1 Równania różniczkowe zadane przez zaburzenia generatorów C 0 półgrup operatorów

Wielkość: px
Rozpocząć pokaz od strony:

Download "1 Równania różniczkowe zadane przez zaburzenia generatorów C 0 półgrup operatorów"

Transkrypt

1 1 Równania różniczkowe zadane przez zaburzenia generaorów C półgrup operaorów 1.1 C półgrupy - informacje wsępne Definicja 1.1 Niec E będzie przesrzenią Banaca. Rodziną operaorów liniowyc ograniczonyc {T () : E E} nazywamy półgrupą operaorów liniowyc ograniczonyc (na E), o ile (i) T () = I; (ii) T ( + s) = T ()T (s) dla dowolnyc, s. Półgrupa {T ()} nazywa się jednosajnie ciągłą jeśli lim T () I =. + Niec {T ()} będzie półgrupą operaorów liniowyc ograniczonyc. Zdefiniujmy operaor A : D(A) E { } T ()x x D(A) := x E lim + Ax := lim + T ()x x dla x D(A). Operaor A nazywa się infiniezymalnym generaorem półgrupy {T ()}. Uwaga 1.2 (a) Jeśli A jes generaorem półgrupy jednosajnie ciągłej, o A jes ograniczony i T () = exp(a) (parz [?]). (b) Jeżeli {T ()} jes C półgrupą, o isnieją ω R i M akie, że T () Me ω. (c) Jeśli {T ()} jes C półgrupą, o lim T ()x = T ( )x dla każdego > i x E. Twierdzenie 1.3 (Hille-Yosida, parz [?]) Operaor liniowy A : D(A) E na przesrzeni Banaca E jes generaorem C półgrupy {T ()} spełniającej, dla pewnyc sałyc ω R i M >, warunek (1) T () Me ω dla dowolnyc 1

2 wedy i ylko wedy, gdy (i) A jes domknięy ( 1 ) i D(A) = E. półprosą (ω, + ) i dla λ > ω i n 1. R(λ : A) n (ii) Zbiór rezolweny ρ(a) zawiera M (λ ω) n Uwaga 1.4 (a) Zauważmy, że wierdzenie Hille a-yosidy carekeryzuje zbiór rezolweny, a zaen również widmo, infiniezymalnego generaora C półgrupy (w szczególności jes ono niepuse). (b) Można pokazać (parz [?]), że dla λ ρ(a) oraz, dla x D(A) AR(λ : A) = R(λ : A)A T ()Ax = AT ()x. (c) Pokazuje się, że dla x D(A) i d T ()x = AT ()x. d Na zokończenie wiadomości o półgrupac podamy ciekawe i ważne wzory, kóre pozwalają wnioskować o własnościac półgrupy na podsawie informacji o rezolwencie. Twierdzenie 1.5 (parz [?]) Niec A : D(A) E będzie infiniezymalnym generaorem C półgrupy {T ()}. (i) (Transformacja Laplace a) Jeśli ω R i M 1 są sałymi z warunku (1), o dla wszyskic λ C akic, że Rλ > ω, oraz dowolnego x E R(λ : A)x = e λ T ()x d. (ii) (Wzór wykładniczy) Dla dowolnyc x E i > ( T ()x = lim I ) n n n A x. 1 Operaor A : D(A) E nazywa się operaorem domknięym wedy i ylko wedy, gdy wykres odwzorowania A Gr(A) := {(x, Ax) x D(A)} jes domknięym podzbiorem przesrzeni unormowanej E E 2

3 1.2 Równanie liniowe - jednoznaczność i isnienie Zajmiemy się eraz zagadnieniami isnienia i jednoznaczności dla zagadnień ypu { u() = Au(), > (P A,x ) u() = x, gdzie A : D(A) E jes liniowym operaorem przesrzeni Banaca i x E. Wskażemy warunki wysarczające dla jednoznaczności rozwiązań zagadnienia (P A,x ). Ponado pokażemy, że założenie o A, że jes generaorem pewnej C półgrupy jes bardzo nauralnym założeniem w ego ypu zagadnieniac. Twierdzenie O jednoznaczności Niec A : D(A) E będzie gęso określonym operaorem liniowym akim, że (λ, + ) ρ(a) dla pewnej liczby λ R. Jeśli ln R(λ : A) lim sup, λ + λ o (P A,x ) posiada co najwyżej jedno rozwiązanie dla każdego x E. Lema 1.7 Jeżeli u : [, T ] R (T > ) jes ciągła i isnieje M aka, że T e ns u(s) ds M dla całowiyc n 1 o u() = dla [, T ]. Dowód Weźmy η E i określmy f : [, T ] R wzorem f() := η, u(). Jes jasne, że f jes ciągła na [, T ] oraz, dla n 1, T T e ns f(s) ds η e ns u(s) η M =: M. Jeśli dalej wykażemy, że powyższy warunek implikuje f, o wobec dowolności η dosaniemy ezę lemau. Jes jasne, że dla n 1, ( 1) k 1 e knτ = 1 e enτ. k! k=1 Powyższy szereg zbiega jednosajnie na przedziałac ograniczonyc (przy usalonym n 1). Sąd, dla < < T T ( 1) k 1 e kn( T +s) f(s) ds k! 1 T k! ekn( T ) e kns f(s) ds k=1 1 T e kns f(s) ds M 1(e en( T ) 1) k! ekn( T ) k=1 3

4 i, w konsekwencji, (2) Z drugiej srony T = T ( 1) k 1 k! ( 1) k 1 e kn( T +s) f(s) ds = k! k=1 T (1 e en( T +s) )f(s) ds + e kn( T +s) f(s) ds n. T T T (1 e en( T +s) )f(s) ds (1 e en( T +s) )f(s) ds. Pierwsza z całek dąży do przy n infy, gdyż, dla s (, T ], T + s < i (1 e en( T +s) ) przy n. Naomias druga dąży do T f(s) ds =. T Zaem wobec (2) orzymujemy, dla dowolnego s (, T ), = T T f(s) ds = F (T ) F (T ), gdzie F : [, T ] R jes funkcją pierwoną dla f. A o implikuje f = F. Wobec wcześniejszyc uwag, dowód jes zakończony. Dowód Twierdzenia 1.6 Na począek zauważmy, że jeżeli u jes rozwiązeniem (P A,x ), o e µ u() jes rozwiązaniem zagadnienia u = (A + µi)u z warunkiem począkowym u() = x. Dlaego bez zmniejszenia ogólności można założyć, że λ =, zn. R(λ : A) isnieje dla wszyskic λ. Wysarczy, że wykażemy, że jedynym rozwiązaniem zagadnienia { u = Au (3) u() = jes rozwiązanie sale równe zero. Zaem przypuśćmy, że u : [, T ] E jes rozwiązaniem zagadnienia (3). Zauważmy, że dla λ > i (, T ] d ds R(λ : A)u(s) s= = R(λ : A) u() = R(λ : A)Au() = R(λ : A)(λI (λi A))u() = λr(λ : A)u() u(), czyli R(λ : A)u( ) jes rozwiązaniem zagadnienia { v() = λv() u() v() =. Sąd, sosując wzór na uzmiennienie sałej, orzymuje się (4) R(λ : A)u() = e λ( τ) u(τ) dτ dla [, T ]. Z drugiej srony, dla δ >, korzysając z założenia, dosajemy (5) e δλ R(λ : A) = e δλ+ln R(λ:A) = e λ( δ+λ 1 R(λ:A) ) λ +. 4

5 Wobec (4) e δλ R(λ : A)u() = = δ δ e δ τ u(τ) dτ = e λs u( δ s) ds + δ e λs u( δ s) ds = δ e λs u( δ s) ds. Korzysając z (5), widać, że isnieje sałą niezależna od λ aka, że δ e λs u( δ s) ds M, co, na mocy Lemau (1.7), daje u( δ s) = dla s [, δ], czyli u(τ) = dla τ [, δ]. Ponieważ > i δ były dowolne, dowód jes zakończony. Uwaga 1.8 Zauważmy, że jeżeli A jes generaorem C półgrupy, o, z Twierdzenia 1.3, dosaniemy, λ 1 ln R(λ : A) λ 1 (ln M ln(λ ω)) λ +. A o, na mocy Twierdzenia 1.6, oznacza, że (P A,x ) posiada własność jednoznaczności. Nasępne wierdzenie pokazuje, że przy rozważaniu zagadnienia (P A,x ) wymaganie, aby operaor A był generaorem C półgrupy jes nauralnym założeniem. Twierdzenie 1.9 Niec A będzie gęso określonym operaorem o niepusym zbiorze rezolweny ρ(a). Wówczas, zagadnienia (P A,x ) posiada dokładnie jedno rozwiązanie w C 1 ([, + ), E) dla każdego x D(A) wedy i ylko wedy, gdy A jes infiniezymalnym generaorem pewnej C półgrupy {T ()}. Wówczas jedynym rozwiązaniem zagadnienia (P A,x ), dla x D(A), jes odwozorowanie T ()x. Uwaga 1.1 (a) Zauważmy, że jeżeli ρ(a), o A jes operaorem domknięym. (b) Przesrzeń (D(A), G ), gdzie x G := x + Ax, jes przesrzenią Banaca wedy i ylko wedy, gdy A jes domknięy. (c) Jeżeli ρ(a), o zbiór D(A 2 ) := {x D(A) Ax D(A)} jes gęsy w E (bo R(λ : A)D(A) D(A)). Dowód Niec A będzie generaorem C półgrupy {T ()}. Z Uwagi 1.4, dla każdego x D(A) i, kładąc u() := T ()x,, mamy u() = Au() = T ()Ax, 5

6 co wobec Uwagi 1.2 (c), oznacza, że u jes rozwiązaniem (P A,x ) klasy C 1 na [, + ), co kończy dowód jednej z implikacji. Załóżmy eraz, że (P A,x ) ma rozwiązanie u( ; x) : [, + ) E klasy C 1 (na [, + )) dla każdego x D(A). Rozważmy odwzorowanie, dla >, S : D(A) C([, ], (D(A), G )) dane wzorem (Sx)() := u(; x). S jes poprawnie określonym odwozrowaniem liniowym, zn. SxinC([, ], (D(A), G )), bo u(, x) jes rozwiązaniem klasy C 1. Zaobserwujmy, że S jes operaorem domknięym. Isonie, przypuśćmy, że x n x w (D(A), G ) i Sx n v w C([, ], (D(A), G )). Dla [, ] Ponieważ (Sx n )() = u(; x n ) = x n + Au(τ; x n ) dτ = x n + A(Sx n )(τ) dτ. Sx n v = sup (Sx n )(τ) v(τ) + sup A(Sx n )(τ) Av(τ) τ [, ] [, ] po przejściu do granicy dosaniemy v() = x + Av(τ) dτ dla [, ]. Z jednoznaczności rozwiązań, mamy v = u( ;x ) = Sx, dowodzi domknięości S. Zaem z wierdzenia o odwzorowaniu domknięym wnosimy, że S jes operaorem ograniczonym, zn. isnieje sała C aka, że (6) sup u(; x ) C x G [, ] dla dowolnego x D(A). Dla definujemy T () : D(A) D(A) wzorem T ()x := u(; x). Jes jasne, że T ()x = x dla x D(A). Dalej, z jednoznaczności rozwiązań zauważmy, dla x D(A),, s dosaniemy T ()T (s)x = T ()u(s; x) = u(; u(s; x)) = u( + s; x), bo τ u(τ + s; x) jes rozwiazaniem (P A,u(s;x) ). Ponado, z (6), mamy T ()x G = T ( [/ ] )T ( ) [/ ] x G C T ( ) [ / ]x G x G C max{1, C} [/ ] x G max{1, C} (/ ) x G Ce (ln max{1,c}1/ ) x G Ce ω czyli T () L((D(A), G )) dla wszyskic. W dalszym ciągu będziemy ccieli rozszerzyć T () na całą przesrzeń E. W ym celu pokażemy najpierw, że (7) T ()Ay = AT ()y dla każdego y D(A). 6

7 W ym celu weźmy odwzorowanie v : [, + ) dane wzorem v() = y + u(s; Ay) ds. Zauważmy, że, korzysając z deifinicji u i wierdzenia Peisa (o przecodzeniu z operaorem pod znak całki), dosaniemy, v() = u(; Ay) = Ay + d u(s; Ay) ds = Ay + Au(s; Ay) ds ds ( ) = A y + u(s; Ay) ds = Av(). Zaem, biorąc dodakowo pod uwagę warunek v() = y, z jednoznaczności rozwiązań, mamy v() = u(; y). A sąd AT ()y = Au(; y) = Av() = v() = u(; Ay) = T ()Ay, co dowodzi (7). Weźmy dowolne λ ρ(a) i y D(A 2 ). Dla x := (λi A)y mamy T ()x = T ()(λi A)y = λt ()y T ()Ay = λt ()y AT ()y = (λi A)T ()y i sąd (8) T ()x = (λi A)T ()y max{1, λ } T ()y G C 1 e ω y G gdzie C 1 := max{1, λ }C. Dalej y G = y + Ay = y + Ay y + λy (λi A)y (1 + λ ) y + x (1 + λ) R(λ : A)x + x C 2 x, gdzie C 2 := (1 + λ) R(λ : A) + 1. Zaem łącząc uzyskane oszacowanie z (8) dosaniemy T ()x C 3 e ω x dla pewnej sałej C 3 >. Wynika sąd, że można rozszerzyć T () na całą przesrzeń, gdyż D(A 2 ) jes gęsy w E (parz Uwaga 1.1). Rozszerzony do E operaor T () oznaczmy ym samym symbolem. Pozosało wykazać, że infiniezymalnym operaorem półgrupy {T () : E E} jes A. Oznaczmy przez A infiniezymalny operaor półgrupy {T ()} i weźmy dowolny x D(A). Wedy T ()x = u(; x) i T ()x x lim + = u(; x) u(; x) = Au(; x) = Ax czyli x D(A ) i A x = Ax. Zaem D(A) D(A ) i A D(A) = A. Przejdźmy do wykazania, że D(A ) D(A). Na mocy Twierdzenia 1.3 isnieje (ω, + ) ρ(a ) oraz dla λ > ω i y D(A 2 ) mamy e λ AT ()y = e λ T ()Ay = e λ T ()A y 7

8 Sąd, korzysając z wierdzenia Peisa i Twierdzenia 1.5, dosaniemy ( ) AR(λ : A )y = A e λ T ()y d = e λ AT ()y d = e λ T ()A y d = R(λ : A )A y = A R(λ : A )y Z gęsości D(A 2 ) w E mamy AR(λ : A ) = A R(λ : A ), czyli D(A ) = R(λ : A )(E) D(A). Na zakończenie rozważań doyczącyc jednorodnego liniowego (P A,x ) odpowiemy sobie na pyanie przy jakic założeniac doyczącyc A możemy się spodziewać isnienia rozwiązań zagadnienia (P A,x ) dla dowolnyc x E. Definicja 1.11 C półgrupa {T ()} operaorów liniowyc ograniczonyc na przesrzeni Banaca E jes nazywana różniczkowalanaą, jeśli, dla każdego x E, odwzorowanie T ()x jes różniczkowalne dla >. Twierdzenie 1.12 Jeżeli A : D(A) E jes generaorem C półgrupy różniczkowalnej, o, dla każdego x E, odwzorowanie u(, x) : [, + ) E dane wzorem u(; x) := T ()x jes jedynym rozwiązaniem zagadnienia { u() = Au() dla > oraz u( ; x) C ((, + ), E). u() = x Uwaga 1.13 Zauważmy, że, w ogólności, w powyższym wierdzeniu, nie powinniśmy spodziewać się różniczkowalności u( ; x) w dla każdego x E. Gdyż, o implikowałoby D(A) = E, co znacznie ograniczyłoby zakres naszyc rozważań. Dowód Wykażemy, że, dla każdego n 1, (9) (1) d n T ()x D(A n ) dla x E, d T ()x = n An T (), A n T () L(E) odwzorowanie A (n 1) T () L(E) jes ciągłe na (, + ). Dowód będzie indukcyjny. Zauważmy najpierw, że, dla x E i >, u(; x) = T ()x D(A). Isonie, na mocy różniczkowalności półgrupy, T ()T ()x T ()x lim + = lim + T ( + )x T ()x = d d T ()x, d czyli T ()x D(A) i T ()x = AT ()x. Ponieważ A jes domknięy, T () ograniczony, o AT () jes domknięy, co, wobec wierdzenia o domknięym d wykresie, 8

9 oznacza, że AT () L(E), co dowodzi (9) dla n = 1. Dla wykazania (1) dla n = 1, weźmy dowolne >. Na mocy, Uwagi 1.2, isnieje M aka, że T () M dla [, ]. Wówczas, dla dowolnyc (, 3 /2) i x E, T ()x T ( )x = AT (s)x ds = T (s )AT ( )x ds T (s ) AT ( )x ds ( )M AT ( ) x. Naomias, dla ( /2, ), analogicznie dosaniemy T ( )x T ()x T (s /2)AT ( /2)x ds ( )M AT ( /2) x. Zaem wykazaliśmy (1) dla n = 1. Załóżmy eraz, że (9) i (1) zacodzą dla n 1. Zauważmy, że dla usalonego > i > A n T ()x = A n T ( )T ( )x = T ( )A n T ( )x Sąd dosajemy, dla >, A n T ()x D(A) i d n+1 d n+1 T ()x = d d An T ()x = d d An T ( )T ( )x = d d T ( )A n T ( )x = AT ( )A n T ( )x = A n+1 T ( )T ( )x = A n+1 T ()x. Podobnie jak poprzednio A n+1 T () = A(A n T ()) jes operaorem domknięym, co na mocy wierdzenia o domknięym wykresie daje A n+1 T () L(E). Z dowolności >, dosajemy (9) dla n + 1. Pamięając, że, dla 2 > 1 >, (11) A n T ( 2 )x A n T ( 1 )x = 2 1 A n+1 T (s) ds = 2 1 T (s 1 )A n+1 T ( 1 ) ds używając yc samyc argumenów jak dla n = 1 pokazuje się, że A n T () jes odwzorowaniem ciągłym. Zaem, na mocy zasady indukcji, własności (9) i (1) zosały udowodnione. Podsumowując, widzimy, że z (11), dla n 1, mamy A n T ( + ) A n T () = 1 + A n+1 T (s) ds A n+1 T (), czyli T () jes różniczkowalne nieskończenie wiele razy. 1.3 Równania liniowe niejednorodne Zajmiemy się eraz zagadnieniami isnienia i regularności rozwiązań zagadnienia { u() = Au() + f(), (, T ) (P A,f,x ) u() = x, gdzie A jes generaorem C półgrupy operaorów liniowyc ograniczonyc na przesrzeni Banaca E a f : [, T ) E pewnym odwzorowaniem. 9

10 Definicja 1.14 Powiemy, że u : [, T ) E jes rozwiązaniem klasycznym zagadnienia (P A,f,x ) wedy i ylko wedy, gdy (1) u C([, T ), E) C 1 ((, T ), E); (2) u() D(A) dla (, T ); (3) u() = x oraz u() = Au() + f() dla każdego (, T ). Zacznijmy od jednoznaczności rozwiązań. Jeżeli u 1, u 2 są rozwiązaniami zagadnienia (P A,f,x ), o oczywiście u 1 u 2 jes rozwiązaniem u = Au z warunkiem począkowym u() =, a o, na mocy Uwagi 1.8, oznacza, że u 1 = u 2. Teraz znajdziemy wzór na rozwiązanie zagadnienia (P A,f,x ). Nieco precyzyjniej, przypuśćmy, że dla pewnego x E mamy rozwiązenie klasyczne u : [, T ) E zagadnienia (P A,f,x ). Usalmy (, T ) i określmy ϕ : [, ] E wzorem ϕ(s) := T ( s)u(s). Jes jasne, że ϕ jes ciągła i, skoro u(s) D(A) dla s (, T ), ϕ jes również różniczkowalna na (, ]. Sąd T ( (s + ))u(s + ) T ( s)u(s) ϕ(s) = lim + T ( s )u(s) T ( s)u(s) T ( s )(u(s + ) u(s)) = lim + = d dτ T (τ s)u(s) τ= + T ( s) u(s) AT ( s)u(s) + T ( s)au(s) + T ( s)f(s) = T ( s)f(s). Ponieważ funkca ϕ jako pocodna funkcji ciągłej jes silnie mierzalna na [, ), z powyższej równości dosaniemy ϕ() ϕ() = ϕ(s) ds (parz wierdzenia Lebesgue a), co daje (12) u() = T ()x + Zaem, dosaliśmy nasępujące swierdzenie. T ( s)f(s) ds dla (, T ). Swierdzenie 1.15 Jeżeli u : [, ) E jes klasycznym rozwiązaniem zagadnienia (P A,f,x ), o u wyraża się wzorem (12). Okazuje się, że w ogólności nie zawsze można spodziewać się isnienia rozwiązań klasycznyc, dlaego wprowadza się ogólne pojęcie rozwiązania słabego. Definicja 1.16 Niec A będzie generaorem C półgrupy operaorów liniowyc ograniczonyc na przesrzeni Banaca E, f L 1 ([, T ], E) oraz x E. Odwzorowanie u C([, T ], E) dane wzorem u() := T ()x + T ( s)f(s) ds dla [, T ] nazywa się rozwiązaniem łagodnym (z ang. mild soluion) zagadnienia (P A,f,x ). 1

11 Uwaga 1.17 Na mocy Swierdzenia 1.15, jes jasne, że jeżeli f L 1 ([, T ], E), o każde rozwiązanie klasyczne jes rozwiązaniem łagodnym. Nauralnym i ważnym pyaniem jes: przy jakic założeniac na f rozwiązanie łagodne saje się rozwiązaniem klasycznym? Przykład 1.18 Okazuje się, że aby rozwiązanie łagodne było klasycznym nie wysarczy ciągłość odwzorowania f. Isonie przypuśćmy, że {T ()} jes C półgrupą, kóra nie jes różniczkowalana i niec A będzie jej generaorem. Wedy isnieje x E aki, że T ()x D(A) dla pewnego (parz dowód Twierdzenia 1.12). Zdefiniujmy f : [, 2) E wzorem f() := T ()x. Jes jasne, że f jes ciągła. Wedy rozwiązanie łągodne zagadnienia (P A,f, ) na [, 2 ) wyraża się wzorem u() = T ( s)f(s) ds = T ()x. Ale widać sąd, że u nie jes różniczkowalna w, co oznacza, że u nie jes rozwiązaniem klasycznym. Poniższe wierdzenie podaje warunki wysarczające do ego, aby rozwiązania łagodne sały się klasycznymi. Główna idea prowadzonyc rozważań sprowadza się do badania różniczkowalności wyrażenia całkowego T ( s)f(s) ds względem. Twierdzenie 1.19 (O isnieniu rozwiązań klasycznyc) Niec A będzie generaorem C półgrupy {T ()} operaorów liniowyc ograniczonyc na przesrzeni Banaca E. Wówczas (1) jeżeli f C 1 ([, T ], E), o dla każdego x D(A) (P A,f,x ) ma rozwiązanie klasyczne; (2) jeżeli f L 1 ([, T ], E) C([, T ], E), f(s) D(A) dla s (, T ) oraz Af( ) L 1 ([, T ], E), o, dla każdego x D(A), (P A,f,x ) ma rozwiązanie klasyczne. Dowód będzie opierał się na nasępującym lemacie. Lema 1.2 Niec A będzie jak w Twierdzeniu 1.19, f L 1 ([, T ], E) C((, T ), E) i niec v : [, T ] E dana będzie wzorem v() := T ( s)f(s) ds dla [, T ]. Jeżeli jeden spełniony jes jeden z poniższyc warunków (i) v C 1 ((, T ), E); (ii) v() D(A) dla wszyskic (, T ) i Av( ) C((, T ), E), o (P A,f,x ) ma rozwiązanie dla każdego x D(A). Ponado, jeżeli (P A,f,x ) ma rozwiązanie dla pewnego x D(A), o v spełnia warunki (i) i (ii). 11

12 Dowód Przypuśćmy, że u : [, T ) E jes klasycznym rozwiązaniem dla (P A,f,x ) dla pewnego x D(A). Wedy, na mocy Swierdzenia 1.15, v() = u() T ()x dla [, T ). Z definicji rozwiązania klasycznego i Twierdzenia 1.9, wynika, że v jes klasy C 1 na (, T ), zn. zacodzi (i). Ponado, zauważmy, że skoro T ()x D(A) dla, o v() = u() T ()x D(A) dla >. Dalej, korzysając z Uwagi 1.4, mamy Av() = Au() AT ()x = u() f() T ()Ax, z czego widać, że Av( ) C((, T ), E), zn. zacodzi (ii). Przypuśćmy eraz, że zacodzi (i), zn. v C 1 ((, T ), E). Zauważmy, że, dla (, T ) i < < T, ( ) T () I v( + ) v() v() = 1 + (13) T ( + s)f(s) ds Z ciągłości funkcji f na [, +(T )/2] (, T ) i własności C półgrupy dosaniemy 1 + T ( + s)f(s) ds 1 f(s) ds (14) 1 + T ( + s)f(s) f(s) ds sup{ T (τ)z z τ [, ], z f([, + (T )/2])} +, gdzie skorzysaliśmy również ze zwarości zbioru f([, + (T )/2]). Nasępnie, przecodząc w (13) do granicy z +, dosaniemy isnienie granicy po prawej sronie, zn. v() D(A) oraz Av() = v() f(), czyli v jes rozwiązaniem klasycznym zagadnienia (P A,f, ). Zaem, jak ławo sprawdzić, dla dowolnego x D(A), u : [, T ) E dana wzorem u() = T ()x+v() jes rozwiązaniem klasycznym zagadnienia (P A,f,x ). Załóżmy, że spełniony jes warunek (ii), zn. v() D(A) dla (, T ) i Av( ) C((, T )), E). Zauważmy, że z (13), dla (, T ), dosaniemy, isnienie prawosronnej pocodnej d+ d+ v() oraz Av() = v() f(), zn. d + v() = Av() + d d d f(), co daje ciągłość D + v() na (, T ). Zaem, na mocy Swierdzenia 2.1, v jes rozwiązaniem klasycznym zagadnienia (P A,f, ) i podobnie jak poprzednio u : [, T ) E, u() = T ()x + v(), jes rozwiązaniem zagadnienia (P A,f,x ) dla każdego x D(A). Dowód Twierdzenia 1.19 (1) Przypuśćmy, że f C 1 ([, T ], E). Wówczas, dokonując zamiany zmiennyc, korzysając z wierdzenia o warości średniej dla funkcji różniczkowalnyc orzymuje się, dla (, T ) v( + ) v() = 1 (+ ) T (τ)f( + τ) dτ T (τ)f( τ) dτ = T (τ) f( + τ) f( τ) dτ T (τ)f( + τ) dτ =

13 T (τ) f( + θ τ) dτ T (τ)f( + τ) dτ. Przecodząc do granicy i korzysając z ciąglości f oraz używając rozumowania podobnego do (14), orzymamy v() = T (τ) f(τ)τ + T ()f(), zn. v jes ciągła na (, T ) i v C 1 ((, T ), E), co kończy dowód (1), na mocy Lemau 1.2. (2) Z założenia, dla s (, T ), f(s) D(A), sąd T ( s)f(s) oraz AT ( s)f(s) = T ( s)af(s). A sąd widać, że skoro Af( ) L 1 ([, T ], E), o AT ( )f( ) = T ( )Af( ) L 1 ([, T ], E). Sąd, na mocy Twierdzenia Peisa (Tw. 2.4), dla każdego (, T ) ( ) Av() = A T ( s)f(s) ds = AT ( s)f(s) ds, a aka reprezenacja oznacza, że Av( ) C((, T ), E), co kończy dowód na mocy Lemau 1.2. Definicja 1.21 Niec A będzie generaorem infiniezymalnym C półgrupy operaorów liniowyc ogranicznyc na przesrzeni Banaca E, f L 1 ([, T ], E) i x E. Odwzorowanie u ([, T ], E) nazywamy mocnym rozwiązaniem zagadnienia (P A,f,x ), jeżeli u() = x, u jes p.w. różniczkowalne na [, T ], u L 1 ([, T ], E) oraz dla p.w. [, T ]. u() = Au() + f() Rozumując analogicznie jak w przypadku Swierdzenia 1.15 można wykazać nasępujący fak. Swierdzenie 1.22 Jeżeli u : [, T ] E jes mocnym rozwiązaniem zagadnienia (P A,f,x ), o wyraża się wzorem 12, zn. u jes rozwiązaniem łagodnym. W pozosałej części ego paragrafu zbadamy przy jakic założeniac rozwiązania łagodne sają się rozwiązniami mocnymi. Zaczniemy od Lemau analogicznego do Lemau

14 Lema 1.23 Niec v : [, T ] E będzie dane wzorem v() := T ( s)f(s) ds, [, T ]. Jeżeli spełniony jes jeden z nasępującyc warunków (i) v jes różniczkowalna p.w. na [, T ] i v L 1 ([, T ], E); (ii) v() D(A) dla p.w. [, T ] i Av( ) L 1 ([, T ], E), o (P A,f,x ) ma mocne rozwiązanie dla każdego x D(A). Jeżeli (P A,f,x ) ma mocne rozwiązanie, dla pewnego x D(A), o o zacodzą warunki (i) i (ii). W dowodzie lemau wykorzysamy nasępujący ecniczny fak. Lema 1.24 Jeżeli f L 1 ([, T ], E) i {T ()} jes C półgrupą, o dla p.w. [, T ) 1 + lim T ( + s)f(s) ds + f() + Dowód Ponieważ, dla każdego [, T ], 1 + wysarczy, że pokażemy, iż 1 + T ( + s)f(s) 1 T ( + s)f() + f(), + W ym celu zauważmy, że 1 + T ( + s)f(s) ds T ( + s)f() + T ( + s)(f(s) f()) ds Ke ω 1 + T ( + s)f() ds + f(s) f() ds Weźmy dowolne ε >. Na mocy Twierdzenia 2.3, isnieje I ε [, T ] aki, że µ([, T ] \ I ε ) < ε/2 i f K jes odwzorowaniem ciągłym. Sąd dla I ε mamy 1 + f(s) f() ds = 1 f( + τ) f() ds????? Dowód Lemau 1.23 Załóżmy, że u jes mocnym rozwiązaniem dla pewnego x D(A). Wedy v() = u() T ()x oraz v() = u() AT ()x = u() T ()Ax, a sąd widać, że v L 1 ([, T ], E), gdyż T ( )Ax C([, T ], E), czyli zacodzi (i). 14

15 Skoro v() = u() T ()x, o v() D(A) dla p.w. [, T ] oraz Av() = Au() AT ()x = u() f() T ()Ax. Sąd Av( ) L 1 ([, T ], E), czyli spełniony jes warunek (ii). Przypuśćmy, że zacodzi (i). Niec I 1 [, T ] będzie zbiorem yc punków, kóryc v jes rożniczkowalna. Wedy, korzysając z Twierdzenia Peisa (Tw. 2.4), dla I 1, mamy ( T () I (15) = v( + ) v() ) v() = 1 (v( + ) v() + T ()v() v()) + 1 ( T ( + s)f(s) ds = v( + ) v() ) T ( + s)f(s) ds T ( + s)f(s) ds. Przecodząc do granicy w (15) i korzysając z Lemau 1.24, orzymamy v() D(A) i Av() = v() f() dla I 1 I 2. Zaem u : [, T ] E, dana wzorem u() = v() + T ()x, jes mocnym rozwiązaniem zagadnienia (P A,f,x ). Teraz przypuśćmy, że ma miejsce (ii). Niec [, T ] będzie akie, że v() D(A). Na mocy (15) i Lemau 1.24, dla p.w. [a, b], Av() = d+ v() f(). d A sąd widać, że d+ v() jes całkowalna. Zaem ze Swierdzenia 2.2, wynika, d że v isnieje dla p.w. [, T ]. Twierdzenie 1.25 Niec A będzie generaorem ininiezymalnym generaorem C półgrupy {T ()} operaorów liniowyc ograniczonyc na przesrzeni Banaca E. (1) Jeżeli f C([, T ], E) jes różniczkowalana p.w. na [, T ] i f L 1 ([, T ], E), o dla każdego x D(A) zagdnienie (P A,f,x ) ma dokładnie jedno mocne rozwiązanie. (2) Jeżeli E jes refleksywna i f spełnia warunek Lipsiza na [, T ], o dla każdego x D(A) zagadnienie (P A,f,x ) ma dokładnie jedno rozwiąznaie klasyczne. Uwaga 1.26 Założenie z (2) implikuje, że f jes absolunie ciągła, a o, na mocy Twierdzenia Komury (parz Twierdzenie 2.5), oznacza, że f jes p.w. różniczkowalna i f L 1 ([, T ], E). Dowód Przypuśćmy, że zacodzą założenia z (1). Wedy v() = T ( s)f(s) ds = 15 T (τ)f( τ) dτ

16 i dalej, dla (, T ) i dosaecznie małyc > v( + ) v() (16) = 1 = T (s) (+ f( + s) f( s) Przecodząc do granicy dosaniemy d + d v() = T (s)f( + s) ds ds T (s) f( s) ds + T ()f(). ) T (s)f( s) ds T (s)f( + s) ds Podobne rozumowanie można przeprowadzić dla <. Zaem v jes różniczkowalna. W celu sprawdzenia całkowalności v, zauważmy, że T ( ) T ( s) f(s) T ds d T ( s) f(s) ds d Ke ω T T f(s) ds d T Ke ω T f L 1 ([,T ],E), czyli v L 1 ([, T ], E). Zasosowanie Lemau 1.23 kończy dowód (1). Przejdźmy do dowodu (2). Założenia implikują, że f jes różniczkowalna p.w. na [, T ]. Zaem, na mocy Lemau 1.23, zagadnienie (P A,f,x ) ma mocne rozwiązanie dla każdego x D(A). Również z Lemau 1.23 wiemy, że v jes różniczkowalna p.w. na [, T ] i dla p.w. [, T ] v() = T ()f() + T ( s) f(s) ds. Sąd widać, że v = g p.w., gdzie g jes funkcją ciągłą i v() = v() + g(s) ds, dla [, T ], czyli v jes różniczkowalna w sposób ciągły, co wobec Lemau 1.2, kończy dowód. 1.4 Równania nieliniowe z zaburzeniem spełniającym warunek Lipsciza Rozważmy eraz nieliniowe zagadnienie (NP A,F,,x ) { u() = Au() + F (, u()) u( ) = x, gdzie A : D(A) E jes operaorem liniowym akim, że A jes generaorem C półgrupy operaorów liniowyc ograniczonyc na przesrzeni Banaca E, f : [, T ] E E jes odwzorowaniem ciągłym, < T i x E. Poprzez analogię można wprowadzić pojęcia rozwiązań klasycznyc, mocnyc i łagodnyc. 16

17 Definicja 1.27 Powiemy, że funkcja u C([, T ], E) jes mocnym rozwiązaniem zagadnienia (P A,F,,x ), jeśli u jes różniczkowalna, u L 1 ([, T ], E), u( ) = x oraz, dla p.w. [, T ], u() = Au() + F (, u()). Funkcja u C([, T ], E) jes łagodnym rozwiązaniem zagadnienia (P A,F,,x ), o ile dla każdego [, T ] u() = T ( )x + T ( s)f (s, u(s)) ds Swierdzenie 1.28 Każde mocne rozwiązanie zagadnienia (P A,f,,x ) jes rozwiązaniem łagodnym. Dowód jes analogiczny do dowodów Swierdzeń 1.15 i Uwaga 1.29 W ogólności (P A,F,,x ) może nie posiadać rozwiązań klasycznyc ani mocnyc. Naomias posługiwanie się pojęciem rozwiązania łagodnego umożliwia badanie zagadnienia (P A,F,,x ) za pomocą analizy funkcjonalnej i eorii punków sałyc. Twierdzenie 1.3 (O lokalnym isnieniu) Niec F : [, T ] D(x, r) E będzie odwzorowaniem ciągłym spełniającym warunek Lipsciza ze względu na drugą zmienną, zn. isnieje L > aka, że, dla dowolnyc [, T ] i x 1, x 2 D(x, r) F (, x 1 ) F (, x 2 ) L x 1 x 2. Wówczas dla każdego T spełniającego warunki (17) oraz (18) sup T ( )x x r/2 [,T ] < T < + r 2M(Lr + M ), gdzie M := sup [,T ] T () i M := max s [,T ] F (s, x ), zagadnienie (NP A,F,,x ) ma dokładnie jedno rozwiązanie na [, T ]. Dowód Niec D r := {u C([, T ], E) u x r}, x C([, T ], E) jes odwzorowaniem sałym o warości x. Określmy odwzorowanie Φ : D r D r wzorem [Φ(u)]() := T ( )x + T ( s)f (s, u(s)) ds 17

18 dla dowolnyc u D r i [, T ]. Sprawdźmy, że Φ jes poprawnie określone, Isonie, dla [, T ], na mocy (17) i (18) (19) r 2 + M [Φ(u)]() x T ( )x x + F (s, u(s)) ds r 2 + (T )M Zauważmy, że dla dowolnyc s [, T ] i x D(x, r) T ( s)f (s, u(s)) ds sup F (s, x). (s,x) [,T ] D(x,r) F (s, x) F (s, x) F (s, x ) + F (s, x ) L x x + F (s, x ) Lr + M. Sąd i z (19), dosajemy Φ(u) x r 2 + r 2M(Lr + M ) M(Lr + M ) = r. Teraz pokażemy, że Φ jes meryczną konrakcją. W ym celu zauważmy, że, dla dowolnyc u 1, u 2 D r i [, T ], mamy [Φ(u 1 )]() [Φ(u 2 )]() T ( s) F (s, u 1 (s)) F (s, u 2 (s)) ds ML u 1 (s) u 2 (s) ds ML( ) u 1 u 2 ML(T ) u 1 u 2 Lr 2(Lr + M ) u 1 u u 1 u 2, czyli P i(u 1 ) Φ(u 2 ) 1 2 u 1 u 2. Zaem skoro D r jako domknięy podzbiór przesrzeni Banaca jes przesrzenią meryczną zupełną i Φ jes meryczną konrakcją, z Zasady Banaca, wnosimy, że isnieje dokładnie jeden u D r aki, że Φ(u) = u, co kończy dowód.. Twierdzenie 1.31 (O globalnym isnieniu i jednoznaczności) Niec F : [, T ] E E będzie odwzorowaniem ciągłym ze względu na I-szą zmienną i spełniającym warunek Lipsciza ze względu na II-gą zmienną. Wówczas dla każdego x E zagadnienie (NP A,F,,x ) posiada dokładnie jedno rowiązanie łagodne. Dowód Określmy Φ : C([, T ], E) C([, T ], E) wzorem Oczywiście, (2) [Φ(u)]() = T ( )x + T ( s)f (s, u(s)) ds. [Φ(u 1 )]() [Φ(u 2 )]() ML u 1 (s) u 2 (s) ds ML(T ) u 1 u 2, 18

19 gdzie M := sup s [,T ] T (s). Pokażemy, za pomocą indukcji, że dla wszyskic n 1 (21) [Φ n (u 1 )]() [Φ n (u 2 )]() (ML( )) n u 1 u 2 dla [, T ]. n! Dla n = 1 nierówność zacodzi (parz (21)). pewnego n 1. Wówczas, na mocy (2) Przypuśćmy, że (2) zacodzi dla [Φ n+1 (u 1 )]() [Φ n+1 (u 2 )]() = [Φ(Φ n (u 1 ))]() [Φ(Φ n (u 2 ))]() ML ML [Φ n (u 1 )]() [Φ n (u 2 )]() ds (ML(s )) n u 1 u 2 ds n! (ML) n+1 u 1 u 2 (s ) n ds = (ML( )) n+1 u 1 u 2, n! (n + 1)! co, na mocy zasady indukcji, kończy dowód (21). Isnieje N 1 aka, że (ML(T )) N < 1, czyli Φ N : E E jes meryczną N! konrakcją. Sąd na mocy uogólnionej Zasady Banaca, Φ posiada jedyny punk sały. 1.5 Równania różniczkowe zadane przez ciągłe zaburzenia generaorów zwaryc C półgrup 2 Dodaek 2.1 A. Funkcje o warościac w przesrzeniac Banaca Swierdzenie 2.1 Jeżeli f : (a, b) E o warościac w przesrzeni Banaca jes ciągła, dla każdego (a, b) isnieje pocodna d+ d+ f() oraz f( ) jes funkcją d d ciągłą, o f jes różniczkowalna (w sposób ciągły) na (a, b). Swierdzenie 2.2 Jeżeli f : [a, b] E o warościac w przesrzeni Banaca jes silnie mierzalna, dla p.w. [a, b] isnieje pocodna d+ d+ f() oraz f( ) d d L 1 ([a, b], E), o f jes p.w. różniczkowalna. Twierdzenie 2.3 (Łuzin) Niec f : [a, b] E będzie silnie mierzalna. Wedy, dla dowolnej ε > isnieje domknięy zbiór I ε [a, b] aki, że µ([a, b] \ I ε ) < ε i f Iε jes ciągła. 19

20 Twierdzenie 2.4 (Peisa) Niec A : D(A) E będzie domknięym operaorem na przesrzeni Banaca E, a f L 1 ([a, b], E) będzie aka, że Af( ) L 1 ([a, b], E). Wówczas ( b ) b A f(s) ds = Af(s) ds. a a Jeżeli f L 1 ((a, b), E) i F : (a, b) E dana jes wzorem F () := o F jes p.w. różniczkowalna na (a, b) i F = f a f(s) ds dla (a, b), Twierdzenie 2.5 (Komury) Jeżeli E jes refleksywną przesrzenią Banaca i F : [a, b] E jes absolunie ciągła, o F jes p.w. różniczkowalna na [a, b], F L 1 ([a, b], E) oraz F () = F (a) + a F (s) ds, dla [a, b]. 2

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

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

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera.

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera. 7. Całka Fouriera w posaci rzeczywisej. Wykład VII Przekszałcenie Fouriera. Doychczas rozparywaliśmy szeregi Fouriera funkcji w ograniczonym przedziale [ l, l] lub [ ] Teraz pokażemy analogicznie przedsawienie

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

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

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

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

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

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

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

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

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

Notatki z Analizy Matematycznej 3. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 3. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 3 Jacek M. Jędrzejewski ROZDZIAŁ 6 Różniczkowanie funkcji rzeczywistej 1. Pocodna funkcji W tym rozdziale rozważać będziemy funkcje rzeczywiste określone w pewnym przedziale

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Zagadnienia brzegowe dla równań eliptycznych

Zagadnienia brzegowe dla równań eliptycznych Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta

Bardziej szczegółowo

Równania różniczkowe. Notatki z wykładu.

Równania różniczkowe. Notatki z wykładu. Równania różniczkowe Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument

Bardziej szczegółowo

Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:

Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: Ciągi rekurencyjne Zadanie 1 Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: w dwóch przypadkach: dla i, oraz dla i. Wskazówka Należy poszukiwać rozwiązania w postaci, gdzie

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

Równanie przewodnictwa cieplnego (II)

Równanie przewodnictwa cieplnego (II) Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego

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

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

teoria i przykłady zastosowań

teoria i przykłady zastosowań : teoria i przykłady zastosowań Katedra Sterowania i Pomiarów Zachodniopomorski Uniwersytet Technologiczny w Szczecinie e-mail: emirsaj@zut.edu.pl Zielona Góra, 22 listopada 21 Spis treści 1 O jakie równanie

Bardziej szczegółowo

Silniki cieplne i rekurencje

Silniki cieplne i rekurencje 6 FOTO 33, Lao 6 Silniki cieplne i rekurencje Jakub Mielczarek Insyu Fizyki UJ Chciałbym Pańswu zaprezenować zagadnienie, kóre pozwala, rozważając emaykę sprawności układu silników cieplnych, zapoznać

Bardziej szczegółowo

4. Równania Cauchy ego Riemanna. lim. = c.. dz z=a Zauważmy, że warunkiem równoważnym istnieniu pochodnej jest istnienie liczby c C, takiej że

4. Równania Cauchy ego Riemanna. lim. = c.. dz z=a Zauważmy, że warunkiem równoważnym istnieniu pochodnej jest istnienie liczby c C, takiej że 4. Równania Caucy ego Riemanna Niec Ω C będzie zbiorem otwartym i niec f : Ω C. Mówimy, że f ma w punkcie a Ω pocodną w sensie zespolonym (jest olomorficzna w a równą c C, jeśli f(z f(a lim = c. z a Piszemy

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

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P, Wykłady ostatnie CAŁKA LBSGU A Zasadnicza różnica koncepcyjna między całką Riemanna i całką Lebesgue a polega na zamianie ról przestrzeni wartości i przestrzeni argumentów przy konstrukcji sum górnych

Bardziej szczegółowo

26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 212 Łańcuchy z czasem ciągłym S = {, 1,..., }, B S = 2 S, ale T = [, ) lub T = (, ). Gdy S skończone,

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

Zasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim

Zasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim Zasada pędu i popędu, kręu i pokręu, energii i pracy oraz d Alembera bryły w ruchu posępowym, obroowym i płaskim Ruch posępowy bryły Pęd ciała w ruchu posępowym obliczamy, jak dla punku maerialnego, skupiając

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

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

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces

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

Równanie przewodnictwa cieplnego (I)

Równanie przewodnictwa cieplnego (I) Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca

Bardziej szczegółowo

Wykłady... b i a i. i=1. m(d k ) inf

Wykłady... b i a i. i=1. m(d k ) inf Wykłady... CŁKOWNIE FUNKCJI WIELU ZMIENNYCH Zaczniemy od konstrukcji całki na przedziale domkniętym. Konstrukcja ta jest, w gruncie rzeczy, powtórzeniem definicji całki na odcinku domkniętym w R 1. Przedziałem

Bardziej szczegółowo

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

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w

Bardziej szczegółowo

13. Równania różniczkowe - portrety fazowe

13. Równania różniczkowe - portrety fazowe 13. Równania różniczkowe - portrety fazowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 13. wrównania Krakowie) różniczkowe - portrety fazowe 1 /

Bardziej szczegółowo

Zadania do Rozdziału X

Zadania do Rozdziału X Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

Rozdział 7. Różniczkowalność. 7.1 Pochodna funkcji w punkcie

Rozdział 7. Różniczkowalność. 7.1 Pochodna funkcji w punkcie Rozdział 7 Różniczkowalność Jedną z konsekwencji pojęcia granicy funkcji w punkcie jest pojęcie pochodnej funkcji. W rozdziale tym podamy podstawowe charakteryzacje funkcji związane z pojęciem pochodnej.

Bardziej szczegółowo

Pochodna funkcji. Niech f : A R, a A i załóżmy, że istnieje α > 0 taka, że

Pochodna funkcji. Niech f : A R, a A i załóżmy, że istnieje α > 0 taka, że Niec f : A R, a A i załóżmy, że istnieje α > 0 taka, że (a α, a + α) A. Niec f : A R, a A i załóżmy, że istnieje α > 0 taka, że (a α, a + α) A. Definicja Ilorazem różnicowym funkcji f w punkcie a nazywamy

Bardziej szczegółowo

Wykład z równań różnicowych

Wykład z równań różnicowych Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska

RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE Marta Zelmańska Toruń 009 1 Rozdział 1 Wstęp Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie: F (t, x, x, x,..., x (n) ) = 0 (1.1) Rozwiązaniem równania

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10 System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki

Bardziej szczegółowo

Pochodna funkcji odwrotnej

Pochodna funkcji odwrotnej Pochodna funkcji odwrotnej Niech będzie dana w przedziale funkcja różniczkowalna i różnowartościowa. Wiadomo, że istnieje wówczas funkcja odwrotna (którą oznaczymy tu : ), ciągła w przedziale (lub zależnie

Bardziej szczegółowo

VI. Równania różniczkowe liniowe wyższych rzędów

VI. Równania różniczkowe liniowe wyższych rzędów VI. 1. Równanie różniczkowe liniowe n-tego rzędu o zmiennych współczynnikach Niech podobnie jak w poprzednim paragrafie K = C lub K = R. Podobnie jak w dziedzinie rzeczywistej wprowadzamy pochodne wyższych

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

RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ

RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ Wykorzysano: M A T E M A T Y K A Wykład dla sudenów Część Krzyszo KOŁOWROCKI, ZBIÓR ZADAŃ Z RACHUNKU CAŁKOWEGO Krzyszo PISKÓRZ Deinicja CAŁKA NIEOZNACZONA Funkcję

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 Równania różniczkowe o zmiennych rozdzielonych Równania sprowadzalne do równań o zmiennych rozdzielonych Niech f będzie funkcją ciągłą na przedziale (a, b), spełniającą na

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

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

Rachunek różniczkowy i całkowy w przestrzeniach R n

Rachunek różniczkowy i całkowy w przestrzeniach R n Rachunek różniczkowy i całkowy w przestrzeniach R n Na dzisiejszym wykładzie rozważać będziemy funkcje f : R m R n Każda taka funkcję f można przedstawić jako wektor funkcji (f 1, f 2,, f n ), gdzie każda

Bardziej szczegółowo

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim WYKŁAD 9 34 Pochodna nkcji w pnkcie Inerpreacja geomerczna pochodnej Własności pochodnch Twierdzenia Rolle a Lagrange a Cach ego Regla de lhôspiala Niech ( ) O( ) będzie nkcją określoną w pewnm ooczeni

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

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

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

13 Równanie struny drgającej. Równanie przewodnictwa ciepła.

13 Równanie struny drgającej. Równanie przewodnictwa ciepła. Równanie struny drgającej. Równanie przewodnictwa ciepła 13 1 13 Równanie struny drgającej. Równanie przewodnictwa ciepła. 13.1 Równanie struny drgającej Równanie różniczkowe liniowe drugiego rzędu typu

Bardziej szczegółowo

Wykład 4 Metoda Klasyczna część III

Wykład 4 Metoda Klasyczna część III Teoria Obwodów Wykład 4 Meoda Klasyczna część III Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska D-, 5/8 el: (7) 3 6 fax: (7)

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

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna

Bardziej szczegółowo

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja) Matematyka II Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 208/209 wykład 3 (27 maja) Całki niewłaściwe przedział nieograniczony Rozpatrujemy funkcje ciągłe określone na zbiorach < a, ),

Bardziej szczegółowo

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27.1. Wiadomości wstępne Równaniem różniczkowym cząstkowym nazywamy związek w którym występuje funkcja niewiadoma u dwóch lub większej liczby zmiennych niezależnych i

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml

Bardziej szczegółowo

Metody iteracyjne dla hiperbolicznych równań różniczkowo-funkcyjnych

Metody iteracyjne dla hiperbolicznych równań różniczkowo-funkcyjnych Metody iteracyjne dla hiperbolicznych równań różniczkowo-funkcyjnych Instytut Matematyki Uniwersytet Gdański 6 Wrzesień 2016 Zastosowania równań hiperbolicznych Nieliniowe równania hiperboliczne wykorzystywane

Bardziej szczegółowo

Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki

Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Stabilność rozwiązań równań różniczkowych w ujęciu lokalnych układów dynamicznych. Adam Kanigowski Toruń 2010 1 Spis treści 1 Wprowadzenie

Bardziej szczegółowo

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 Mocna własność Markowa procesu Wienera Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 21 maja, 2012 Mocna własność Markowa W = (W 1,..., W d ) oznaczać

Bardziej szczegółowo

Wykład X. ε, ε, ε = ε oznaczają współrzędne tensora odkształcenia, u i w są współrzędnymi wektora WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ

Wykład X. ε, ε, ε = ε oznaczają współrzędne tensora odkształcenia, u i w są współrzędnymi wektora WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ Wykład X ROZWIĄZANIE RÓWNAŃ RÓŻNICZKOWYC Z WYKORZYSTANIEM TRANSFORMACJI LAPLACE A i FOURIERA CIĄG DALSZY. Konsolidacja półprzesrzeni konsolidujące pod działaniem ruchomego obciążenia skupionego. Rozważmy

Bardziej szczegółowo

( ) ( ) ( τ) ( t) = 0

( ) ( ) ( τ) ( t) = 0 Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany

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

1 Równania różniczkowe zwyczajne o rozdzielonych zmiennych

1 Równania różniczkowe zwyczajne o rozdzielonych zmiennych Równania różniczkowe zwyczajne o rozdzielonych zmiennych Definicja. Równaniem różniczkowym o rozdzielonych zmiennych nazywamy równanie postaci p(y) = q() (.) rozwiązanie równania sprowadza się do postaci

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

. : 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

Twierdzenia Rolle'a i Lagrange'a

Twierdzenia Rolle'a i Lagrange'a Twierdzenia Rolle'a i Lagrange'a Zadanie 1 Wykazać, że dla dowolnych zachodzi. W przypadku nierówność (a właściwie równość) w treści zadania spełniona jest w sposób oczywisty, więc tego przypadku nie musimy

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

II. Równania autonomiczne. 1. Podstawowe pojęcia.

II. Równania autonomiczne. 1. Podstawowe pojęcia. II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),

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

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w

Bardziej szczegółowo

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności RAP 412 14.01.2009 Wykład 11: Martyngały: definicja, twierdzenia o zbieżności Wykładowca: Andrzej Ruciński Pisarz:Mirosława Jańczak 1 Wstęp Do tej pory zajmowaliśmy się ciągami zmiennych losowych (X n

Bardziej szczegółowo

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że 4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze taka że K(x 0, δ) (y 0 η, y 0 + η) R n R, f(x 0, y 0 ) = 0, y f(x 0, y 0 ) 0. Wówczas dla odpowiednio

Bardziej szczegółowo

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus listopada 07r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej

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

Detekcja rozkładów o ciężkich ogonach

Detekcja rozkładów o ciężkich ogonach Detekcja rozkładów o ciężkich ogonach J. Śmiarowska, P. Jamer Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska 24 kwietnia 2012 J. Śmiarowska, P. Jamer (Politechnika Warszawska) Detekcja

Bardziej szczegółowo

Sformułowanie Schrödingera mechaniki kwantowej. Fizyka II, lato

Sformułowanie Schrödingera mechaniki kwantowej. Fizyka II, lato Sformułowanie Schrödingera mechaniki kwanowej Fizyka II, lao 018 1 Wprowadzenie Posać funkcji falowej dla fali de Broglie a, sin sin k 1 Jes o przypadek jednowymiarowy Posać a zosała określona meodą zgadywania.

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

Wstęp do równań różniczkowych, studia I stopnia. 1. Znaleźć (i narysować przykładowe) rozwiązania ogólne równania y = 2x.

Wstęp do równań różniczkowych, studia I stopnia. 1. Znaleźć (i narysować przykładowe) rozwiązania ogólne równania y = 2x. Wstęp do równań różniczkowych, studia I stopnia 1. Znaleźć (i narysować przykładowe) rozwiązania ogólne równania y = 2x. 2. Znaleźć wszystkie (i narysować przykładowe) rozwiązania równania y + 3 3 y 2

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach

V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach 1. Niezależność wielomianów, funkcji wykładniczych i trygonometrycznych W paragrafie tym podamy pewien lemat 1 potrzebny w

Bardziej szczegółowo

f(t) f(x), D f(x) = lim sup t x oraz D f(x) = lim inf

f(t) f(x), D f(x) = lim sup t x oraz D f(x) = lim inf 9. Różniczkowanie. Jeśli f jest funkcją rzeczywistą, to granice D + f(x) = lim sup t x + f(t) f(x), D f(x) = lim sup t x t x f(t) f(x), t x f(t) f(x) f(t) f(x) D + f(x) = lim inf oraz D f(x) = lim inf

Bardziej szczegółowo

Gr.A, Zad.1. Gr.A, Zad.2 U CC R C1 R C2. U wy T 1 T 2. U we T 3 T 4 U EE

Gr.A, Zad.1. Gr.A, Zad.2 U CC R C1 R C2. U wy T 1 T 2. U we T 3 T 4 U EE Niekóre z zadań dają się rozwiązać niemal w pamięci, pamięaj jednak, że warunkiem uzyskania różnej od zera liczby punków za każde zadanie, jes przedsawienie, oprócz samego wyniku, akże rozwiązania, wyjaśniającego

Bardziej szczegółowo

Aproksymacja diofantyczna

Aproksymacja diofantyczna Aproksymacja diofantyczna Szymon Draga Ustroń, 4 listopada 0 r Wprowadzenie Jak wiadomo, każdą liczbę niewymierną można (z dowolną dokładnością) aproksymować liczbami wymiernymi Powstaje pytanie, w jaki

Bardziej szczegółowo

Wykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie

Wykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie Wykład 5 Elemeny eorii układów liniowych sacjonarnych odpowiedź na dowolne wymuszenie Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska

Bardziej szczegółowo

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

Własności wyznacznika

Własności wyznacznika Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo