O RELACJACH KOMUTACJI I NIEOZNACZONOŚCI W TEORII KWANTOWEJ
|
|
- Amelia Białek
- 4 lat temu
- Przeglądów:
Transkrypt
1 O RELACJACH KOMUTACJI I NIEOZNACZONOŚCI W TEORII KWANTOWEJ Andrzej Herdegen Instytut Fizyki UJ 3 grudnia 2015
2 Przypomnę matematyczne i fizyczne tło tytułowych zagadnień. Pokażę dlaczego spacer przez algebrę musi przemienić się we wspinaczkę na górę analizy funkcjonalnej, i jakie sa tego konsekwencje. Przedstawię oryginaln a propozycję uogólnienia relacji nieoznaczoności.
3 Obserwable w przestrzeni Hilberta H: dim H < rozkład jedynki: {E Ω }: Ω M = {a 1,..., a s } R (i) E 2 Ω = E Ω = E Ω dla każdego Ω (ii) E = 0, E M = 1 N (iii) Ω = Ω i, Ω i Ω j = E Ω = i=1 N i=1 E Ωi (iv) E Ω1 E Ω2 = E Ω1 Ω 2 Dla każdego unormowanego ψ H odwzorowanie M Ω µ ψ (Ω) (ψ, E Ω ψ) jest miara prawdopodobieństwa na M. Jeśli liczby a M zinterpretować jak wartości zmiennej losowej (obserwabli), która oznaczamy A, to ta miara daje jej rozkład w stanie ψ. Ta zmienna przyjmuje wartość a na podprzestrzeni E {a} H.
4 wartość oczekiwana dla funkcji f tej zmiennej losowej: f (A) = a f (a)µ ψ ({a}) = a f (a) ( ψ, E {a} ψ ) = ( ψ, a ) f (a)e {a} ψ operator samosprzężony A = a a E {a} zawiera cała informację o tej obserwabli: f (A) = (ψ, f (A)ψ) Tw spektralne Każdy samosprzężony operator A wyznacza rozkład jedynki E Ω na pewnym zbiorze liczb rzeczywistych σ(a) spektrum taki, że A = a σ(a) a E {a}
5 Obserwable współmierzalne; dim H < B = b σ(b) bp {b} inny operator samosprzężony A przyjmuje wartość a na E {a} H, B przyjmuje wartość b na P {b} H Możemy zatem przyjać, że na E {a} H P {b} H zachodza równocześnie oba stwierdzenia. Jednak aby to prowadziło do łacznego rozkładu probabilistycznego A i B w dowolnym stanie, te ortogonalne podprzestrzenie musza się składać na cała przestrzeń Hilberta: E {a} H P {b} H = H a,b
6 Ale stad dla każdego ψ H: ψ = a,b ψ ab gdzie ψ ab = E {a} ψ ab = P {b} ψ ab P {b} E {a} ψ = P {b} ψ ab = ψ ab = E {a} ψ a b = E {a} P {b} ψ b zatem [E Ω, P Σ ] = 0 dla każdych Ω σ(a), Σ σ(b) TW: To zachodzi wtedy, i tylko wtedy, gdy [A, B] = 0 w tym przypadku: (i) R Ω Σ = E Ω P Σ jest rozkładem jedności na σ(a) σ(b), (ii) dla każdego stanu ψ odwzorowanie Ω Σ (ψ, R Ω Σ ψ) określa miarę łacznego rozkładu prawdopodobieństwa zmiennych A i B a
7 Obserwable w p. Hilberta H; dim H dowolny rozkład jedynki: {E Ω }: Ω R zbiory borelowskie (i) E 2 Ω = E Ω = E Ω dla każdego Ω (ii) E = 0, E M = 1 (iii) N Ω = Ω i, Ω i Ω j = E Ω = s lim N i=1 (iv) E Ω1 E Ω2 = E Ω1 Ω 2 i=1 E Ωi Dla każdego ψ H odwzorowanie Ω µ ψ (Ω) (ψ, E Ω ψ) jest miar a prawdopodobieństwa na R. Interpretacja: rozkład pewnej obserwabli A w stanie ψ σ(a) dopełnienie maksymalnego otwartego zbioru Ω, dla którego E Ω = 0.
8 Twierdzenie spektralne Rozkład jedności {E Ω } określa jednoznacznie operator samosprzężony A z dziedzina D(A) w następujacy sposób: ψ D(A) a 2 dµ ψ (a) <, (ψ, Aψ) = a dµ ψ (a) σ(a) σ(a) symbolicznie A = a de a σ(a) Odwrotnie, każdy operator samosprzężony z dziedzin a D(A) ma takie przedstawienie.
9 Obserwable współmierzalne w przestrzeni Hilberta Obserwable A = a de a i B = b dp b sa współmierzalne wtedy, i tylko wtedy gdy [E Ω, P Σ ] = 0 dla każdych borelowskich Ω i Σ. Wtedy R Ω Σ = E Ω P Σ jest rozkładem identyczności, na R Ω Σ H wartość A jest w Ω, i równocześnie wartość B jest w Σ, które to zbiory moga być dowolnie małe. To jest właściwy sens określenia komutujace obserwable. równoważny warunek: [e ita, e isb ] = 0 Niech D D(AB) D(BA) gęsta w H. Załóżmy, że na niej [A, B] = 0. Czy stad wynika, że A i B komutuja jak wyżej? Nie! Tak nie jest nawet wtedy, gdy dodatkowo założyć, że zawężenia A i B do D całkowicie wyznaczaja A i B.
10 Przykład Nelsona M powierzchnia Riemanna funkcji x + iy, H = L 2 (M, dx dy) U(t) przesunięcie funkcji o t wzdłuż kierunku x, V (s) przesunięcie funkcji o s wzdłuż kierunku y unitarne ciagłe grupy jednoparametrowe, więc U(t) = e itp, V (s) = e isq, P, Q samosprzężone D podprzestrzeń gładkich funkcji w H o nośnikach nie dotykajacych punktu (0, 0) na żadnym płacie; na D: P = i / x, Q = i / y, P : D D, Q : D D, [P, Q] = 0 D jest gęsta oraz P i Q s a całkowicie wyznaczone swoimi zawężeniami do D Niech ψ skupiona w małym otoczeniu punktu ( 1, 1) na jednym z płatów. Wtedy U(2)V (2)ψ V (2)U(2)ψ, bo każda ze stron skupiona wokół punktu (+1, +1) na różnych płatach.
11 Relacje komutacji Zatem znikanie komutatora [A, B] na gęstej dziedzinie nie gwarantuje, że A, B sa współmierzalne. Natomiast jeśli komutator nie znika, to A i B nie sa współmierzalne. Niech A, B samosprzężone. Wtedy komutator jest określony na dziedzinie D(C) = D(AB) D(BA) i określa na tej dziedzinie symetryczny operator C: dla ψ D(C) [A, B]ψ = icψ Jeśli C 0, to A i B nie sa współmierzalne. Zatem nie istnieje rozkład jedynki R Ω Σ, a więc nie istnieje łaczny rozkład prawdopodobieństwa obserwabli A i B.
12 Czy wynika stad, że nie istnieja stany, w których A i B przyjmuja równocześnie dowolnie dokładnie określone wartości? Nie! Niech A 1 i B 1 na H 1 będa niewspółmierzalne, A 2 i B 2 na H 2 współmierzalne. Wtedy A = A 1 A 2 i B = B 1 B 2 na H 1 H 2 nie sa współmierzalne, ale dla stanów 0 ψ nie ma ograniczeń równoczesnej szerokości rozkładów A i B.
13 Relacje nieoznaczoności Relacje nieoznaczoności zmierzaja do uzyskania ograniczeń na równoczesna szerokość rozkładu A i szerokość rozkładu B w możliwie wielu stanach. Niech ψ D(C) unormowany; ozn. Â = A A ψ, ˆB = B B ψ. Dla dowolnego λ R: Stad 0 (ˆB iλâ)ψ 2 = 2 ψ (B)λ2 + C ψ λ + 2 ψ (A) ψ (A) ψ (B) 1 2 C ψ, ψ D(AB) D(BA) Równość zachodzi wtedy, i tylko wtedy, gdy dla pewnego λ 0 : (ˆB iλ 0 Â)ψ = 0. Zakładamy, że D(C) gęsta w H.
14 Otwarte pytania (i) Jeśli ψ / D(A), to ψ (A) =. Relacja nie mówi nic o ψ (B) w tym przypadku. (ii) Jeśli ψ D(A) D(B), to iloczyn szerokości jest skończony. Może zdarzyć się, że również C rozszerza się do tej większej dziedziny, ale relacja nieoznaczoności nie musi tam obowiazywać. (iii) Zawężenia A i B do D(C) nie musza określać A i B jednoznacznie. (iv) Jeśli C nie jest dodatni, to w ogólności prawa strona może być dowolnie mała lub 0 (np. relacje komutacji dla krętu).
15 Przykład (ii): para kat - kręt Samosprzężone Φ, L na H = L 2 ( 0, 2π ): D(Φ) = H, D(L) = {ψ H ψ H, ψ(0) = ψ(2π)} (Φψ)(ϕ) = ϕψ(ϕ), (Lψ)(ϕ) = iψ (ϕ), D(C) = {ψ H ψ H, ψ(0) = ψ(2π) = 0}, ψ (Φ) ψ (L) 1 2, ψ D(C) Cψ = ψ Obie strony skończone na D(Φ) D(L) = D(L), ale relacja nie rozszerza się do tej dziedziny; np dla Lψ = mψ: 0 1. Wyjaśnienie: dla tego ψ nie istnieje ciag ψ n D(C) taki, że równocześnie ψ n ψ i Lψ n Lψ
16 Operatory normalne A jest normalny gdy AA = A A. Dla takich operatorów: D(A ) = D(A) i A ψ = Aψ dla każdego ψ D(A) zachodzi twierdzenie spektralne A = z dez A, gdzie spektrum σ(a) C. σ(a) Ω (ψ, EΩ A ψ) miara prawdopodobieństwa na σ(a), z wartościa średnia A ψ = (ψ, Aψ) C i odchyleniem ψ (A) = (A A ψ )ψ Funkcje operatorów samosprzężonych s a operatorami normalnymi
17 Uogólnione relacje nieoznaczoności Dla normalnych A, B i ϕ, χ D(A) D(B) definiujemy q A,B (ϕ, χ) = (A ϕ, Bχ) (B ϕ, Aχ) i oznaczamy A a = A a1, B b = B b1, a, b C. Uogólnione Relacje Nieoznaczoności q A,B (ϕ, χ) inf = inf λ 1,λ 2 0,1 λ 1 +λ 2 =1 + a,b C ( ) (A a ϕ B b χ + B b ϕ A a χ { 2 ϕ(a) + δ A 2 λ ϕ(b) + δ B 2 λ χ(b) + δ B 2 λ 2 2 } 2 χ(a) + δ A 2 λ 2 2, gdzie δ A = A ϕ A χ, δ B = B ϕ B χ
18 Zastosowania dla A = A, B = B, ϕ = χ D(AB) D(BA): (χ, [A, B]χ) 2 (A A χ )χ (B B χ )χ standardowa relacja. Będę rozważać operatory samosprzężone i unitarne. Ogólna idea: dobrać odpowiednio operatory M i N i położyć ϕ = Mψ, χ = Nψ
19 Dla unitarnego V : 2 ψ (V ) = 1 V ψ 2 ; oznaczam δ ψ (V ) [ ψ (V ) 1 V [ 1 2 ψ (V ) ] 1/2 = ψ 2] 1/2. V ψ rosnaca funkcja rozmycia, daży do dla ψ (U) 1. Dla V (s) = e isx : 2 ψ (V (s)) = 2 dla ψ D(X): σ(x) σ(x) sin 2 [ 1 2 s(x x ) ] dµ ψ (x)dµ ψ (x ). lim s 0 s 2 2 ψ (V (s)) = lim s 0 s 2 δ 2 (V (s)) = 2 ψ (X)
20 Pary Weyla Dla W, U unitarnych, WU = ωuw, ω = 1: 1 2 ω 1 δ ψ(w ) δ ψ (U). para kanoniczna W (α) = e iαx, U(β) = e iβp : sin ( 1 2 αβ) αβ δ ψ(w (α)) δ ψ (U(β)). α β dla ψ D(X): 1 2 ψ(x) δ ψ(u(β)), β dla ψ D(X) D(P): 1 2 ψ(x) ψ (P)
21 kat kręt W (n) = exp[ inφ], n Z, U(β) = exp[ iβl], β R/ mod 2π: ( sin 1 2 nβ) δ ψ (W (n)) δ ψ(u(β)) β β dla ψ D(L): 1 2 n δ ψ(w (n)) ψ (L)..
22 Unitarna transformacja U unitarny, A samosprzężony, A U = U A U. Wtedy dla χ D(A) D(A U ) = D(A) U D(A): A U χ A χ δ χ (U) [ χ (A U ) + χ (A) ].
23 Ewolucja czasowa W obrazie Heisenberga: U(t) = e ith, A t = U( t)au(t); dla χ D(A t2 ) D(A t1 ): A t2 χ A t1 χ δ χ (U(t 2 t 1 )) [ χ (A t2 ) + χ (A t1 ) ]. dla χ τ (t ε,t+ε) D(A τ ) D(H) i takiego, że A t χ ciagły: 1 2 d A t χ χ (H) χ (A t ). dt Pełna formuła mocniejsza: niech A t χ t; aby to była dobra miara czasu, warunek: χ (A t ) pozostaje ograniczona przez stała. To możliwe tylko jeśli U(t) χ = (χ, χ t ) spada co najmniej jak 1/t z czasem.
24 Kręt J i operatory krętu na H; ozn. H m = Ker(J 3 m1), P operator rzutowania na: H 1/2 + H 1/2 fermiony, H 0 + H 1 lub H 1 + H 0 bozony. Wtedy (ψ, J 3 ψ) 2 ψ (J 1 ) ψ (J 2 ) + [ J δ] 1/2 ) Pψ ( ψ (J 1 ) + ψ (J 2 ), gdzie δ = 1 fermiony, δ = 0 bozony.
25 Podsumowanie Klasyczne obserwable maja zawsze łaczne rozkłady prawdopodobieństwa. Kwantowe obserwable maja łaczne rozkłady prawdopodobieństwa w każdym stanie wtw gdy ich operatory rzutowe komutuja. Znikanie komutatora na gęstej dziedzinie nie jest wystarczajace. Dla niewspółmierzalnych obserwabli moga istnieć stany o dowolnie małym rozmyciu w każdej z obserwabli. Poważne traktowanie dziedzin operatorów nieograniczonych ma zasadnicze matematyczne i fizyczne znaczenie. Pokazałem nietrywialne rozszerzenie relacji komutacji, o interesujacych implikacjach fizycznych.
26 A. Herdegen, P. Ziobro, Generalized uncertainty relations, Lett. Math. Phys. 107 (2017)
Prawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
Bardziej szczegółowoTwierdzenie spektralne
Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi
Bardziej szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoWykłady z Mechaniki Kwantowej
Wykłady z Mechaniki Kwantowej Mechanika Kwantowa, Relatywistyczna Mechanika Kwantowa Wykład dla doktorantów (2017) Wykład 4 Najpiękniejszą rzeczą, jakiej możemy doświadczyć jest oczarowanie tajemnicą.
Bardziej szczegółowoZadania z Algebry liniowej 4 Semestr letni 2009
Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także
Bardziej szczegółowo1. Matematyka Fizyki Kwantowej: Cześć Trzecia
1 Matematyka Fizyki Kwantowej: Cześć Trzecia Piotr Szańkowski Ćwiczenia nr 3 : Podstawowy aparatu matematycznego mechaniki kwantowej I OPERATORY Operator to odwzorowanie  : V V, które działa na stan,
Bardziej szczegółowoWykłady 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 szczegółowoII. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU. Janusz Adamowski
II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU Janusz Adamowski 1 1 Przestrzeń Hilberta Do opisu stanów kwantowych używamy przestrzeni Hilberta. Przestrzenią Hilberta H nazywamy przestrzeń wektorową
Bardziej szczegółowoZadania z Analizy Funkcjonalnej I* - 1
Zadania z Analizy Funkcjonalnej I* - 1 1. Która z następujących przestrzeni jest przestrzenią Banacha w normie supremum: C(R); C ogr (R) przestrzeń funkcji ciągłych ograniczonych; C zw (R) przestrzeń funkcji
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
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 szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoWstęp do Modelu Standardowego
Wstęp do Modelu Standardowego Plan (Uzupełnienie matematyczne II) Abstrakcyjna przestrzeń stanów Podstawowe własności Iloczyn skalarny amplitudy prawdopodobieństwa Operatory i ich hermitowskość Wektory
Bardziej szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;
Bardziej szczegółowo5 Reprezentacje połozeniowa i pedowa
5 Reprezentacje połozeniowa i pedowa 5.1 Reprezentacja położeniowa W poprzednim rozdziale znaleźliśmy jawną postać operatora Ĥ w przedstawieniu położeniowym. Co to znaczy? W przedstawieniu położeniwym
Bardziej szczegółowo1 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 szczegółowoDystrybucje, 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 szczegółowoPOSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny
POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny Funkcja Falowa Postulat 1 Dla każdego układu istnieje funkcja falowa (funkcja współrzędnych i czasu), która jest ciągła, całkowalna w kwadracie,
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowo1 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 szczegółowoAnaliza Funkcjonalna - Zadania
Analiza Funkcjonalna - Zadania 1 Wprowadzamy następujące oznaczenia. K oznacza ciało liczb rzeczywistych lub zespolonych. Jeżeli T jest dowolnym zbiorem niepustym, to l (T ) = {x : E K : x funkcja ograniczona}.
Bardziej szczegółowo1 Przestrzenie Hilberta
M. Beśka, Wykład monograficzny, Dodatek 1 1 Przestrzenie Hilberta 1.1 Podstawowe fakty o przestrzeniach Hilberta Niech H będzie przestrzenią liniową nad ciałem liczb rzeczywistych. Określmy odwzorowanie,
Bardziej szczegółowoWykłady z Mechaniki Kwantowej
Wykłady z Mechaniki Kwantowej Mechanika Kwantowa, Relatywistyczna Mechanika Kwantowa Wykład dla doktorantów (2017) Wykład 3 Fakty nie są najważniejsze. Zresztą, aby je poznać, nie trzeba studiować na
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoPostulaty interpretacyjne mechaniki kwantowej Wykład 6
Postulaty interpretacyjne mechaniki kwantowej Wykład 6 Karol Kołodziej Instytut Fizyki Uniwersytet Śląski, Katowice http://kk.us.edu.pl 19 września 2014 Karol Kołodziej Postulaty interpretacyjne mechaniki
Bardziej szczegółowoNiezb. ednik matematyczny. Niezb. ednik matematyczny
Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoMechanika kwantowa ćwiczenia, 2007/2008, Zestaw II
1 Dane są następujące operatory: ˆD = x, ˆQ = π 0 x, ŝin = sin( ), ĉos = cos( ), ˆπ = π, ˆ0 = 0, przy czym operatory ˆπ oraz ˆ0 są operatorami mnożenia przez opowienie liczby (a) Wyznacz kwarat oraz owrotność
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoRównanie Schrödingera
Równanie Schrödingera Maciej J. Mrowiński 29 lutego 2012 Zadanie RS1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = 0 ma następującą postać: A(a Ψ(x,0) = 2 x 2 ) gdy x [ a,a] 0 gdy x / [ a,a]
Bardziej szczegółowo21 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 szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoF 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 szczegółowoWYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki
WYKŁAD 3 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Schemmat Bernouliego Rzucamy 10 razy moneta, próba Bernouliego jest pojedynczy
Bardziej szczegółowoWstęp do komputerów kwantowych
Wprowadzenie do mechaniki kwantowej Uniwersytet Łódzki, Wydział Fizyki i Informatyki Stosowanej 2008/2009 Wprowadzenie do mechaniki kwantowej Podstawy matematyczne 1 Algebra liniowa Bazy i liniowa niezależność
Bardziej szczegółowoPostulaty mechaniki kwantowej
Wyk lad 2 Postulaty mechaniki kwantowej 1 wymiar Postulat Stan czastki określa funkcja falowa Ψ = Ψ(x, t) zależna od po lożenia czastki x oraz czasu t. Interpretacje fizyczna ma jedynie kwadrat modu lu
Bardziej szczegółowoWykład 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 szczegółowoPostulaty mechaniki kwantowej
3.10.2004 11. Postulaty mechaniki kwantowej 120 Rozdział 11 Postulaty mechaniki kwantowej Mechanika kwantowa, jak zresztą każda teoria fizyczna, bazuje na kilku postulatach, które przyjmujemy "na wiarę".
Bardziej szczegółowoStacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła
Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła autokorelacji Łukasz Dębowski ldebowsk@ipipan.waw.pl Instytut Podstaw Informatyki PAN autokorelacji p. 1/25 Zarys referatu Co to sa procesy
Bardziej szczegółowoZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH
ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH Punkty okresowe, zbiory graniczne, sprzężenia Zadanie 1. Pokazać, że trajektoria (w przód) punktu x w przestrzeni metrycznej X pod działaniem ciągłego
Bardziej szczegółowoZadania 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 szczegółowo1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler
GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoCałki podwójne. Definicja całki podwójnej. Jacek Kłopotowski. 25 maja Katedra Matematyki i Ekonomii Matematycznej
Definicja całki podwójnej Katedra Matematyki i Ekonomii Matematycznej 25 maja 2016 Definicja całki podwójnej Załóżmy, że f : K R, gdzie K = a, b c, d R 2, jest funkcją ograniczoną. Niech x 0, x 1,...,
Bardziej szczegółowoWykłady z Mechaniki Kwantowej
Wykłady z Mechaniki Kwantowej Mechanika Kwantowa, Relatywistyczna Mechanika Kwantowa Wykład dla doktorantów (017) Wykład 6 Długoletnie błądzenie w ciemnościach w poszukiwaniu prawdy odczuwanej, lecz nieuchwytnej,
Bardziej szczegółowoA 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 szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoMetoda największej wiarygodności
Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna
Bardziej szczegółowoTwierdzenie spektralne
Twierdzenie spektralne Tomasz Kochanek Uniwersytet Śląski Instytut Matematyki XXXI Sesja KNM UŚ Motywacje, intuicje, konstrukcje Szczyrk 10 13 listopada 2011 Tomasz Kochanek (Uniwersytet Śląski) Twierdzenie
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowoCentralne twierdzenie graniczne
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1
Bardziej szczegółowoParametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f
Zadanie. W kolejnych latach t =,,,... ubezpieczony charakteryzujący się parametrem ryzyka Λ generuje N t szkód. Dla danego Λ = λ zmienne N, N, N,... są warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Bardziej szczegółowoWykłady... 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 szczegółowoUkłady statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki
Instytut Fizyki 2015 Stany mikroskopowe i makroskopowe w układzie wielopoziomowym Stany mikroskopowe i makroskopowe w układzie wielopoziomowym N rozróżnialnych cząstek, z których każda może mieć energię
Bardziej szczegółowoMechanika Kwantowa. Maciej J. Mrowiński. 24 grudnia Funkcja falowa opisująca stan pewnej cząstki ma następującą postać: 2 x 2 )
Mechanika Kwantowa Maciej J. Mrowiński 4 grudnia 11 Zadanie MK1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = ma następującą postać: A(a Ψ(x,) = x ) gdy x [ a,a] gdy x / [ a,a] gdzie a +. Wyznacz
Bardziej szczegółowoDystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5
Dystrybucje Marcin Orchel Spis treści 1 Wstęp 1 1.1 Dystrybucje................................... 1 1.2 Pochodna dystrybucyjna............................ 3 1.3 Przestrzenie...................................
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoMetody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie
Bardziej szczegółowoInformacja 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 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 szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoCałki powierzchniowe w R n
Całki powierzchniowe w R n Na początek małe uzupełnienie z algebry liniowej. Niech R n k oznacza przestrzeń liniową macierzy o n wierszach i k kolumnach. Dla dowolnej macierzy A R n k, gdzie k n, połóżmy
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład V: Zmienne losowe i ich wartości oczekiwane 25 października 2017 Definicja zmiennej losowej Definicja Zmienne losowa to charakterystyka liczbowa wyniku eksperymentu losowego. Zmienne losowa na przestrzeni
Bardziej szczegółowoMetody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),
Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: Fx sinx, Fx a e x mogą być dystrybuantami?. Podaj twierdzenie Lindeberga
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Metody specjalne Monte Carlo 24 listopada 2014 Transformacje specjalne Przykład - symulacja rozkładu geometrycznego Niech X Ex(λ). Rozważmy zmienną losową [X ], która przyjmuje wartości naturalne.
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa
Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa 2.1. σ ciało (algebra) zdarzeń Katarzyna Rybarczyk-Krzywdzińska losowe Zdarzenie losowe to pewien podzbiór przestrzeni zdarzeń
Bardziej szczegółowoWEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej
WEKTORY I WARTOŚCI WŁASNE MACIERZY Ac λ c (*) ( A λi) c nietrywialne rozwiązanie gdy det A λi problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej A - macierzowa
Bardziej szczegółowo7 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 szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 2. Aksjomatyczna definicja prawdopodobieństwa Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 10.10.2017 1 / 33 Klasyczna definicja prawdopodobieństwa
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze
Bardziej szczegółowoz pokryciem (O i ) i I rozkładu jedności (α i ) i I. Zauważmy najpierw, że ( i I α i )ω dω = d(1 ω) = d d(α i ω). Z drugiej jednak strony
Dowód: Niech M będzie jak w założeniach twierdzenia. Weźmy skończony atlas O i, ϕ i ) na M zgodny z orientacją. Zbiór indeksów I może być skończony, gdyż rozmaitość M jest zwarta. Õi, ϕ i ) oznaczać będzie
Bardziej szczegółowo= b i M i [x], gdy charf = p, to a i jest pierwiastkiem wielomianu x n i
15. Wykład 15: Rozszerzenia pierwiastnikowe. Elementy wyrażające się przez pierwiastniki. Rozwiązalność równań przez pierwiastniki. Równania o dowolnych współczynnikach. 15.1. Rozszerzenia pierwiastnikowe.
Bardziej szczegółowoStatystyka i eksploracja danych
Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Statystyka i eksploracja
Bardziej szczegółowoKryptografia - zastosowanie krzywych eliptycznych
Kryptografia - zastosowanie krzywych eliptycznych 24 marca 2011 Niech F będzie ciałem doskonałym (tzn. każde rozszerzenie algebraiczne ciała F jest rozdzielcze lub równoważnie, monomorfizm Frobeniusa jest
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowo2 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 szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoMatematyka dla biologów Zajęcia nr 13.
Matematyka dla biologów Zajęcia nr 13. Dariusz Wrzosek 16 stycznia 2019 Matematyka dla biologów Zajęcia 13. 16 stycznia 2019 1 / 34 Plan: 1 Rachunek prawdopodobienstwa-zmienne losowe o rozkładzie ciagłym
Bardziej szczegółowoSeria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie
Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie
Bardziej szczegółowoWykłady z Mechaniki Kwantowej
Wykłady z Mechaniki Kwantowej Mechanika Kwantowa, Relatywistyczna Mechanika Kwantowa Wykład dla doktorantów (2017) Wykład 7 Jesteśmy uczniami w szkole natury i kształtujemy nasze pojęcia z lekcji na lekcję.
Bardziej szczegółowoPierścień wielomianów jednej zmiennej
Rozdział 1 Pierścień wielomianów jednej zmiennej 1.1 Definicja pierścienia wielomianów jednej zmiennej Definicja 1.1 Niech P będzie dowolnym pierścieniem. Ciąg nieskończony (a 0, a 1,..., a n,...) elementów
Bardziej szczegółowoProcesy stochastyczne
Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są
Bardziej szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowoRachunek 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 szczegółowoMatematyka dyskretna
Matematyka dyskretna Wykład 6: Ciała skończone i kongruencje Gniewomir Sarbicki 2 marca 2017 Relacja przystawania Definicja: Mówimy, że liczby a, b Z przystają modulo m (co oznaczamy jako a = b (mod m)),
Bardziej szczegółowoCałka podwójna po prostokącie
Całka podwójna po prostokącie Rozważmy prostokąt = {(x, y) R : a x b, c y d}, gdzie a, b, c, d R, oraz funkcję dwóch zmiennych f : R ograniczoną w tym prostokącie. rostokąt dzielimy na n prostokątów i
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 9 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
Bardziej szczegółowoZmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski
Powtórzenie Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 1 Podręcznik podstawowy Jacek Koronacki, Jan Mielniczuk: Statystyka dla studentów kierunków technicznych i przyrodnicznych,
Bardziej szczegółowo