Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów"

Transkrypt

1 Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów I. Wst pne ogólne denicje i konwencje Rozwa»amy nast puj c sytuacj : po»yczkodawca po»ycza kwot K po»yczkobiorcy, który spªaca ten dªug w N ratach spªacanych w równych odst pach czasowych. Ta sytuacja speªnia zaªo»enia strumienia pªatno±ci. Tak naprawd, mo»na rozwa»a spªat dªugu jako inwestycj z punktu widzenia po»yczkodawcy, który inwestuje kwot K by otrzymywa rent w postaci rat spªaty dªugu. Ze wzgl du na ró»ne modele spªacania, tradycyjne oznaczenia i wzory b d nieco inne ni» w wypadku rent, ale idea pozostanie taka sama. W zadaniach zwi zanych z dªugami istotne b d nast puj ce wielko±ci i oznaczenia: Stopa procentowa r z podanym okresem kapitalizacji OK i okresem stopy OS. Jak zwykle, zakªadamy przy dalszych wzorach,»e OS = OK. Je±li tak nie jest, zaczynamy zadanie od uzgodnienia stopy za pomoc stopy wzgl dnej. Je±li jest to stopa zgodna, reprezentuje zwrot z inwestycji, jak dla po»yczkodawcy byªo po»yczenie danej kwoty (wi c mo»na j porównywa ze stopami zwrotu o tym samym okresie dla innych inwestycji). Okres pªatno±ci OP jest to odst p czasowy pomi dzy kolejnymi wpªatami. Jest to domy±lna jednostka czasu w takim zadaniu (przyjmujemy OP = 1). N - liczba pªatno±ci. K = K 0 oznacza pocz tkow wielko± dªugu. Przez K i oznaczamy dªug bie» cy, czyli ile dªugu zostaªo do spªacenia po i-tym okresie pªatno±ci (zatem K N = 0). R j oznacza wysoko± ª cznej (caªkowitej) j-ej raty spªaty dªugu. I j oznacza wysoko± cz ±ci odsetkowej j-ej raty spªaty dªugu. U j oznacza wysoko± cz ±ci kapitaªowej j-ej raty spªaty dªugu. Oznaczenia, które wprowadziªem oparte s na ksi»ce Matematyka nansowa M. Podgórskiej i J.Klimkowskiej. Uzywany przez nas model bardzo ªatwo mo»na uogólni na spªaty w nieregularnych odst py czasu - wystarczy ustali OP jako wspólny dzielnik odst pów mi dzy pªatno±ciami i ustali cz ± rat na 0. Np. je±li dªug jest spªacany w 3 ratach: pierwsza za kwartaª, druga za 7 miesi cy, a trzecia za rok, to wystarczy rozwa»y spªat tego dªugu w N = 12 miesi cznych ratach, przy czym dla i 3, 7, 12 zachodzi R i = 0. Przy okazji rent, zawsze mieli±my dwie mo»liwo±ci: mogªy by ona wypªacane z góry i z doªu. Jednak»e, wyró»nianie mo»liwo±ci spªaty dªugu z góry nie ma wielkiego sensu. Je±li dªug w wysoko±ci K byªby spªacany z góry w N ratach i pierwsza rata wynosiªaby R 0, musiaªaby ona by spªacona natychmiast, co byªoby równowa»ne sytuacji spªacania dªugu K R 0 w N 1 ratach z doªu (pierwsz rat po prostu traktujemy jako zmniejszenie kwoty po»yczki). Dlatego b dziemy zawsze zakªada,»e dªug jest spªacany w ratach z doªu. Tak jak generalnie w wypadku rent, zakªadamy zªo»ony model kapitalizacji pªatno±ci w podokresach okresu kapitalizacji. W praktyce oznacza to,»e zawsze mo»emy (i wªa±ciwie musimy) dopasowa okres kapitalizacji do okresu pªatno±ci za pomoc stopy efektywnej. W zadaniach ze spªaty dªugu pomijamy wszelkie niematematyczne (najcz ±ciej prawne) komplikacje: w rzeczywistych sytuacjach spªaty dªugu mog si pojawi opªaty dodatkowe typu prowizja, opªaty manipulacyjne. W naszym modelu byªyby one po prostu doliczone do odpowiednich rat dªugu i ró»nica pomi dzy pªaceniem np. raty+prowizji, a zwi kszonej raty jest matematycznie nieistotna. Podobnie fakt,»e wedªug wielu umów pocz tkowe raty liczy si jako spªat odsetek, a dopiero potem nast puje spªata kapitaªu, w»aden sposób nie wpªywa na obliczanie wysoko±ci rat - co najwy»ej na sposób ich dekompozycji. Tak jak zawsze, zakªadamy,»e wypªaty rat dokonywane s okresowo co okres OP, z doªu, przy zªo»onym modelu kapitalizacji w podokresach, stopie procentowej r o OK = OS (je±li by tak nie byªo, zadanie zaczniemy od uzgodnienia okresu stopy za pomoc stopy wzgl dnej). W tym modelu, pierwszym krokiem jest uzgodnienie OK i OP przez zmian 1

2 2 dªugo±ci okresu kapitalizacji stopy r. By móc to uczyni zmieniamy stop r na stop r ef, tak,»e OS ef = OK ef = OP, takim samym wzorem jak zwykle. We wzorach b dziemy cz ±ciej u»ywa czynnika akumulacji q = 1 + r ef. II. Dekompozycja raty dªugu Kapitaª po»yczony K i spªacone raty s sobie równowa»ne (w sensie równej warto±ci po zaktualizowaniu na ten sam moment). Dlatego musi zachodzi równo± : K = albo, po zaktualizowaniu na moment m: R j q j, Kq m = R j q m j = R j q m j + R j q m j. To równanie pozwala nam rozdzieli dªug na cz ± ju» spªacon i cz ±, któr trzeba jeszcze spªaci (czyli dªug bie» cy K m ) w momencie m. Wynika z niego,»e zachodzi: Twierdzenie 1 (Dªug bie» cy, dowolne raty). K m = R j q m j = Kq m R j q m j. Tak wªa±nie kwot powinien spªaci dªu»nik, gdyby chciaª spªaci reszt dªugu w momencie m (oczywi±cie, za zgod wierzyciela). Oczywi±cie, K N = 0 (bo spªacanie dªugu si ko«czy, gdy nie ma ju» co spªaca ), wi c mo»na sformuªowa : Twierdzenie 2 (Równanie ko«ca dªugu, dowolne raty). Kq N = R j q N j. Dla ka»dej raty mo»emy wykona dekompozycj raty ª cznej R m na dwie cz ±ci: U m, czyli cz ± wyj±ciowego kapitaªu, któr spªacamy w m-tej racie (i o któr zmniejszy si dªug bie» cy) oraz I m = rk m 1 - czyli odsetki, które narastaj od bie» cego kapitaªu w m-tym okresie pªatno±ci. Denicja 1. Dekompozycja raty ª cznej Rat ª czn R m mo»na zapisa w postaci: R m = (K m 1 K m ) + rk m 1 = U m + I m. U m nazywamy cz ±ci kapitaªow, a I m - cz ±ci odsetkow m-tej raty. III. Wzory - dowolna spªata dªugu Poni»ej podsumuj wzory, które s prawdziwe dla dowolnego zagadnienia spªaty dªugu, niezale»nie od dodatkowych zaªo»e«: Twierdzenie 3 (Wzory, dowolna spªata dªugu). K m = R j q m j = Kq m R j q m j ; K N = 0; R m = U m + I m ; I m = K m 1 r; U m = K m 1 K m ; K m = K m 1 U m ; U j = K; K m = K U j.

3 3 Komentarz do przedstawionych równo±ci: U j = K. Wielokrotnie mówiªem,»e nie wolno wykonywa dziaªa«na kapitaªach, które znajduj si w ró»nych momentach czasowych. Czy zatem dodawanie po lewej stronie ma sens? W tym wyj tkowym wypadku, tak. Wynika to z natury U m : jest to ta cz ± dªugu pocz tkowego K, która jest spªacana w ramach raty R m. Skoro warto± K odnosi si do momentu 0, warto± U m, dla ka»dego m, równie». Tak wi c, ostatecznie dodajemy kapitaªy z tego samego momentu czasowego. Oczywi±cie, nie ma sensu w ten sposób (bez aktualizacji) sumowa rat ª cznych lub cz ±ci odsetkowych. I m = K m 1 r = R m U m. Mo»emy interpretowa cz ±ci odsetkowe jako odsetki naliczane od dªugu bie» cego, nale»ne za m-ty okres. Zatem to, czy bie» cy dªug pozostaªy do spªacenia ro±nie, maleje, czy pozostaje taki sam po spªaceniu danej raty, zale»y od wielko±ci raty ª cznej w stosunku do cz ±ci odsetkowej. Je±li R m < I m, to pozostaªy do spªacenia dªug ro±nie (tzw. ujemne umorzenie) - w przeciwnym wypadku, maleje. Chciaªbym jeszcze zwróci uwag na subtelne rozró»nienie: cz ± odsetkowa I m jest zde- niowana jako odsetki nale»ne za m-ty okres, a nie jako warto± odsetek spªacanych w tym czasie. Powody takiego rozró»nienia s dwa: Czasem R j < I j, co oznacza,»e nie caªa cz ± odsetkowa jest wtedy spªacana. Mo»na si umawia np.»e niektóre raty s w caªo±ci przeznaczane na spªat odsetek (dªug bie» cy si nie zmienia, ale odsetki w innych ratach spadaj ), a inne na spªat kapitaªu (dªug bie» cy spada bardziej ni» to wynika z warto±ci U m, ale za to dopisywane s odsetki). Cz sto w umowach banki zastrzegaj,»e pierwsze raty spªaty dªugu odpowiadaj za spªat samych odsetek, a potem dopiero jest spªacany kapitaª. Jest to tylko obostrzenie prawne, nie ma wpªywu na matematyczne techniki obliczania wysoko±ci rat. Odpowiedzi do wi kszo±ci zada«zwi zanych z dªugami dªugoterminowymi b dziemy zapisywa w postaci tabeli spªaty dªugu. Taki lub podobny schemat jest zazwyczaj doª czany do wszelkich umów prawnych zwi zanych z po»yczkami. Na potrzeby tego kursu tabel konstruujemy nast puj co: n K n 1 R n I n U n K n 1 K Prawdziwe tabele mog odrobin si ró»ni od tej np. brakuje czasem drugiej lub ostatniej kolumny, a kolumny 3-5 s zapisywane w ró»nej kolejno±ci. Dotychczas podane równani i znajomo± stopy procentowej nie wystarcza do wypeªnienia wszystkich pól tabeli spªaty dªugu. Potrzebne s dodatkowe dane np. w poprzednim przykªadzie podane warto±ci niektórych rat. Najcz ±ciej dodatkow informacj, wystarczaj c do uzupeªnienia tabeli jest model spªaty dªugu. W ramach kursu szczegóªowo omówimy dwa takie modele regularne, czyli oparte na pewnych regularno±ciach w wysoko±ci rat: Model równych rat ª cznych. Model równych rat kapitaªowych. Inne wspóªcze±nie stosowane regularne modele krótko omówimy pó¹niej. IV. Równe raty ª czne Model równych rat ª cznych jest chyba najcz ±ciej stosowanym obecnie modelem spªaty dªugu, zwªaszcza po»yczek bankowych. Zaªo»eniem tego modelu jest równo± wszystkich rat ª cznych:

4 4 R 1 = R 2 =... = R N = R. W tej sytuacji, z punktu widzenia po»yczkodawcy, spªata dªugu niczym si matematycznie nie ró»ni od renty czasowej o N ratach w wysoko±ci R wypªacanej z doªu z kapitaªu K. Dlatego dziaªaj wszystkie wzory z teorii rent, w szczególno±ci równanie ko«ca renty z doªu: Kq N = R qn 1 q 1. Poza wzorami z cz ±ci III, model rat ª cznych gwarantuje nam dziaªanie poni»szych wzorów: Twierdzenie 4 (Dodatkowe wzory, równe raty ª czne). R = Kq N q 1 q N 1, K m = Kq m R qm 1 q 1. Wraz z wcze±niejszymi, te wzory wystarczaj by uzupeªni dowoln tabel spªaty dªugu spªacanego wedªug modelu równych rat ª cznych. Je±li wszystkie raty ª czne spªaty dªugu sa równe to: Cz ±ci kapitaªowe tych rat s coraz wi ksze, a ich wzrost jest geometryczny (z ilorazem q); Cz ±ci odsetkowe tych rat s coraz mniejsze; Dªug bie» cy maleje w sposób wkl sªy (czyli najpierw wzgl dnie wolno a potem coraz szybciej z ka»d rat ). V. Równe raty kapitaªowe Model równych rat kapitaªowych (precyzyjniej: równych cz ±ci kapitaªowych rat) jest innym do± cz sto stosowanym obecnie modelem spªaty dªugu. Jak sama nazwa wskazuje, zaªo»eniem tego modelu jest równo± cz ±ci kapitaªowych wszystkich rat: U 1 = U 2 =... = U N = U. Poza wzorami z cz ±ci III, model rat kapitaªowych gwarantuje nam dziaªanie poni»szych wzorów: Twierdzenie 5 (Dodatkowe wzory, równe raty kapitaªowe). U = K N, K m = K mu. Wraz z wcze±niejszymi, te wzory wystarczaj by uzupeªni dowoln tabel spªaty dªugu spªacanego wedªug modelu równych rat kapitaªowych. Je±li cz ±ci kapitaªowe wszystkich rat spªaty dªugu sa równe to: Wielko± rat ª cznych maleje liniowo, tworz c ci g arytmetyczny o ró»nicy ( Ur); Cz ±ci odsetkowe tych rat malej liniowo, tworz c ci g arytmetyczny o ró»nicy ( Ur); Dªug bie» cy maleje liniowo, tworz c ci g arytmetyczny o ró»nicy ( U). VI. Restrukturyzacja zadªu»enia, inne modele spªaty dªugu i uwagi ko«cowe Nie zawsze caªy dªug jest spªacany wedªug tych samych zasad. Zasady spªacania mog by renegocjowane (najcz ±ciej w wyniku zmian wska¹ników gospodarczych zastrze»onych w umowie lub te» utraty pªynno±ci nansowej przez dªu»nika). Z tego typu zadaniami radzimy sobie dziel c je na cz ±ci i w ka»dej z osobna stosuj c znane zasady. Pami tamy te»,»e w okresach, kiedy dªug nie jest spªacany z winy dªu»nika, odsetki nadal narastaj (wi c warto± dªugu bie» cego si zmienia) wedªug dotychczas ustalonych zasad.

5 Model równych rat ª cznych i równych rat kapitaªowych b d jedynymi regularnymi modelami spªaty obowi zuj cymi w ramach tego kursu. Niemniej, warto mie ±wiadomo±,»e istniej te» inne regularne modele spªat, na przykªad: Model spªaty odsetek w jednej racie przy staªych ratach kapitaªowych - dziaªa podobnie do modelu spªat w równych ratach kapitaªowych, ale z t ró»nic,»e wszystkie raty odsetkowe poza ostatni s zerowe - wi c w ostatniej racie spªacamy dodatkowo caªo± zaktualizowanych odsetek. Model spªaty kapitaªu w jednej racie - dziaªa dokªadnie odwrotnie: w ka»dej racie spªacamy tylko bie» ce odsetki (I m = Kr), a dopiero w ostatniej racie spªacamy caªy kapitaª (U N = K). Tak jak przy innych rentach, mo»e pojawi si zagadnienie wysoko±ci ostatniej raty, je±li próbujemy dªug wysoko±ci K spªaci ratami o danej wysoko±ci R. Zagadnienie rozwi - zujemy tak samo, jak w teorii rent: rozwi zuj c równanie ko«ca renty, obliczaj c bie» cy dªug po ostatniej racie w wysoko±ci R i rozpatruj c wariant ostatniej raty zwi kszonej lub zmniejszonej dla rent z doªu. We wszystkich zadaniach zakªadali±my,»e dªu»nik otrzymaª caªy po»yczony kapitaª w momencie 0. Nie musi to by prawda - po»yczka mogªa by podzielona na kilka rat, które dªu»nik otrzymywaª w ró»nych momentach czasowych. Nie psuje to jednak w»aden sposób naszych metod rozwi zywania problemu - wystarczy zaktualizowa te wszystkie skªadniki po»yczki na moment 0 i zsumowa, by otrzyma równowa»ne zagadnienie speªniaj ce nasze zaªo»enie jednorazowej po»yczki. Jak wspominaªem na pocz tku tego zestawu slajdów, tak samo jak dla rent, je±li OP = OK = OS to r mo»na interpretowa jako wewn trzn stop zwrotu inwestycji dokonanej przez po»yczkodawc, który kapitaª K zamieniª na rent czasow w postaci rat spªaty dªugu. Tak jak przy innych rentach, próba obliczenia r (czyli IRR) z pozostaªych danych w równaniach dªugu prowadzi do konieczno±ci rozwi zywania równa«wielomianowych n- tego stopnia. Takie zagadnienia rozwi zuje si w sposób przybli»ony (jak w prezentacji 3b). 5

S k = R 1 q k + R 2 q k R k 1 q 2 + R k q.

S k = R 1 q k + R 2 q k R k 1 q 2 + R k q. Matematyka nansowa - 5. Strumienie pªatno±ci: renty I. Motywacja, oznaczenia, zaªo»enia Rent cz sto nazywa si dowolny strumie«pªatno±ci. Jednak dla nas rent b dzie strumie«pªatno±ci polegaj cy na wypªacaniu

Bardziej szczegółowo

to: r z = I K 0 ; i okres tej stopy zwrotu wynosi T. 1 OS 2

to: r z = I K 0 ; i okres tej stopy zwrotu wynosi T. 1 OS 2 Matematyka nansowa - 1. Lokaty I. Wst pne denicje Konwencja Podstawow jednostk czasu w nansach b dzie rok, wi c je±li nie podajemy jednostki czasu np. podaj c okres stopy, domy±lnie jest to rok. Dla uproszczenia

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

Metodydowodzenia twierdzeń

Metodydowodzenia twierdzeń 1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

Rozwi zania zada«z pierwszych zaj.

Rozwi zania zada«z pierwszych zaj. Rozwi zania zada«z pierwszych zaj. Ze wzgl du na bª d w jednym ze wzorów, które podaªem na wiczeniach, poni»ej podaj poprawne wersje rozwi za«zada«przerobionych na wiczeniach i zrobionych jako zadanie

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Ekstremalnie fajne równania

Ekstremalnie fajne równania Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,

Bardziej szczegółowo

O pewnym zadaniu olimpijskim

O pewnym zadaniu olimpijskim O pewnym zadaniu olimpijskim Michaª Seweryn, V LO w Krakowie opiekun pracy: dr Jacek Dymel Problem pocz tkowy Na drugim etapie LXII Olimpiady Matematycznej pojawiª si nast puj cy problem: Dla ka»dej liczby

Bardziej szczegółowo

Lab. 02: Algorytm Schrage

Lab. 02: Algorytm Schrage Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z

Bardziej szczegółowo

Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji

Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji I. Rachunek warto±ci pieni dza w czasie Gªównym naszym celem w ramach tego kursu jest porównanie warto±ci ró»nych inwestycji.

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Maksymalna liczba punktów do zdobycia: 80. Zadanie 1: a) 6 punktów, b) 3 punkty, Zadanie 2: a) 6 punktów, b) 4 punkty,

Maksymalna liczba punktów do zdobycia: 80. Zadanie 1: a) 6 punktów, b) 3 punkty, Zadanie 2: a) 6 punktów, b) 4 punkty, VII Wojewódzki Konkurs Matematyczny "W ±wiecie Matematyki" im. Prof. Wªodzimierza Krysickiego Etap drugi - 17 lutego 2015 r. Maksymalna liczba punktów do zdobycia: 80. 1. Drugi etap Konkursu skªada si

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X. Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór

Bardziej szczegółowo

4. Strumienie płatności: okresowe wkłady oszczędnościowe

4. Strumienie płatności: okresowe wkłady oszczędnościowe 4. Strumienie płatności: okresowe wkłady oszczędnościowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie Matematyka finansowa rzegorz Kosiorowski (Uniwersytet Ekonomiczny 4. Strumienie w Krakowie)

Bardziej szczegółowo

Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów

Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów 1 Wst p Przypomnijmy,»e komputer skªada si z procesora, pami ci, systemu wej±cia-wyj±cia oraz po- ª cze«mi dzy nimi. W procesorze mo»emy

Bardziej szczegółowo

5. Strumienie płatności: renty

5. Strumienie płatności: renty 5. Strumienie płatności: renty Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie Matematyka finansowa rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 5. Strumienie płatności: renty Matematyka

Bardziej szczegółowo

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Strategie zabezpieczaj ce

Strategie zabezpieczaj ce 04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech

Bardziej szczegółowo

Lekcja 3 - BANKI I NOWE PRZEDMIOTY

Lekcja 3 - BANKI I NOWE PRZEDMIOTY Lekcja 3 - BANKI I NOWE PRZEDMIOTY Wiemy ju» co to s banki przedmiotów i potramy z nich korzysta. Dowiedzieli±my si te»,»e mo»emy tworzy nowe przedmioty, a nawet caªe banki przedmiotów. Na tej lekcji zajmiemy

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

Programowanie wspóªbie»ne

Programowanie wspóªbie»ne 1 Programowanie wspóªbie»ne wiczenia 2 semafory cz. 1 Zadanie 1: Producent i konsument z buforem cyklicznym type porcja; void produkuj(porcja &p); void konsumuj(porcja p); porcja bufor[n]; / bufor cykliczny

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Lekcja 9 - LICZBY LOSOWE, ZMIENNE

Lekcja 9 - LICZBY LOSOWE, ZMIENNE Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my

Bardziej szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy. Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta

Bardziej szczegółowo

XVII Warmi«sko-Mazurskie Zawody Matematyczne

XVII Warmi«sko-Mazurskie Zawody Matematyczne 1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na.

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na. Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zadanko 1 (12p.) Na imprezie w Noc Kupaªy s 44 dziewczyny. Nosz one 11 ró»nych imion, a dla ka»dego imienia s dokªadnie 4 dziewczyny o tym imieniu przy czym ka»da

Bardziej szczegółowo

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych

Bardziej szczegółowo

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1 J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)

Bardziej szczegółowo

Arkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne

Arkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne Arkusz maturalny Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Odwrotno±ci liczby rzeczywistej 1. 9 8 2. 0, (1) 3. 8 9 4. 0, (8) 3 4 4 4 1 jest liczba Odwrotno±ci liczby rzeczywistej 3 4 4 4

Bardziej szczegółowo

Wyra»enia logicznie równowa»ne

Wyra»enia logicznie równowa»ne Wyra»enia logicznie równowa»ne Denicja. Wyra»enia rachunku zda«nazywamy logicznie równowa»nymi, gdy maj równe warto±ci logiczne dla dowolnych warto±ci logicznych zmiennych zdaniowych. 1 Przykªady: Wyra»enia

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................

Bardziej szczegółowo

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych

Bardziej szczegółowo

Rozdziaª 8. Modele Krzywej Dochodowo±ci

Rozdziaª 8. Modele Krzywej Dochodowo±ci Rozdziaª 8. Modele Krzywej Dochodowo±ci MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (rozdz. 8) Krzywa dochodowo±ci 1 / 18 Denicja krzywej dochodowo±ci Krzywa dochodowo±ci (yield curve): Ilustracja graczna

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

Makroekonomia Zaawansowana

Makroekonomia Zaawansowana Makroekonomia Zaawansowana wiczenia 3 Racjonalne oczekiwania i krytyka Lucasa MZ 1 / 15 Plan wicze«1 Racjonalne oczekiwania 2 Krytyka Lucasa 3 Zadanie MZ 2 / 15 Plan prezentacji 1 Racjonalne oczekiwania

Bardziej szczegółowo

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

2 Liczby rzeczywiste - cz. 2

2 Liczby rzeczywiste - cz. 2 2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:

Bardziej szczegółowo

Elementy geometrii analitycznej w przestrzeni

Elementy geometrii analitycznej w przestrzeni Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad

Bardziej szczegółowo

1 a + b 1 = 1 a + 1 b 1. (a + b 1)(a + b ab) = ab, (a + b)(a + b ab 1) = 0, (a + b)[a(1 b) + (b 1)] = 0,

1 a + b 1 = 1 a + 1 b 1. (a + b 1)(a + b ab) = ab, (a + b)(a + b ab 1) = 0, (a + b)[a(1 b) + (b 1)] = 0, XIII Warmi«sko-Mazurskie Zawody Matematyczne. Olsztyn 2015 Rozwi zania zada«dla szkóª ponadgimnazjalnych ZADANIE 1 Zakªadamy,»e a, b 0, 1 i a + b 1. Wykaza,»e z równo±ci wynika,»e a = -b 1 a + b 1 = 1

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

Proste modele o zªo»onej dynamice

Proste modele o zªo»onej dynamice Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj

Bardziej szczegółowo

EDUKARIS - O±rodek Ksztaªcenia

EDUKARIS - O±rodek Ksztaªcenia - O±rodek Ksztaªcenia Zabrania si kopiowania i rozpowszechniania niniejszego regulaminu przez inne podmioty oraz wykorzystywania go w dziaªalno±ci innych podmiotów. Autor regulaminu zastrzega do niego

Bardziej szczegółowo

Szeregowanie zada« Przedmiot fakultatywny 15h wykªadu + 15h wicze« dr Hanna Furma«czyk. 7 pa¹dziernika 2013

Szeregowanie zada« Przedmiot fakultatywny 15h wykªadu + 15h wicze« dr Hanna Furma«czyk. 7 pa¹dziernika 2013 Przedmiot fakultatywny 15h wykªadu + 15h wicze«7 pa¹dziernika 2013 Zasady zaliczenia 1 wiczenia (ocena): kolokwium, zadania dodatkowe (implementacje algorytmów), praca na wiczeniach. 2 Wykªad (zal): zaliczone

Bardziej szczegółowo

Opis matematyczny ukªadów liniowych

Opis matematyczny ukªadów liniowych Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór

Bardziej szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie

Bardziej szczegółowo

Teoria grafów i jej zastosowania. 1 / 126

Teoria grafów i jej zastosowania. 1 / 126 Teoria grafów i jej zastosowania. 1 / 126 Mosty królewieckie W Królewcu, na rzece Pregole znajduj si dwie wyspy poª czone ze sob, a tak»e z brzegami za pomoc siedmiu mostów, tak jak pokazuje rysunek 2

Bardziej szczegółowo

2 Podstawowe obiekty kombinatoryczne

2 Podstawowe obiekty kombinatoryczne 2 Podstawowe obiety ombinatoryczne Oznaczenia: N {0, 1, 2,... } zbiór liczb naturalnych. Dla n N przyjmujemy [n] {1, 2,..., n}. W szczególno±ci [0] jest zbiorem pustym. Je±li A jest zbiorem so«czonym,

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4

Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4 Zadanie ODP = exp(, 4 )E W () = exp(, )E l (;+ ) (S()) ODP = exp(, )P (S() > ), gdzie oznacza miar martyngaªow. Przy MBS proces cen akcji ma posta S(t) = S() exp[t(µ, 5σ ) + σw t ], gdzie {W t, t } jest

Bardziej szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010 WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna

Bardziej szczegółowo

Mierzalne liczby kardynalne

Mierzalne liczby kardynalne czyli o miarach mierz cych wszystko Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 26 stycznia 2007 Ogólny problem miary Pytanie Czy na pewnym zbiorze X istnieje σ-addytywna miara probabilistyczna,

Bardziej szczegółowo

Wst p do matematyki nansów i ubezpiecze«

Wst p do matematyki nansów i ubezpiecze« Jarosªaw Mederski i Sªawomir Plaskacz Wst p do matematyki nansów i ubezpiecze«materiaªy dydaktyczne dla studentów II-go roku matematyki specjalno± : matematyka w ekonomii i nansach. Wydziaª Matematyki

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematyka dyskretna dla informatyków Cz ± I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szyma«ski Uniwersytet im. Adama Mickiewicza Pozna«2007 4 Zależności rekurencyjne Wiele zale»no±ci

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 143 Dyskonto-przypomnienie Obliczanie kapitaªu pocz tkowego P v na podstawie znanej warto±ci kapitaªu ko«cowego F v nazywa si dyskontowaniem kapitaªu F v.

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Matematyczne podstawy kognitywistyki

Matematyczne podstawy kognitywistyki Matematyczne podstawy kognitywistyki Jerzy Pogonowski Zakªad Logiki i Kognitywistyki UAM pogon@amu.edu.pl Rachunek zbiorów Jerzy Pogonowski (MEG) Matematyczne podstawy kognitywistyki Rachunek zbiorów 1

Bardziej szczegółowo

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s

Bardziej szczegółowo

8. Papiery wartościowe: obligacje

8. Papiery wartościowe: obligacje 8. Papiery wartościowe: obligacje Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie Matematyka finansowa rzegorz Kosiorowski (Uniwersytet Ekonomiczny w 8. Krakowie) Papiery wartościowe: obligacje

Bardziej szczegółowo

Programowanie wspóªbie»ne

Programowanie wspóªbie»ne 1 Zadanie 1: Bar Programowanie wspóªbie»ne wiczenia 6 monitory cz. 2 Napisz monitor Bar synchronizuj cy prac barmana obsªuguj cego klientów przy kolistym barze z N stoªkami. Ka»dy klient realizuje nast

Bardziej szczegółowo

Podstawy Ekonomii Matematycznej. Aktualizacja: 9 czerwca 2011

Podstawy Ekonomii Matematycznej. Aktualizacja: 9 czerwca 2011 Podstawy Ekonomii Matematycznej Aktualizacja: 9 czerwca 2011 Spis tre±ci I Elementy matematyki nansowej. 5 1 Procent, stopa procentowa, kapitalizacja. 6 2 Procent prosty. 8 2.1 Zasada oprocentowania prostego,

Bardziej szczegółowo

Bash i algorytmy. Elwira Wachowicz. 20 lutego

Bash i algorytmy. Elwira Wachowicz. 20 lutego Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad

Bardziej szczegółowo

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017 i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_

Bardziej szczegółowo

Wektory w przestrzeni

Wektory w przestrzeni Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

Model obiektu w JavaScript

Model obiektu w JavaScript 16 marca 2009 E4X Paradygmat klasowy Klasa Deniuje wszystkie wªa±ciwo±ci charakterystyczne dla wybranego zbioru obiektów. Klasa jest poj ciem abstrakcyjnym odnosz cym si do zbioru, a nie do pojedynczego

Bardziej szczegółowo

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy

Bardziej szczegółowo

Lekcja 3 Banki i nowe przedmioty

Lekcja 3 Banki i nowe przedmioty Lekcja 3 Banki i nowe przedmioty Akademia im. Jana Dªugosza w Cz stochowie Banki przedmiotów Co ju» wiemy? co to s banki przedmiotów w Baltie potramy korzysta z banków przedmiotów mo»emy tworzy nowe przedmioty

Bardziej szczegółowo

Liczenie podziaªów liczby: algorytm Eulera

Liczenie podziaªów liczby: algorytm Eulera Liczenie podziaªów liczby: algorytm Eulera Wojciech Rytter Podziaªy liczb s bardzo skomplikowanymi obiektami kombinatorycznymi, przedstawimy dwa algorytmy liczenia takich oblektów. Pierwszy prosty algorytm

Bardziej szczegółowo

Vincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java

Vincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java J zyk programowania JAVA c 2011 Vincent Van GOGH: M»czyzna pij cy li»ank kawy Zadanie 6. Napisz program, który tworzy tablic 30 liczb wstawia do tej tablicy liczby od 0 do 29 sumuje te elementy tablicy,

Bardziej szczegółowo

Lekcja 9 Liczby losowe, zmienne, staªe

Lekcja 9 Liczby losowe, zmienne, staªe Lekcja 9 Liczby losowe, zmienne, staªe Akademia im. Jana Dªugosza w Cz stochowie Liczby losowe Czasami potrzebujemy by program za nas wylosowaª liczb. U»yjemy do tego polecenia liczba losowa: Liczby losowe

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków UNIWERSYTET IM. ADAMA MICKIEWICZA W POZNANIU Jerzy Jaworski, Zbigniew Palka, Jerzy Szyma«ski Matematyka dyskretna dla informatyków uzupeænienia Pozna«007 A Notacja asymptotyczna Badaj c du»e obiekty kombinatoryczne

Bardziej szczegółowo

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji). Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1

Bardziej szczegółowo

Maªgorzata Murat. Modele matematyczne.

Maªgorzata Murat. Modele matematyczne. WYKŠAD I Modele matematyczne Maªgorzata Murat Wiadomo±ci organizacyjne LITERATURA Lars Gårding "Spotkanie z matematyk " PWN 1993 http://moodle.cs.pollub.pl/ m.murat@pollub.pl Model matematyczny poj cia

Bardziej szczegółowo

Ekonometria. wiczenia 10 / 11 / 12: Badania operacyjne. Programowanie liniowe / Typy zada«optymalizacyjnych / Analiza pooptymalizacyjna / SOLVER

Ekonometria. wiczenia 10 / 11 / 12: Badania operacyjne. Programowanie liniowe / Typy zada«optymalizacyjnych / Analiza pooptymalizacyjna / SOLVER Ekonometria wiczenia 10 / 11 / 12: Badania operacyjne Programowanie liniowe / Typy zada«optymalizacyjnych / Analiza pooptymalizacyjna / SOLVER Karolina Konopczak Katedra Ekonomii Stosowanej Plan wicze«badania

Bardziej szczegółowo

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne Maszyny Turinga Maszyna Turinga jest automatem ta±mowym, skª da si z ta±my (tablicy symboli) potencjalnie niesko«czonej w prawo, zakªadamy,»e w prawie wszystkich (tzn. wszystkich poza sko«czon liczb )

Bardziej szczegółowo

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej

Bardziej szczegółowo

1 Poj cia pomocnicze. Przykªad 1. A A d

1 Poj cia pomocnicze. Przykªad 1. A A d Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...

Bardziej szczegółowo

Indeksowane rodziny zbiorów

Indeksowane rodziny zbiorów Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3

Zadanie 1. Zadanie 2. Zadanie 3 Zadanie R to rata miesi czna, odsetki w k-tej racie to ods k = R( v 8 k ), a spªata kapitaªu wyra»a si wzorem kap k = Rv 8 k, gdzie v = (, 5) /6. Dany jest ukªad nierówno±ci z którego wynika Rv 8 N R(

Bardziej szczegółowo

Ekonometria. wiczenia 13 Metoda ±cie»ki krytycznej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 13 Metoda ±cie»ki krytycznej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej wiczenia 13 Metoda ±cie»ki krytycznej Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Plan wicze«1 Przykªad: ubieranie choinki 2 3 Programowanie liniowe w analizie czasowej i czasowo-kosztowej projektu

Bardziej szczegółowo

Wielomiany o wspóªczynnikach rzeczywistych

Wielomiany o wspóªczynnikach rzeczywistych Wielomiany o wspóªczynnikach rzeczywistych Wielomian: W (x) = a n x n + a n 1 x n 1 + a n 2 x n 2 +... + a 2 x 2 + a 1 x + a 0 wspóªczynniki wielomianu: a 0, a 1, a 2,..., a n 1, a n ; wyraz wolny: a 0

Bardziej szczegółowo

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria

Bardziej szczegółowo

Dokªadny jak komputer?

Dokªadny jak komputer? Dokªadny jak komputer? Czyli dlaczego 2 + 2 = 5? Piotr Fulma«ski Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska http://math.uni.lodz.pl/~fulmanp/zajecia/prezentacja/festiwalnauki2013/ 17

Bardziej szczegółowo

ALGORYTMY SORTOWANIA DANYCH

ALGORYTMY SORTOWANIA DANYCH ALGORYTMY SORTOWANIA DANYCH W zagadnieniu sortowania danych rozpatrywa b dziemy n liczb caªkowitych, b d cych pierwotnie w losowej kolejno±ci, które nale»y uporz dkowa nierosn co. Oczywi±cie sortowa mo»emy

Bardziej szczegółowo

Metoda tablic semantycznych. 1 Metoda tablic semantycznych

Metoda tablic semantycznych. 1 Metoda tablic semantycznych 1 Zarówno metoda tablic semantycznych, jak i rezolucji, to dosy sprawny algorytm do badania speªnialni±ci formuª, a wi c i tautologii. Chodzi w niej o wskazanie, je±li istnieje, modelu dla formuªy. Opiera

Bardziej szczegółowo

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M).

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M). akroekonomia I, wiczenia 8-9 Jan Hagemejer odel IS-L Wst p Do tej pory analiza polityki gospodarczej abstraowaªa od sfery monetarnej. Analizowali±my wyª cznie polityk skaln. Co wi cej, uznawali±my,»e wszystkie

Bardziej szczegółowo