Analiza i aproksymacja nieliniowego modelu elastycznego ograniczaj cego odksztaªcenie
|
|
- Edward Klimek
- 4 lat temu
- Przeglądów:
Transkrypt
1 Analiza i aproksymacja nieliniowego modelu elastycznego ograniczaj cego odksztaªcenie Wojciech O»a«ski 9 Kwi 2015
2 Przykªad ukªadu mechanicznych o ograniczaj cym odksztaªceniu: nierozciagliwa struna σ spreżyna liniowa 0 ε max ε = l l Inne mo»liwe odpowiedzi elastyczne: σ σ 0 0 ε = l l
3 Rozpatrzmy odksztaªcenie x = χ(x). Gradient odksztaªcenia F := x X. Ogólnie w 3D, relacja konstytutywna jest postaci: f(b, S) = 0, gdzie B := FF T jest lewostronnym tensorem Cauchy'ego-Green'a i S jest tensorem napr»e«. Zakªadaj c izotropowo± f, tzn. f(qbq T, QSQ T ) = Qf(B, S)Q T Q SO(3), mo»na pokaza,»e f(b, S) = 0 jest równowa»ne: 0 = α 0 I + α 1 S + α 2 B + α 3 S 2 + α 4 B 2 + α 5 (SB + BS) + α 6 (S 2 B + BS 2 ) + α 7 (SB 2 + B 2 S) + α 8 (S 2 B 2 + B 2 S 2 ), gdzie α i, i = 0,..., 8 sa wspóªczynnikami zale»nymi jedynie od g sto±ci oraz niezmienników trs, trb, trs 2, trb 2, trs 3, trb 3, tr(sb), tr(s 2 B), tr(b 2 S), tr(b 2 S 2 )
4 Jedn z podklas s ukªady daj ce si opisa relacj konstytutywn B = α 0 I + α 1 S + α 2 S 2 gdzie α 0, α 1, α 2 s (w ogolno±ci nieliniowymi) funkcjami niezmiennków. Zakªadaj c,»e odksztaªcenie u = x X jest maªe w sensie,»e sup u << 1 oraz bior c α 2 := 0 mamy gdzie D(u) := 1 2 napr»enia. D(u) = α 0 I + α 1 S, ( u + ( u) T ) jest zlinearyzowanym tensorem
5 Sformuªowanie problemu: Rozpatrzmy obszar Ω := (0, 2π) d, gdzie d N. Znajd¹ S i u takie,»e { divs = f D(u) = S (1+ S r ) 1 r gdzie r > 0, f s dane oraz oznacza norm Frobeniusa macierzy.,
6 Oznaczenia. 1 X # = przestrze«funkcji z X okresowych w ka»dej wspóªrzednej, 2 X = przestrze«funkcji z X # których caªka jest równa zeru, 3 [X] d, [X] d d = odpowiednie przestrzenie funkcji wektorowych i macierzowych. Je±li f [L p ((0, 1) 2 )] 2 2 to f p L := f p p L = (f p 1,1 2 + f1,2 2 + f2,1 2 + f2,2) 2 p 2 dx. (0,1) 2 Je±li T [W k,p ] d d to T p := D α T p W k,p L p. α k
7 1 Dla A, B R d d deniujemy d A : B := A i,j B i,j. i,j=1 2 Dla S, T [L 2 (Ω)] d d i u, v [L 2 (Ω)] d deniujemy iloczyn skalarny (S, T ) := S : T dx, (u, v) := u vdx. Ω Ω 3 Niech H #,symm (div; Ω) := {S [L 2 #(Ω)] d d : S = S T, divs [L 2 #(Ω)] d }, H # (div; Ω) := {v [L 2 #(Ω)] d : divv L 2 #(Ω)} z norm H(div;Ω) := ( 2 L 2 + div( ) 2 L 2 ) 1/2.
8 Dla S H #,symm (div; Ω) i v [H 1 # (Ω)]d mamy (divs, v) = (S, v) = (S, ( v) T ) = (S, D(v)), gdzie D(v) := 1 2 ( v + ( v)t ).
9 Niech: Ponadto, niech Σ N := V N := Σ := {S [L 2 #(Ω)] d d S = S T, divs [L 2 #(Ω)] d }, { } V := v [H#(Ω)] 1 d v(x)dx = 0. k (Z N ) d \{0} k (Z N ) d \{0} Ω T k e ik x : T k C d d, T k = (T k ) T k (Z N ) d \ {0}, v k e ik x : v k C d, k (Z N ) d \ {0}, gdzie (Z N ) d := {k : k = (k 1,..., k d ), k i Z i=1,...,d, k N}.
10 Dla r > 0 niech Sªabe sformuªowanie: Znajd¹ (S, u) Σ V takie,»e S F r (S) :=. (1 + S r ) 1 r (divs, v) = (f, v) v V (D(u), T ) = (F r (S), T ) T Σ Aproksymacja Galerkina: Znajd¹ (S N, u N ) Σ N V N takie,»e (divs N, v N ) = (f, v N ) v N V N (D(u N ), T N ) = (F r (S N ), T N ) T N Σ N
11 Lemat Zachodz nast puj ce wªasno±ci: F r (A) F r (B) 2 A B, (F r (A) F r (A)) : (A B) min(1, 2 r 1/r ) A B 2 (1 + A + B ) r 1 oraz min(1, 2 1+1/r )(1 + y) (1 + y r ) 1/r max(1, 2 1+1/r )(1 + y), dla ka»dego y 0.
12 Niech D 1, (Ω) := { w [L 1 #(Ω)] d : D(w) [L # (Ω)] d d, Ω w = 0 }. Przestrze«[C (Ω)] d jest sªabo-* g sta w D 1, (Ω), tj. dla ka»dego v D 1, (Ω) istnieje ci g {v n } n 1 [C (Ω)] d taki,»e Ω T : D(v n )dx n Ω T : D(v)dx T [L 1 #(Ω)] d d.
13 Theorem Niech f [W 1,t (Ω)] d dla pewnego t > 1 oraz niech r (0, d/2) gdy d > 2 lub r (0, 1] gdy d = 2. Wówczas istnieje jednoznaczne rozwi zanie (S, u) [L 1 # (Ω)]d d D 1, (Ω) takie,»e { D(u) = F r (S), (S, D(v)) = (f, v) v D 1, (Ω). Ponadto, ci g (jednoznacznie wyznaczonych) rozwi za«(s N, u N ) Σ N V N, N 1, ukªadu Galerkina zbiega do (S, u) w nast [uj cym sensie: a) Ci g {u N } N 1 zbiega do u silnie w [L p # (Ω)]d i sªabo w [W 1,p # (Ω)]d dla ka»dego p [1, ), b) Ci g {D(u N )} N 1 zbiega do D(u) sªabo w [W 1,2 # (Ω)]d d i st równie» silnie w [L p (Ω)] d d dla ka»dego p [1, 2d/(d 2)), c) Ci g {S N } N 1 zbiega do S prawie wsz dzie w Ω,
14 Theorem d) Ci g {S N } N 1 zbiega do S silnie w [L s # (Ω)]d d dla s [1, d(1 r)/(d 2)) gdy d > 2 oraz dla s [1, ) gdy d = 2, e) Ci g {S N } N 1 zbiega do S sªabo w [W 1,µ # (Ω)]d d dla µ [1, d(1 r)/(d r 1)).
15 Theorem Zaªó»my,»e S [H m # (Ω)]d d i u [H m+1 # (Ω)]d, dla pewnego m > d 2. Wówczas, dla N N mamy S S N L 2 (c 1 + c )N m S H m, u u N L 2 2 2(c 1 + c )N m ( S H m + u H m+1).
16 Dowód. Niech P N b dzie rzutem ortogonalnym Σ na Σ N (lub V na V N ) wzgl dem iloczynu skalarnego L 2. Wówczas zachodz nast puj ce zale»no±ci, dla T Σ, v V, (m > d/2): P N D α S = D α P N S α, P N D(v) = D(P N v), T P N T L 2 c 1 N m T H m, T P N T L C T H m, T P N T H m C T H m. Ponadto T N L CN d/2 T N L 2 T N Σ N.
17 Zaªó»my,»e Wówczas mamy S N P N S L 2 c N m S H m. S S N L 2 S P N S L 2 + S N P N S L 2 (c 1 + c )N m S H m.
18 Lemat Przestrzenie Σ N, V N speªniaj (D(v N ), T N ) sup D(v N ) L 2 v N V N. T N Σ N \{0} T N L 2 Dowód. We¹ T N := D(v N ) Σ N i sup. Lemat (nierówno± Korna) Mamy v L 2 2 D(v) L 2 v [W 1,2 (Ω)] d, v W 1,2 2 D(v) L 2 v [W 1,2 (Ω)] d.
19 Mamy (D(u N ) P N D(u), T N ) = (F r (S N ), T N ) (F r (S), T N ) F r (S N ) F r (S) L 2 T N L 2 2 S N S L 2 T N L 2, wi c D(u N ) P N D(u) L 2 = D(u N P N u) L 2 (D(u N P N u), T N ) sup T N Σ N \{0} T N L 2 2 S N S L 2 2(c 1 + c )N m S H m
20 Zatem u N u L 2 2 D(u N ) D(u) L 2 2 D(u N ) P N D(u) L D(u) P N D(u) L 2 2 2(c 1 + c )N m ( S H m + u H m+1). Pozostaªo pokaza S N P N S L 2 c N m S H m.
21 Plan dowodu: 1. Niech oraz S 0 N := S N P N S. Σ 0 N := {T N Σ N (div T N, v N ) = 0 v N V N }. 2. Zauwa»amy,»e S 0 N Σ0 N. 3. Zauwa»amy,»e (F r (S 0 N + P N S), T N ) = 0 T N Σ 0 N. ( ) 4. Pokazujemy,»e istnieje SN Σ0 N takie,»e { SN L 2 c N m S H m, (F r (SN + P N S), T N ) = 0 T N Σ 0 N. ( ) 5. Pokazujemy,»e ( ), ( ) implikuj S N = S0 N.
22 Ad. 2. Mamy, dla ka»dego v N V N : (div SN 0, v N ) = (div S N, v N ) (div P N S, v N ) = (f, v N )+(f, v N ) = 0. }{{} =(div S,v N ) Ad. 3. Mamy, dla ka»dego T N Σ 0 N : (F r (S 0 N + P N S), T N ) = (F r (S N ), T N ) = (D(u N ), T N ) = (u N, div T N ) = 0.
23 Ad. 5. ( ) i ( ) daj 0 = (F r (S N + P N S), T N ) = (F r (S 0 N + P N S), T N ) T N Σ 0 N. Bior c T N := S N S0 N Σ0 N, mamy 0 = (F r (SN + P N S), SN SN 0 ) (F r (SN 0 + P N S), SN SN 0 ) [ = Fr (SN + P N S) F r (SN 0 + P N S) ] : [ (SN + P N S) (SN 0 + P N S) ] dx Ω min(1, 2 r 1/r ) SN SN 0 2 (1 + SN + P N S + SN 0 + PN S ) r 1 dx 0. Ω Wi c SN S0 N = 0 prawie wsz dzie w Ω.
24 Lemat Dla ka»dych A, B, C R d d zachodzi gdzie (F r (A) F r (B)) : C = G(γ; α, β) := 1 0 G(θA + (1 θ)b; A B, C)dθ, α : β (1 + γ r ) (α : γ)(β : γ) γ r 2 1/r (1 + γ r ). 1/r Dowód. F r (A) F r (B) = 1 d 0 dθ F r(θa + (1 θ)b)dθ oraz d M(θ) d dθ M(θ) = M(θ) dθ M(θ).
25 Niech l(t N ) := (F r (S 0 N + P N S) F r (P N S), T N ) dla T N Σ 0 N. Wówczas ( ) (F r (SN + P N S) F r (P N S), T N ) = l(t N ) T N Σ 0 N (F r (SN + P N S) F r (P N S)) : T N dx = l(t N ) T N Σ 0 N Ω 1 Ω 0 1 Ω 0 G(θ(S N + P N S) + (1 θ)p N S; S N, T N )dθdx = l(t N ) T N Σ 0 N G(P N S + θs N ; S N, T N )dθdx = l(t N ) SN Σ 0 N jest punktem staªym odwzorowania Σ0 N φ S φ N : Dla φ Σ 0 N znajd¹ Sφ N Σ0 N takie,»e 1 Ω 0 G(P N S + θφ; S φ N, T N )dθdx = l(t N ) T N Σ 0 N. T N Σ 0 N
26 Niech B 0 N := {φ Σ 0 N : φ L 2 c N m S Hm (Ω)}. (tzn. B 0 N jest kul domkni t w sko«czenie wymiarowej przestrzeni Σ0 N ) Wi c 4. istnieje punkt staªy S N odzworowania B0 N φ Sφ N Σ0 N. Poka»emy (dla N N ): i) Dla ka»dego φ B 0 N istnieje dokªadnie jedno Sφ N Σ0 N Ω 1 ii) S φ N B0 N, 0 takie,»e G(P N S + θφ; S φ N, T N)dθdx = l(t N ) T N Σ 0 N, iii) Odwzorowanie φ S φ N jest ci gªe.
27 Ad.i) Lemat α:β Funkcja G(γ; α, β) = (α : γ)(β : γ) (1+ γ r ) 1/r γ r 2 (1+ γ r ) 1/r speªnia G(γ; α, β) Dowód. Cauchy-Schwarz 2 α β (1 + γ r ), G(γ; α, α) α 2 1/r (1 + γ r ). 1/r Forma dwuliniowa 1 Ω 0 G(P N S + θφ;, )dθdx na Σ 0 N Σ 0 N jest ograniczona i koercywna. Dowód. Lemat + Cauchy-Schwarz
28 Lemat Funkcjonaª l(t N ) = (F r (S 0 N + P N S) F r (P N S), T N ) na Σ 0 N jest ograniczony przez 2c 1 N m S H m. Dowód. l(t N ) F r (S) F r (P N S) L 2 T N L 2 2 S P N S L 2 T N L 2 2c 1 N m S H m T N L 2 Zatem i) jest prawdziwe na mocy Tw. Laxa-Milgrama.
29 Ad.ii) Mamy S φ N L 2 2c 1N m S H m(1 + ( P N S L + φ L ) r ) 1+1/r. Dowód. S φ N 2 L 2 (1 + ( P N S L + φ L ) r ) 1+1/r Ω Zatem wystarczy pokaza,»e 1 0 G(P N S + θφ; S φ N, Sφ N )dθx = l(s φ N ) 2c 1N m S H m S φ N L 2 2c 1 (1 + ( P N S L + φ L ) r ) 1+1/r c.
30 Mamy P N S L S L + P N S S L C( S H m + S H m) C S H m, φ L CN d 2 φ L 2 c CN d 2 m S H m. St d 2c 1 (1 + ( P N S L + φ L ) r ) 1+1/r C 1 (C 2 + c C 3 N d 2 m ) 1+r. (gdzie wykorzystali±my zale»no±,»e (1 + y r ) 1/r C(1 + y)) Wystarczy pokaza C 1 (C 2 + c C 3 N d 2 m ) 1+r c.
31 Wystarczy pokaza Czas ustali staªe c i N : C 1 (C 2 + c C 3 N d 2 m ) 1+r c. 1 We¹ c nieco wi ksze of C 1 (C 2 ) 1+r, na przykªad c := C 1 (2C 2 ) 1+r. 2 Doci±nij wyra»enie c C 3 N d 2 m do zera bior c wystarczaj co du»e N, na przykªad N := (c C 3 /C 2 ) 1 m d/2. (wtedy c C 3 N d 2 m C 2 ) Zatem pokazali±my ii), a wi c,»e S φ N B0 N dla N N.
32 Ad.iii) Lemat Dla ustalonych α, β R d d funkcja G(, α, β) jest (hölderowsko) ci gªa, tj. G(γ 1 ; α, β) G(γ 1 ; α, β) C γ 1 γ 2 ν dla pewnego ν (0, 1]. Dowód. Piszemy G(γ; α, β) = ( ) ( ) α : β (1 + γ r ) γ γ γ r 2 2ɛ α : 1/r γ ɛ β : γ ɛ (1 + γ r ) 1/r =: f 1 (γ)(α : β) (α : f 2 (γ)) (β : f 2 (γ)) f 3 (γ) i pokazujemy,»e ka»da z funkcji f i, i = 1, 2, 3, jest hölderowsko ci gªa.
33 We¹my φ 1, φ 2 B 0 N 1 Ω 0 1 Ω 0 oraz odpowiadaj ce Sφ1 N, Sφ2 N B0 N speªniaj ce: G(P N S + θφ 1 ; S φ1 N, T N)dθdx = l(t N ) T N Σ 0 N, G(P N S + θφ 2 ; S φ2 N, T N)dθdx = l(t N ) T N Σ 0 N. Wówczas, dla ka»dego T N Σ 0 N, Ω 1 0 = l(t N ) = Ω G(P N S + θφ 1 ; S φ1 N 1 0 Ω 1 0 Sφ2 N, T N)dθdx G(P N S + θφ 1 ; S φ2 N, T N )dθdx G(P N S + θφ 2 ; S φ2 N, T N )dθdx Ω 1 0 G(P N S + θφ 1 ; S φ2 N, T N)dθ
34 Bior c T N := S φ1 N Sφ2 N Σ0 N mamy S φ1 N Sφ2 N 2 L 2 (1 + ( P N S L + φ 1 L ) r ) 1+1/r = 1 Ω 0 1 Ω 0 C G Ω G(P N S + θφ 1 ; S φ1 N Sφ2 N, Sφ1 N Sφ2 N )dθdx G(P N S + θφ 2 ; S φ2 N, Sφ1 N Sφ2 N ) G(P N S + θφ 1 ; S φ2 N, Sφ1 N Sφ2 N )dθdx φ 1 φ 2 ν x = C G φ 1 φ 2 ν L ν C G φ 1 φ 2 ν L 2, gdzie C G, C G zale»a monotonicznie od P N S L, Sφ1 N L, Sφ2 N L, φ 1 L, φ 2 L.
35 St d S φ1 N Sφ2 N L 2 C G φ 1 φ 2 ν/2 L 2, gdzie C G zale»y monotonicznie od tych samych wielko±ci. Staª C G mo»na ograniczy z góry przez globaln staª C korzystaj c z ogranicze«p N S L C S H m, φ L, S φ N c CN d 2 m S H m. St d hölderowska ci gªo± odwzorowania φ S φ N, a wi c iii).
36 Szybka powtórka: Pokazali±my,»e odwzorowanie BN 0 φ Sφ N B0 N, takie,»e Ω 1 0 G(P N S + θφ; S φ N, T N)dθdx = l(t N ) T N Σ 0 N, jest ci gªe. Tw. Brouwera o punkcie staªym istnieje punkt staªy SN, tj. istnieje SN taki,»e { SN B0 N, 1 Ω 0 G(P NS + θsn ; S N, T N)dθdx = l(t N ) T N Σ 0 N. { SN L 2 cn m S H m, (F r (SN + P N S), T N ) = 0 T N Σ 0 N. A wi c S N P N L 2 = S 0 N L 2 = S N L 2 c N m S H m.
37 Algorytm rozwi zywania zagadnienia Galerkina: Niech SN 0 := 0. Dla k = 1, 2,... niech (Sk N, uk N ) b dzie rozwi zaniem problemu: (divsn, k v N ) = (f, v N ) v N V N, (SN, k T N ) λ(d(u k N), T N ) = (S k 1 N, T N) λ(f r (S k 1 N ), T N) T N Σ N. Ukªad ten ma dokªadnie jedno rozwi zanie zbie»ne do (S N, u N ) (gdy k ) dla dostatecznie maªego λ > 0.
38 Niech d = 2 i u = (u 1, u 2 ), gdzie u 1 = 1 sin x cos 2y, 10 u 2 = 1 cos x sin y. 5 Obliczamy D(u) i S = D(u) (1 D(u) r ) 1/r.
39 Zbie»no± (stop algorytmu gdy u k N uk 1 N 2 L + S k 2 N Sk 1 N 2 L ) 2
40 Bª d (dla r = 1, N = 10, k = 13)
41 Niech d = 3, f(x, y, z) = (0, 0, f 3 (x, y)), gdzie f 3 jest przybli»eniem delty Diraca w punkcie w ±rodku Ω. Wówczas u(x, y, z) = 0 0 q(x, y), S = 0 0 S S 23 S 13 S 23 0
42 Odpowied¹ materiaªu ograniczaj cego odksztaªcenie: Odpowied¹ liniowego materiaªu elastycznego:
43 Dzi kuj za uwag.
Zadania. 4 grudnia k=1
Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoTwierdzenie 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 szczegółowoFunkcje jednej zmiennej. Granica, ci gªo±. (szkic wykªadu)
Funkcje jednej zmiennej Granica, ci gªo± (szkic wykªadu) opracowaªa Gra»yna Ciecierska 1 Granica funkcji Denicja Niech 0 R, r > 0 Otoczeniem punktu 0 o promieniu r nazywamy przedziaª ( 0 r, 0 +r) Otoczeniem
Bardziej szczegółowoLiniowe 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 szczegółowo3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
Bardziej szczegółowoAM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium
AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowo*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów
*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów
Bardziej szczegółowo1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowodet A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Bardziej szczegółowoMacierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,
Macierze Dziaªania na macierzach Niech b d dane macierze A = E = [ 2 3 0 3 2 3 2 0 [ 0 8, B = 4 2, F = [ 2 3, C = 3 2 2 3 0 0 0 4 0 6 3 0, G =, D = 0 2 0 2 0 3 0 3 0 2 0 0 2 2 0 0 5 0 2,, H = 0 0 4 0 0
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoPrzekroje Dedekinda 1
Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2
Bardziej szczegółowoa) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;
Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;
Bardziej szczegółowoARYTMETYKA 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 szczegółowoMatematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie
Bardziej szczegółowo1 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 szczegółowoRozwini cia asymptotyczne dla mocy testów przybli»onych
Rozwini cia asymptotyczne dla mocy testów przybli»onych Piotr Majerski, Zbigniew Szkutnik AGH Kraków Wisªa 2010 P. Majerski, Z. Szkutnik, AGH () Rozwini cia mocy testów przybli»onych Wisªa 2010 1 / 22
Bardziej szczegółowoLiczby zespolone Pochodna Caªka nieoznaczona i oznaczona Podstawowe wielko±ci zyczne. Repetytorium z matematyki
Repetytorium z matematyki Denicja liczb zespolonych Wyra»enie a + bi, gdzie a i b s liczbami rzeczywistymi a i speªnia zale»no± i 2 = 1, nazywamy liczb zespolon. Liczb i nazywamy jednostk urojon, a iloczyn
Bardziej szczegółowoEkstremalnie maªe zbiory
Maªe jest pi kne Instytut Matematyki Uniwersytetu Warszawskiego Nadarzyn, 27.08.2011 Zbiory silnie miary zero Przypomnienie Zbiór X [0, 1] jest miary Lebesgue'a zero, gdy dla ka»dego ε > 0 istnieje ci
Bardziej szczegółowoMatematyka 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 szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Analiza matematyczna 2; MatematykaS-I 0 lic 21 maja 2018 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(, y b dzie okre±lona przynajmniej na otoczeniu punktu
Bardziej szczegółowoLiniowe 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 szczegółowoJAO - 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 szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowoZastosowanie przeksztaªcenia Laplace'a. Przykªad 1 Rozwi» jednorodne równanie ró»niczkowe liniowe. ÿ(t) + 5ẏ(t) + 6y(t) = 0 z warunkami pocz tkowymi
Zastosowanie przeksztaªcenia Laplace'a Przykªad Rozwi» jednorodne równanie ró»niczkowe liniowe ÿ(t) + 5ẏ(t) + 6y(t) = 0 z warunkami pocz tkowymi y(0 + ) = a, ẏ(0 + ) = b. Rozwi zanie Dokonuj c transformacji
Bardziej szczegółowoZbiory 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 szczegółowoWektory 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 szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowor = x x2 2 + x2 3.
Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni
Bardziej szczegółowoARYTMETYKA 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 szczegółowoEstymacja parametru gªadko±ci przy u»yciu falek splajnowych
Estymacja parametru gªadko±ci przy u»yciu falek splajnowych Politechnika Gda«ska Wydziaª Fizyki Technicznej i Matematyki Stosowanej Wisªa, 3-7.12.2012 Przestrze«Biesowa Przestrze«Biesowa B s p,q, 1 p,
Bardziej szczegółowoZadania z analizy matematycznej - sem. II Rachunek ró»niczkowy funkcji wielu zmiennych
Zadania z analizy matematycznej - sem II Rachunek ró»niczkowy funkcji wielu zmiennych Denicja (Pochodne cz stkowe dla funkcji trzech zmiennych) Niech D R 3 b dzie obszarem oraz f : D R f = f y z) P 0 =
Bardziej szczegółowoARYTMETYKA 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 szczegółowoMacierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Bardziej szczegółowoDynamiczne wªasno±ci algorytmu propagacji przekona«
BP propagacji przekona«4. Interdyscyplinarne Warsztaty Matematyczne Wydziaª Fizyki Politechnika Warszawska B dlewo, 26 maja, 2013 BP 1 2 3 4 5 6 BP Rysunek: Zbiór zmiennych losowych. BP Rysunek: Zbiór
Bardziej szczegółowoARYTMETYKA 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 szczegółowoW poprzednim odcinku... Podstawy matematyki dla informatyków. Relacje równowa»no±ci. Zbiór (typ) ilorazowy. Klasy abstrakcji
W poprzednim odcinku... Podstawy matematyki dla informatyków Rodzina indeksowana {A t } t T podzbiorów D to taka funkcja A : T P(D),»e A(t) = A t, dla dowolnego t T. Wykªad 3 20 pa¹dziernika 2011 Produkt
Bardziej szczegółowoRachunek ró»niczkowy funkcji jednej zmiennej
Lista Nr 5 Rachunek ró»niczkowy funkcji jednej zmiennej 5.0. Obliczanie pochodnej funkcji Pochodne funkcji podstawowych. f() = α f () = α α. f() = log a f () = ln a '. f() = ln f () = 3. f() = a f () =
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowoRównania 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 szczegółowoCzy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1
II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie
Bardziej szczegółowo1 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 szczegółowoUkªady 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 szczegółowo2 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 szczegółowoCAŠKA NIEOZNACZONA. Politechnika Lubelska. Z.Šagodowski. 18 lutego 2016
WYKŠAD CAŠKA NIEOZNACZONA Z.Šagodowski Politechnika Lubelska 8 lutego 06 Denicja CAŠKA NIEOZNACZONA Funkcja F jest funkcja pierwotn funkcji f na przedziale A, je»eli Zauwa»my,ze F (x) = f (x), dla ka»dego
Bardziej szczegółowoWykªad 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 szczegółowof(x) f(x 0 ) i f +(x 0 ) := lim = f(x 0 + x) f(x 0 ) wynika ci gªo± funkcji w punkcie x 0. W ka»dym przypadku zachodzi:
Pochodna funkcji Def 1 Pochodn wªa±ciw funkcji f w punkcie x 0 nazywamy granic f (x 0 ) := lim o ile granica ta istnieje i jest wªa±ciwa Funkcj f nazywamy wtedy ró»niczkowaln Przy zaªo»eniu,»e f jest ci
Bardziej szczegółowoRachunek caªkowy funkcji wielu zmiennych
Rachunek caªkowy funkcji wielu zmiennych I. Malinowska, Z. Šagodowski Politechnika Lubelska 8 czerwca 2015 Caªka iterowana podwójna Denicja Je»eli funkcja f jest ci gªa na prostok cie P = {(x, y) : a x
Bardziej szczegółowo1 Otwarto± i domkni to±
Topologia 1 1 Otwarto± i domkni to± (X, O) przestrze«topologiczna rodzina zbiorów otwartych O 2 X speªnia (i), X O, (ii) U 1, U 2 O U 1 U 2 O, (iii) ( j J U j O ) j J U j O. X D zbiór domkni ty X \ D O;
Bardziej szczegółowoGeometria Algebraiczna
Geometria Algebraiczna Zadania domowe: seria 1 Zadania 1-11 to powtórzenie podstawowych poj z teorii kategorii. Zapewne rozwi zywali Pa«stwo te zadania wcze±niej, dlatego nie b d one omawiane na wiczeniach.
Bardziej szczegółowox = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n )
*** Elementy teorii popytu *** II. Funkcja popytu konsumenta x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) p, x = p 1 x 1 + p 2 x 2 + + p n x n cena koszyka x Zbiór wszystkich koszyków, na jakie sta
Bardziej szczegółowoWykªad 4. Funkcje wielu zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.
Bardziej szczegółowoMetody 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 szczegółowoZadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej
Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.
Bardziej szczegółowoAlgebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak
Algebra Liniowa 2 Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Podobie«stwo macierzy, diagonalizacja macierzy 1. Znale¹ macierze przeksztaªcenia liniowego T
Bardziej szczegółowoPrzeksztaªcenia liniowe
Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y
Bardziej szczegółowoOba 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 szczegółowoInformacje 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 szczegółowo7 Ukªady równa«ró»niczkowych zwyczajnych liniowych. Równania ró»niczkowe zwyczajne liniowe wy»szych rz dów
Ukªady r-na«ró»niczkowych liniowych. R-nia liniowe wy»szych rz dów 71 7 Ukªady równa«ró»niczkowych zwyczajnych liniowych. Równania ró»niczkowe zwyczajne liniowe wy»szych rz dów 7.1 Nierówno± Gronwalla
Bardziej szczegółowoI Rok LOGISTYKI: wykªad 2 Pochodna funkcji. iloraz ró»nicowy x y x
I Rok LOGISTYKI: wykªad 2 Pochodna funkcji Niech f jest okre±lona w Q(x 0, δ) i x Q(x 0, δ). Oznaczenia: x = x x 0 y = y y 0 = f(x 0 + x) f(x 0 ) y x = f(x 0 + x) f(x 0 ) iloraz ró»nicowy x y x = tgβ,
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Bardziej szczegółowoZdzisªaw 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 szczegółowoARYTMETYKA 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 szczegółowoRe(x 2 y 2 ) Im(x 2 + y 2 ) 2Re(xy) Im(x 2 y 2 ) Re(x 2 + y 2 ) 2Im(xy)
Zadania domowe z Metod Matematycznych Fizyki (2012/2013 Zad. 1 Wypisa tabel dziaªania grupy obrotów czworo±cianu A 4. Zad. 2 Znale¹ podgrupy grupy kwaternionów Q. Z jakimi grupami s izomorczne? Sprawdzi,»e
Bardziej szczegółowoLegalna ±ci ga z RRI 2015/2016
Legalna ±ci ga z RRI 205/206 Równania ró»niczkowe pierwszego rz du sprowadzalne do równa«o zmiennych rozdzielonych a) Równanie postaci: = f(ax + by + c), Równanie postaci: = f(ax + by + c), () wprowadzamy
Bardziej szczegółowoMaszyny 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 szczegółowoZadanie 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 szczegółowoMacierze 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 szczegółowoPodstawy matematyki dla informatyków
Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru
Bardziej szczegółowoEkstremalnie 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 szczegółowoNumeryczne zadanie wªasne
Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach
Bardziej szczegółowoARYTMETYKA 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 szczegółowo1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.
GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem
Bardziej szczegółowoWielomiany 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 szczegółowo2. (8 punktów) 3. (8 punktów) 4. (8 punktów) 5. (8 punktów) EGZAMIN MAGISTERSKI, Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Znajd¹ rozwi zanie poni»szego zagadnienia programowania liniowego: Zmaksymalizowa x 1 2x 2 + x 3 x 5 przy ograniczeniach x 1 3x 2 + x 3 + 2x 5 = 8
Bardziej szczegółowoUczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Bardziej szczegółowoSzkice rozwi za«zada«z egzaminu 1
Egzamin - szkic rozwi za«sem. zimowy 06/07 AM, Budownictwo, IL PW Szkice rozwi za«zada«z egzaminu. Poda denicj granicy oraz ci gªo±ci funkcji. Def. (Heinego) Liczb g nazywamy granic funkcji f : D R w unkcie
Bardziej szczegółowoPrzestrzeń 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 szczegółowoANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Bardziej szczegółowo8 Równanie przewodnictwa cieplnego
Równanie przewodnictwa cieplnego 81 8 Równanie przewodnictwa cieplnego Niech Ω R 3 b dzie obszarem. Zaªó»my,»e u(t, x oznacza g sto± pewnej substancji w chwili t > 0 i w punkcie x Ω. O substancji tej zakªadamy,»e
Bardziej szczegółowoSemestr letni 2014/15
Wst p do arytmetyki modularnej zadania 1. Jaki dzie«tygodnia byª 17 stycznia 2003 roku, a jaki b dzie 23 sierpnia 2178 roku? 2. Jaki dzie«tygodnia byª 21 kwietnia 1952 roku? 3. W jaki dzie«odbyªa si bitwa
Bardziej szczegółowo1 Funkcje wielu zmiennych
Wykªady 1,...,10 1 Funkcje wielu zmiennych 1.1 Poj cia wst pne Pod nazw funkcje wielu zmiennych kryj si funkcje jednej zmiennej, nale» cej do R n. Ogólniej, b dziemy rozwa»ali n-wymiarow przestrze«wektorow
Bardziej szczegółowoInformacje pomocnicze:
dr Krzysztof yjewski Informatyka; S-I 0.in». 7 grudnia 06 Rachunek caªkowy funkcji jednej zmiennej. Caªka nieoznaczona. przydatne wzory: Informacje pomocnicze: Lp. Wzór Uwagi. dx = x c. adx = ax c 3. x
Bardziej szczegółowo1 Ró»niczka drugiego rz du i ekstrema
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 1 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowoZadanie 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 szczegółowoTeoria grup I. Wykªad 8. 1 Elementarna teoria reprezentacji, cz. III. 2. Reprezentacje o tych samych charakterach s równowa»ne.
Teoria grup I Wykªad 8 1 Elementarna teoria reprezentacji, cz. III Literatura dodatkowa: [Ser88] Zaªo»enia: Jak i w poprzednim, w tym rozdziale rozpatrujemy tylko sko«czone grupy G i ich sko«czeniewymiarowe
Bardziej szczegółowoElementy geometrii w przestrzeni R 3
Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi
Bardziej szczegółowoZadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe
Zadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe Definicja 1 (Iloczyn skalarny). Niech V będzie rzeczywistą przestrzenią liniową. Iloczynem skalarnym w przestrzeni V nazywamy funkcję
Bardziej szczegółowoRozkłady wielu zmiennych
Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz
Bardziej szczegółowoElementy 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 szczegółowoWst p do sieci neuronowych, wykªad 14 Zespolone sieci neuronowe
Wst p do sieci neuronowych, wykªad 14 Zespolone sieci neuronowe M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2011-18-02 Motywacja Liczby
Bardziej szczegółowoWybrane 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. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n
GAL II 2013-2014 A. Strojnowski str.45 Wykªad 20 Denicja 20.1 Przeksztaªcenie aniczne f : H H anicznej przestrzeni euklidesowej nazywamy izometri gdy przeksztaªcenie pochodne f : T (H) T (H) jest izometri
Bardziej szczegółowoPodstawy matematyki dla informatyków. Funkcje. Funkcje caªkowite i cz ±ciowe. Deniowanie funkcji. Wykªad pa¹dziernika 2012
Podstawy matematyki dla informatyków Wykªad 3 Funkcje 18 pa¹dziernika 2012 Deniowanie funkcji Funkcje caªkowite i cz ±ciowe Denicja wprost: f (x) = x + y f = λx. x + y Denicja warunkowa: { n/2, je±li n
Bardziej szczegółowoMacierze 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 szczegółowoZadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006
Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy
Bardziej szczegółowo