T (e k ) 2 = h 2 T (e k ), T (e k ) = h 2 k ), e k, A(e T T n 2 = sup T (h) T n (h) 2 A(e k ), e k 0. n

16 M. Beśka, Wykład monograficzny, Dodatek 16 Stąd T jest zwarty, więc A = T 2 też jest operatorem zwartym. Ponieważ A jest operatorem samosprzężonym i dodatnio określonym, więc A możemy przedstawić w postaci (1.4) A(h) = j 1 λ j h, f j f j, h H, gdzie {λ j } j 1 jest ciągiem wartości własnych (nieujemnych) operatora A, a {f j } j 1 odpowiadającym mu ciągiem unormowanych ortogonalnych wektorów własnych tzn. A(f j ) = λ j f j, j 1. Ponieważ A(e k ), e k = j 1 λ j e k, f j 2, więc k ), e k = k 1 A(e λ j e k, f j 2 = λ j <, k 1 j 1 j 1 bo na mocy założenia k 1 A(e k), e k <. Przyjmijmy teraz a j = f j oraz b j = λ j f j dla j 1. Wtedy a j b j = λ j < j 1 j 1 oraz z (1.4) mamy A(h) = a j b j, h H, j 1 h, tzn. A jest operatorem śladowym. Literatura 1. G. Da Prato, Introduction to stochastic analysis and Malliavin calculus, Piza W. Kołodziej, Wybrane rozdziały analizy matematycznej, PWN W. Rudin, Analiza funkcjonalna, PWN 2001.

1 Ciągłe operatory liniowe

1 Ciągłe operatory liniowe 1 Ciągłe operatory liniowe Załóżmy, że E, F są przestrzeniami unormowanymi. Definicja 1.1. Operator liniowy T : E F nazywamy ograniczonym, jeżeli zbiór T (B) F jest ograniczony dla dowolnego zbioru ograniczonego

Bardziej szczegółowo

Informacja o przestrzeniach Hilberta

Informacja o przestrzeniach Hilberta Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i

Bardziej szczegółowo

Analiza Funkcjonalna - Zadania

Analiza Funkcjonalna - Zadania Analiza Funkcjonalna - Zadania 1 Wprowadzamy następujące oznaczenia. K oznacza ciało liczb rzeczywistych lub zespolonych. Jeżeli T jest dowolnym zbiorem niepustym, to l (T ) = {x : E K : x funkcja ograniczona}.

Bardziej szczegółowo

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)

Bardziej szczegółowo

Analiza funkcjonalna 1.

Analiza funkcjonalna 1. Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;

Bardziej szczegółowo

2.7 Przestrzenie unormowane skończenie wymiarowe

2.7 Przestrzenie unormowane skończenie wymiarowe 2.7 Przestrzenie unormowane skończenie wymiarowe Rozważamy teraz przestrzenie unormowane X skończenie wymiarowe. Załóżmy, że dimx = m. Niech dalej e,e 2,...,e m będzie bazą algebraiczną tej przestrzeni

Bardziej szczegółowo

Zadania z Algebry liniowej 4 Semestr letni 2009

Zadania z Algebry liniowej 4 Semestr letni 2009 Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I* - 1

Zadania z Analizy Funkcjonalnej I* - 1 Zadania z Analizy Funkcjonalnej I* - 1 1. Która z następujących przestrzeni jest przestrzenią Banacha w normie supremum: C(R); C ogr (R) przestrzeń funkcji ciągłych ograniczonych; C zw (R) przestrzeń funkcji

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11 M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X

Bardziej szczegółowo

R k v = 0}. k N. V 0 = ker R k 0

R k v = 0}. k N. V 0 = ker R k 0 Definicja 1 Niech R End(V ). Podprzestrzeń W przestrzeni V nazywamy podprzestrzenią niezmienniczą odwzorowania R jeśli Rw W, dla każdego w W ; równoważnie: R(W ) W. Jeśli W jest różna od przestrzeni {0}

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi

Bardziej szczegółowo

Analiza funkcjonalna II Ryszard Szwarc

Analiza funkcjonalna II Ryszard Szwarc Analiza funkcjonalna II Ryszard Szwarc Wykład prowadzony w semestrze letnim 28 Opracowany na podstawie notatek Wiktora Malinowskiego Wrocław 21 2 Analiza funkcjonalna II Spis treści 1 Operatory ograniczone

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami. M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Przekształcenia liniowe, diagonalizacja macierzy 1. Podano współrzędne wektora v w bazie B. Znaleźć współrzędne tego wektora w bazie B, gdy: a) v = (1,

Bardziej szczegółowo

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój. Wykład 10 Twierdzenie 1 (Borel-Lebesgue) Niech X będzie przestrzenią zwartą Z każdego pokrycia X zbiorami otwartymi można wybrać podpokrycie skończone Dowód Lemat 1 Dla każdego pokrycia U przestrzeni ośrodkowej

Bardziej szczegółowo

jest ciągiem elementów z przestrzeni B(R, R)

jest ciągiem elementów z przestrzeni B(R, R) Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)

Bardziej szczegółowo

Rozdział 6. Ciągłość. 6.1 Granica funkcji

Rozdział 6. Ciągłość. 6.1 Granica funkcji Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz

Bardziej szczegółowo

1 Elementy analizy funkcjonalnej

1 Elementy analizy funkcjonalnej M. Beśka, Dodatek 1 1 Elementy analizy funkcjonalnej 1.1 Twierdzenia o reprezentacji Zaczniemy od znanego twierdzenia Riesza Twierdzenie 1.1 (Riesz) Niech będzie zwartą przestrzenią metryczną i załóżmy,

Bardziej szczegółowo

Analiza funkcjonalna I. Ryszard Szwarc

Analiza funkcjonalna I. Ryszard Szwarc Analiza funkcjonalna I Ryszard Szwarc Wrocław 2010 2 Spis treści 1 Przestrzenie unormowane 3 1.1 Dodatek.............................. 13 2 Operatory liniowe 15 3 Przestrzenie Hilberta 26 3.1 Podstawowe

Bardziej szczegółowo

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Grzegorz Bobiński Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu 2012 Spis treści Notacja 1 1 Podstawowe pojęcia

Bardziej szczegółowo

Informacja o przestrzeniach Sobolewa

Informacja o przestrzeniach Sobolewa Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością

Bardziej szczegółowo

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013 Zdzisław Dzedzej Politechnika Gdańska Gdańsk, 2013 1 PODSTAWY 2 3 Definicja. Przestrzeń metryczna (X, d) jest zwarta, jeśli z każdego ciągu {x n } w X można wybrać podciąg zbieżny {x nk } w X. Ogólniej

Bardziej szczegółowo

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013 Iloczyn skalarny Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 10. wykład z algebry liniowej Warszawa, grudzień 2013 Mirosław Sobolewski (UW) Warszawa, grudzień 2013 1 / 14 Standardowy

Bardziej szczegółowo

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ). Odwzorowania n-liniowe; formy n-liniowe Definicja 1 Niech V 1,..., V n, U będą przestrzeniami liniowymi nad ciałem K. Odwzorowanie G: V 1 V n U nazywamy n-liniowym, jeśli dla każdego k [n] i wszelkich

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

Definicja odwzorowania ciągłego i niektóre przykłady

Definicja odwzorowania ciągłego i niektóre przykłady Odwzorowania Pojęcie odwzorowania pomiędzy dwoma zbiorami było już definiowane, ale dawno, więc nie od rzeczy będzie przypomnieć, że odwzorowaniem nazywamy sposób przyporządkowania (niekoniecznie każdemu)

Bardziej szczegółowo

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = : 4. Zbiory borelowskie. Zbiór wszystkich podzbiorów liczb naturalnych będziemy oznaczali przez ω. Najmniejszą topologię na zbiorze ω, w której zbiory {A ω : x A ω \ y}, gdzie x oraz y są zbiorami skończonymi,

Bardziej szczegółowo

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone Rozdział 4 Ciągi nieskończone W rozdziale tym wprowadzimy pojęcie granicy ciągu. Dalej rozszerzymy to pojęcie na przypadek dowolnych funkcji. Jak zauważyliśmy we wstępie jest to najważniejsze pojęcie analizy

Bardziej szczegółowo

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach

Bardziej szczegółowo

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ. 8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą

Bardziej szczegółowo

Analiza matematyczna. 1. Ciągi

Analiza matematyczna. 1. Ciągi Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n

Bardziej szczegółowo

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista. Literatura P. Billingsley, Miara i prawdopodobieństwo, PWN, Warszawa 1997, P. R. Halmos, Measure theory, Springer-Verlag, 1994, W, Kołodziej, naliza matematyczna, PWN, Warszawa 1978, S. Łojasiewicz, Wstęp

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

Analiza funkcjonalna Wykłady

Analiza funkcjonalna Wykłady Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.. Programu Operacyjnego Kapitał Ludzki Analiza funkcjonalna

Bardziej szczegółowo

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 2 Jacek M. Jędrzejewski Definicja 3.1. Niech (a n ) n=1 będzie ciągiem liczbowym. Dla każdej liczby naturalnej dodatniej n utwórzmy S n nazywamy n-tą sumą częściową. ROZDZIAŁ

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 1.9 Zadania 1.9.1 Niech R będzie pierścieniem zbiorów. Zauważyć, że jeśli A, B R to A B R i A B R. Sprawdzić, że (R,, ) jest także pierścieniem w sensie

Bardziej szczegółowo

Analiza matematyczna / Witold Kołodziej. wyd Warszawa, Spis treści

Analiza matematyczna / Witold Kołodziej. wyd Warszawa, Spis treści Analiza matematyczna / Witold Kołodziej. wyd. 5. - Warszawa, 2010 Spis treści Wstęp 1. Podstawowe pojęcia mnogościowe 13 1. Zbiory 13 2. Działania na zbiorach 14 3. Produkty kartezjańskie 15 4. Relacje

Bardziej szczegółowo

8 Całka stochastyczna względem semimartyngałów

8 Całka stochastyczna względem semimartyngałów M. Beśka, Całka Stochastyczna, wykład 8 148 8 Całka stochastyczna względem semimartyngałów 8.1 Całka stochastyczna w M 2 Oznaczmy przez Ξ zbiór procesów postaci X t (ω) = ξ (ω)i {} (t) + n ξ i (ω)i (ti,

Bardziej szczegółowo

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Zał. nr do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA FUNKCJONALNA Nazwa w języku angielskim Functional Analysis Kierunek studiów (jeśli dotyczy): Matematyka

Bardziej szczegółowo

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości. Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu

Bardziej szczegółowo

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

Wykłady z Mechaniki Kwantowej

Wykłady z Mechaniki Kwantowej Wykłady z Mechaniki Kwantowej Mechanika Kwantowa, Relatywistyczna Mechanika Kwantowa Wykład dla doktorantów (2017) Wykład 4 Najpiękniejszą rzeczą, jakiej możemy doświadczyć jest oczarowanie tajemnicą.

Bardziej szczegółowo

Geometria Lista 0 Zadanie 1

Geometria Lista 0 Zadanie 1 Geometria Lista 0 Zadanie 1. Wyznaczyć wzór na pole równoległoboku rozpiętego na wektorach u, v: (a) nie odwołując się do współrzędnych tych wektorów; (b) odwołując się do współrzędnych względem odpowiednio

Bardziej szczegółowo

7 Twierdzenie Fubiniego

7 Twierdzenie Fubiniego M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz

Bardziej szczegółowo

Wstęp do komputerów kwantowych

Wstęp do komputerów kwantowych Wprowadzenie do mechaniki kwantowej Uniwersytet Łódzki, Wydział Fizyki i Informatyki Stosowanej 2008/2009 Wprowadzenie do mechaniki kwantowej Podstawy matematyczne 1 Algebra liniowa Bazy i liniowa niezależność

Bardziej szczegółowo

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

Wykład 1. Przestrzeń Hilberta

Wykład 1. Przestrzeń Hilberta Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L (R) to funkcje na prostej spełniające

Bardziej szczegółowo

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. 3. Funkcje borelowskie. Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. (1): Jeśli zbiór Y należy do rodziny F, to jego dopełnienie X

Bardziej szczegółowo

Teoria miary i całki

Teoria miary i całki Teoria miary i całki Spis treści 1 Wstęp 3 2 lgebra zbiorów 5 3 Pierścienie, ciała, σ ciała zbiorów. 7 3.1 Definicja pierścienia ciała i σ ciała............... 7 3.2 Pierścień, ciało i σ ciało generowane

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria miary. WPPT/Matematyka, rok II. Wykład 5 Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy

Bardziej szczegółowo

Praca magisterska. Równania całkowe i teoria Hilberta-Schmidta

Praca magisterska. Równania całkowe i teoria Hilberta-Schmidta Politechnika Łódzka wydział FTIMS Praca magisterska Równania całkowe i teoria Hilberta-Schmidta Piotr Kowalski Promotor Pracy : dr Jerzy Kalina Kierunek: Matematyka Stosowana Specjalność: Matematyka Finansowa

Bardziej szczegółowo

14. Przestrzenie liniowe

14. Przestrzenie liniowe 14. 14.1 Sformułować definicję przestrzeni liniowej. Podać przykłady. Przestrzenią liniową nad ciałem F nazywamy czwórkę uporządkowaną (V, F,+, ), gdzie V jest zbiorem niepustym, F jest ciałem, + jest

Bardziej szczegółowo

E-learning - matematyka - poziom rozszerzony. Funkcja wykładnicza. Materiały merytoryczne do kursu

E-learning - matematyka - poziom rozszerzony. Funkcja wykładnicza. Materiały merytoryczne do kursu E-learning - matematyka - poziom rozszerzony Funkcja wykładnicza Materiały merytoryczne do kursu Definicję i własności funkcji wykładniczej poprzedzimy definicją potęgi o wykładniku rzeczywistym. Poprawna

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

9 Przekształcenia liniowe

9 Przekształcenia liniowe 9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2

Bardziej szczegółowo

cx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5

cx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5 Matematyka ZLic - 07 Wektory i macierze Wektorem rzeczywistym n-wymiarowym x x 1, x 2,,x n nazwiemy ciąg n liczb rzeczywistych (tzn odwzorowanie 1, 2,,n R) Zbiór wszystkich rzeczywistych n-wymiarowych

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,

Bardziej szczegółowo

Wykład 5. Ker(f) = {v V ; f(v) = 0}

Wykład 5. Ker(f) = {v V ; f(v) = 0} Wykład 5 Niech f : V W będzie przekształceniem liniowym przestrzeni wektorowych Wtedy jądrem przekształcenia nazywamy zbiór tych elementów z V, których obrazem jest wektor zerowy w przestrzeni W Jądro

Bardziej szczegółowo

Wykład 1. Przestrzeń Hilberta

Wykład 1. Przestrzeń Hilberta Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L 2 (R) to funkcje na prostej spełniające

Bardziej szczegółowo

Zastosowania twierdzeń o punktach stałych

Zastosowania twierdzeń o punktach stałych 16 kwietnia 2016 Abstrakt Niech X będzie przestrzenią topologiczną. Ustalmy odwzorowanie ciągłe f : X X. Twierdzeniem o punkcie stałym nazywamy prawdę matematyczną postulującą pod pewnymi warunkami istnienie

Bardziej szczegółowo

Przestrzenie liniowe

Przestrzenie liniowe Rozdział 4 Przestrzenie liniowe 4.1. Działania zewnętrzne Niech X oraz F będą dwoma zbiorami niepustymi. Dowolną funkcję D : F X X nazywamy działaniem zewnętrznym w zbiorze X nad zbiorem F. Przykład 4.1.

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

O zastosowaniach twierdzeń o punktach stałych

O zastosowaniach twierdzeń o punktach stałych O zastosowaniach twierdzeń o punktach stałych Marcin Borkowski Streszczenie Wszyscy znamy twierdzenie Banacha o kontrakcji czy twierdzenie Brouwera o punkcie stałym. Stosunkowo rzadko jednak mamy okazję

Bardziej szczegółowo

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy 5. Funkcje 1 klasy Baire a. Pod koniec XIX i początkiem XX wieku kilku matematyków zajmowało się problemami dotyczącymi klasyfikacji funkcji borelowskich: między innymi R. Baire, E. Borel, H. Lebesgue

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

Układy liniowo niezależne

Układy liniowo niezależne Układy liniowo niezależne Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 3.wykład z algebry liniowej Warszawa, październik 2016 Mirosław Sobolewski (UW) Warszawa, październik 2016 1

Bardziej szczegółowo

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

7. Miara, zbiory mierzalne oraz funkcje mierzalne. 7. Miara, zbiory mierzalne oraz funkcje mierzalne. Funkcję rzeczywistą µ nieujemną określoną na ciele zbiorów S będziemy nazywali miarą, gdy dla dowolnego ciągu A 0, A 1,... zbiorów rozłącznych należących

Bardziej szczegółowo

1 Podobieństwo macierzy

1 Podobieństwo macierzy GAL (Informatyka) Wykład - zagadnienie własne Wersja z dnia 6 lutego 2014 Paweł Bechler 1 Podobieństwo macierzy Definicja 1 Powiemy, że macierze A, B K n,n są podobne, jeżeli istnieje macierz nieosobliwa

Bardziej szczegółowo

13 Układy równań liniowych

13 Układy równań liniowych 13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...

Bardziej szczegółowo

Ciągłość funkcji f : R R

Ciągłość funkcji f : R R Ciągłość funkcji f : R R Definicja 1. Otoczeniem o promieniu δ > 0 punktu x 0 R nazywamy zbiór O(x 0, δ) := (x 0 δ, x 0 + δ). Otoczeniem prawostronnym o promieniu δ > 0 punktu x 0 R nazywamy zbiór O +

Bardziej szczegółowo

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 27 luty, 2012 Ośrodkowość procesów Dalej zakładamy, że (Ω, Σ, P) jest zupełną przestrzenią miarową. Definicja.

Bardziej szczegółowo

Zagadnienia stacjonarne

Zagadnienia stacjonarne Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,

Bardziej szczegółowo

Dwa równania kwadratowe z częścią całkowitą

Dwa równania kwadratowe z częścią całkowitą Dwa równania kwadratowe z częścią całkowitą Andrzej Nowicki Wydział Matematyki i Informatyki Uniwersytet M. Kopernika w Toruniu anow @ mat.uni.torun.pl 4 sierpnia 00 Jeśli r jest liczbą rzeczywistą, to

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

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ Izometrie liniowe Przypomnijmy, że jeśli V jest przestrzenią euklidesową (skończonego wymiaru), to U End V jest izometrią wtedy i tylko wtedy, gdy U U = UU = E, to znaczy, gdy jest odwzorowaniem ortogonalnym.

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne

Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Wektory i wartości własne definicje Niech A C N N. Jeżeli

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Tomasz Kochanek Uniwersytet Śląski Instytut Matematyki XXXI Sesja KNM UŚ Motywacje, intuicje, konstrukcje Szczyrk 10 13 listopada 2011 Tomasz Kochanek (Uniwersytet Śląski) Twierdzenie

Bardziej szczegółowo

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1.

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1. Rozdział 5 Szeregi liczbowe 5. Szeregi liczbowe Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy ( ). Ciąg (s n ) określony wzorem s n = n a j, n N, nazywamy ciągiem sum częściowych ciągu

Bardziej szczegółowo

19 Własności iloczynu skalarnego: norma, kąt i odległość

19 Własności iloczynu skalarnego: norma, kąt i odległość 19 Własności iloczynu skalarnego: norma, kąt i odległość Załóżmy, że V jest przestrzenią liniową z iloczynem skalarnym.,.. Definicja 19.1 Normą (długością) wektora v V nazywamy liczbę v = v, v. Uwaga 1

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

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

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, nazywa- Definicja 1. Przestrzenią liniową R n my zbiór wektorów R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, z określonymi działaniami dodawania wektorów i mnożenia wektorów przez liczby rzeczywiste.

Bardziej szczegółowo

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (bazę) rozwijamy sygnał w wybranej

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

Podstawowe struktury algebraiczne

Podstawowe struktury algebraiczne Maciej Grzesiak Podstawowe struktury algebraiczne 1. Wprowadzenie Przedmiotem algebry było niegdyś przede wszystkim rozwiązywanie równań. Obecnie algebra staje się coraz bardziej nauką o systemach matematycznych.

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń

Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń Leszek Skrzypczak 1. Niech E = {x [0, 1] : x = k 2 n k = 1, 2,... 2 n, n = 1, 2, 3,...} Wówczas: (a) Dla dowolnych liczb wymiernych p, q [0,

Bardziej szczegółowo

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami: 9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym

Bardziej szczegółowo