Twierdzenie Brouwer a i jego wybrane zastosowania.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Twierdzenie Brouwer a i jego wybrane zastosowania."

Transkrypt

1 UNIWERSYTET KARDYNAŁA STEFANA WYSZYŃSKIEGO W WARSZAWIE WYDZIAŁ MATEMATYCZNO-PRZYRODNICZY SZKOŁA NAUK ŚCISŁYCH Krzysztof Leśniewski numer albumu kierunek matematyka Twierdzenie Brouwer a i jego wybrane zastosowania. Praca magisterska napisana pod kierunkiem prof. UKSW dr hab. Ewy Bednarczuk WARSZAWA 2012

2 .

3 Krzysztof Leśniewski numer albumu: kierunek: MATEMATYKA Dziekan Wydziału Matematyczno-Przyrodniczego. Szkoła Nauk Ścisłych UKSW Prof. UKSW dr hab. Jerzy Cytowski OŚWIADCZENIE Świadomy odpowiedzialności prawnej oświadczam, że niniejsza praca dyplomowa została napisana przeze mnie samodzielnie i nie zawiera treści uzyskanych w sposób niezgodny z obowiązującymi przepisami. Oświadczam również, że przedstawiona praca nie była wcześniej przedmiotem procedur związanych z uzyskaniem tytułu zawodowego z żadnej uczelni. Oświadczam ponadto, że niniejsza wersja pracy jest identyczna z załączoną wersją elektroniczną. Krzysztof Leśniewski numer albumu: kierunek: MATEMATYKA Dziekan Wydziału Matematyczno-Przyrodniczego. Szkoła Nauk Ścisłych UKSW Prof. UKSW dr hab. Jerzy Cytowski OŚWIADCZENIE Oświadczam, że niniejsza praca napisana przez Pana Krzysztofa Leśniewskiego (nr albumu 62712) została przygotowana pod moim kierunkiem i stwierdzam, że spełnia ona warunki do przedstawienia jej w postępowaniu o nadanie tytułu zawodowego.

4 .

5 Spis treści Wstęp 3 Część I Twierdzenie Brouwer a I.1 Podstawowe pojęcia. 4 I.2 Twierdzenie Brouwer a. 7 I.3 Lemat Knastera-Kuratowskiego-Mazurkiewicza. 8 I.4 Triangulacja. 10 I.5 Lemat Sperner a. 14 I.6 Przykłady triangulacji. 20 I.7 Algorytm znajdujący sympleks zupełny. 26 I.8 Przykład. 29 Część II Zastosowania II.1 Istnienie punktu równowagi Nash a. 32 II.2 Istnienie ceny równowagi w modelu gospodarki konkurencyjnej. 34 II.3 Twierdzenie Schauder a. 36 Zakończenie 40 Literatura 41 1

6 Podstawowe pojęcia i oznaczenia można znaleźć w [1] oraz w [3]: N 0 = {0, 1,..., n}. N = {1, 2,..., n}. conv V - wypukła otoczka, tzn. najmniejszy zbiór wypukły zawierający V. S - brzeg topologiczny zbioru S. ints - wnętrze zbioru S. S - domknięcie zbioru S. s R n - wektor znaku; i = 1,..., n s i = +1. u i R n - punkt jednostkowy; u i = (0,..., 1,..., 0) gdzie 1 jest na i-tym miejscu. v j R n+1 - punkt jednostkowy w R n+1. v = j N 0 v j tzn. v = (1, 1,..., 1) T R n+1. x 2 - norma Euklidesowa; dla x R n x 2 = ( n j=1 x j ) 1/2. x - norma l ; dla x R n x = max i x i. B m - domknięta kula jednostkowa w R m ; B m = {x R m : x 2 1}. R m + = {x R m : x 0}. diam p C - średnica zbioru C; diam p C = sup x,y C x y p gdzie p = 2 lub p =. mesh p G - średnica triangulacji G; sup C G {diam p C}. - znak końca dowodu. 2

7 Wstęp Jednymi z najważniejszych twierdzeń w matematyce są twierdzenia o punkcie stałym. W pracy będę omawiał Twierdzenie Brouwer a mówiące, iż każda ciągła funkcja z n-komórki w siebie ma co najmniej jeden punkt stały. Twierdzenie to ma wiele zastosowań w ekonomii, optymalizacji, teorii gier oraz w metodach numerycznych. Duński matematyk Luitzen E.J. Brouwer dowiódł powyższy fakt w Dowód dla n < 3 znany był na początku powstawania Analizy Rzeczywistej jako twierdzenie Darboux. Dla n=3 dowód w 1904 przeprowadził łotewski matematyk Piers Bohl jednak nie został on opublikowany. W przypadku ogólnym twierdzenie zostało udowodnione w 1910 przez Jacques a Hadamard a jednak dowód Brouwer a korzystał z nowszych metod. Początek dała mu praca H.Knastera, K.Kuratowskiego i S.Mazurkiewicza. Lemat ten okazał się użyteczny nie tylko do dowodu twierdzenia Brouwera, ale także wielu innych wyników. Został on, między innymi zastosowany do twierdzeń o minimaksie, do znajdowania punktów równowagi oraz do wyników z teorii gier, które z kolei zostały wykorzystane w badaniach modeli matematycznych zagadnień ekonomii. Głównym celem pracy będzie przedstawienie algorytmu przybliżającego punkty stałe. Dowody egzystencjalne są bardzo istotne w matematyce jednak często dowód konstruktywny ma dużo większe zastosowanie. W ekonomicznym modelu konkurencyjnej gospodarki Arrow a i Hahn a[7] twierdzenie Brouwer a daje nam nie tylko fakt istnienia ceny równowagi ale również wskazuje nam jakie ceny powinny obowiązywać na rynku. W przedstawionym zastosowaniu z teorii gier odpowiedni algorytm może obliczać jakie strategie powinni wybierać gracze aby gra była optymalna. W ostatnich latach dowód twierdzenia Brouwera został znacząco uproszczony. Aby przedstawić związany z tym dowodem algorytm posłużę się pewnym kombinatorycznym faktem(lemat Sperner a [7,9]). W części pierwszej sformułuję i udowodnię twierdzenie Brouwer a. Przedstawię przykładową triangulację oraz algorytm szukania punktu stałego. Część druga będzie poświęcona zastosowaniom. 3

8 . 4

9 Część I Twierdzenie Brouwer a. I.1 Podstawowe pojęcia. W rozdziale tym sformułuję podstawowe pojęcia. Wyszczególnię pewną klasę zbiorów wypukłych oraz zbadam jej własności. Definicja I.1.1 (Funkcja ciągła). Funkcję h : R n R n nazywamy ciągłą w punkcie x 0 jeśli {x n } n n lim x n = x 0 mamy n lim f(x n ) = f(x 0 ). Mówimy, że funkcja jest ciągła jeśli jest ciągła w każdym punkcie przestrzeni R n. Definicja I.1.2 (Homeomorfizm). Funkcję h : R n R n nazywamy homeomorfizmem jeśli jest różnowartościowa, na oraz h, h 1 są ciągłe. Definicja I.1.3 (n-komórka). Domkniętą n-komórką nazywamy zbiór, który jest homeomorficzny z kulą B n = {x R n : x 2 1}. Definicja I.1.4 (Kombinacja afiniczna). Niech j 1. Mówimy, że x jest kombinacją liniową punktów x 0,..., x j należących do R m jeśli x = j i=0 λ i x i gdzie λ i R. Jeśli λ i R + oraz j i=0 λ i = 1 mówimy, że x jest wypukłą kombinacją. Mówimy, że x jest afiniczną kombinacją punktów x j jeśli j i=0 λ i = 1 (λ i nie muszą być nieujemne). Definicja I.1.5 (Afiniczna otoczka). Niech S R m. Afiniczną otoczką zbioru S nazywamy zbiór wszystkich afinicznych kombinacji elementów ze zbioru S i oznaczamy przez aff (S). Zbiór S jest afiniczną podprzestrzenią jeśli aff (S) = S. Wymiarem S jest wymiar odpowiedniej podprzestrzeni liniowej generowanej przez aff (S). Definicja I.1.6 (Relatywne wnętrze). Relatywnym wnętrzem zbioru S będziemy nazywać zbiór {x S : ɛ > 0 : B(x, ɛ) aff (S) S}. Definicja I.1.7 (Afiniczna niezależność). Punkty y 0,..., y j R m, gdzie 1 j m, są afinicznie niezależne jeśli j i=0 λ i y i = 0 oraz j i=0 λ i = 0 implikuje, że λ i = 0 dla każdego 0 i j. Lemat I.1.9 Punkty jednostkowe v 0,..., v n R n+1 są afinicznie niezależne w R n+1 oraz ich otoczką afiniczną jest zbiór {x R n+1 : v T x = 1}, gdzie v = (1, 1,..., 1) R n+1. Dowód: Punkty v 0,..., v n R n+1 gdzie v i = (0,..., 1,...0), są afinicznie } {{ } i niezależne ponieważ n i=0 λ i v i = (λ 0,..., λ n ) T = 0 implikuje λ i = 0 dla i = 5

10 0, 1,..., n. Niech x będzie afiniczną kombinacją punktów v i, 0 i n tzn. x = ni=0 λ i v i gdzie n i=0 λ i = 1. Wtedy x {x R n+1 : v T x = 1}. Niech x = (x 0,..., x n ) T {x R n+1 : v T x = 1} wtedy x 0 + x x n = 1 i x jest afiniczną kombinacją punktów v 0,..., v n. Definicja I.1.10 (j-sympleks). Niech punkty y 0,..., y j R m, gdzie 1 j m będą afinicznie niezależne. Wtedy relatywne wnętrze ich otoczki wypukłej tzn. zbiór σ = { j i=0 λ i y i : λ i > 0, j i=0 λ i = 1} nazywamy j-sympleksem rozpiętym na y 0,..., y j i oznaczamy < y 0,..., y j >. Punkty y 0,.., y j nazywamy wierzchołkami sympleksu σ =< y 0,.., y j >. Sympleks σ =< y 0,..., y j > jest relatywnie otwarty. Przez σ będziemy oznaczać jego domknięcie, σ = [y 0, y 1,..., y n ]. Dla j = 0 sympleksem < y >= [y] nazywamy zbiór jednoelementowy złożony tylko z wierzchołka y. Definicja I.1.11 (Ściana sympleksu). Sympleks τ jest ścianą sympleksu σ jeśli wszystkie wierzchołki τ są wierzchołkami σ. Jeśli dimτ = dimσ 1 to sympleks τ będziemy nazywać ścianą główną. Przykład (m = 2) rys.1 Sympleks σ =< y 0, y 1, y 2 > jest wnętrzem trójkąta o wierzchołkach y 0, y 1, y 2 (rys.1). Niech τ =< y 0, y 1 >-otwarty odcinek od y 0 do y 1, oraz τ =< y 0 >= [y 0 ], zbiór złożony tylko z jednego punktu {y 0 }. τ oraz τ są ścianami σ, przy czym τ jest ścianą główną. Definicja I.1.12 (Standardowy sympleks). Standardowym sympleksem S n R n+1 nazywamy sympleks rozpięty na punktach jednostkowych v 0,..., v n należących do R n+1. 6

11 Dla standardowego sympleksu szczególnym przykładem ściany głównej jest zbiór S n i = {x S n : x i = 0}. Mówimy, że jest to ściana główna naprzeciwko wierzchołka v i. Pokażę, że S n jest n-komórką. Lemat I.1.13 Jeśli C R n jest zwarty, wypukły oraz intc, to C jest domkniętą n-komórką. Dowód: Z definicji, wystarczy wskazać homeomorfizm h : B n na C. Niech c intc. Dla 0 d R n zdefiniujmy Θ(d) = max{θ R : c + θd C}. Z faktu, że C jest zwarty wynika, że istnieje θ d takie, że Θ(d) jest osiągane, tzn. Θ(d) = θ d, gdzie c + θ d d C. rys.2 Skoro c intc, to mamy Θ(d) > 0 i dodatkowo Θ(λd) = λ 1 Θ(d) dla λ > 0. Teraz definiujemy funkcję h : B n C, h(d) = c + d 2 Θ(d)d dla d 0 oraz h(0) = 0. Łatwo zauważyć, że h(d) = c wtedy i tylko wtedy gdy d = 0, zatem h(d) = h(d ) = c d = d. Niech teraz h(d) = h(d ) c mamy d 2 θ(d)d = d 2 Θ(d )d Stąd d = λd, λ > 0. Ale wtedy d 2 Θ(d)d = λ d 2 λ 1 Θ(d)λd i dostajemy λ = 1. Zatem funkcja h jest różnowartościowa. Pokażę, że h jest na. Skoro h(0) = c, wystarczy znaleźć d B n takie, że h(d) = x dla x C, x c. Niech d = (x c)/ x c 2 Θ(x c). Widać, że d B n oraz h(d) = x. Pokażemy, że funkcja Θ( ) jest funkcją ciągłą. Niech d n d 0. Musimy udowodnić, że Θ(d n ) Θ(d 0 ). Oznaczmy Θ(d n ) = θ n. Zbiór C jest zwarty zatem ciąg c + θ n d n C zawiera podciąg zbieżny do c + θ 0 d 0 C. Stąd Θ(d 0 ) θ 0. Pokażemy, że Θ(d 0 ) = θ 0. Przez zaprzeczenie przypuśćmy, że tak nie jest. Istnieje ɛ > 0 taki, że (c + Θ(d 0 )d 0 + ɛb) (c + θ 0 d 0 ) =. Odcinek < c, c + Θ(d 0 )d 0 > intc. Istnieje więc ɛ 1 > 0 oraz θ 0 takie, że θ 0 < θ 0 < θ(d 0 ) i c + θ 0 d 0 + ɛ 1 B intc. Ze zbieżności N takie, że n > N 7

12 mamy c + Θ(d n )d n c + θ 0 d 0 + ɛ 1 B n > N. Stąd c + Θ(d n )d n = c + θ 0 d 0 + ɛ 1 b n dla pewnego b n B. Dodajmy do obu stron tego wyrażenia składnik Θ(d 0 )d n θ 0 d n. Mamy c + d n (Θ(d n ) + Θ(d 0 ) θ 0 ) = c + θ 0 (d 0 d n ) + Θ(d 0 )d n + ɛ 1 b n intc. Drugi składnik po lewej stronie jest ostro większy od Θ(d n ) stąd dla odpowiednio dużego n i małego ɛ 1 mamy sprzeczność. W następnym lemacie udowodnimy, że S n jest n-komórką pokazując, iż S n jest homeomorficzny z C n = {x R n : 1 x 1 x 2... x n 0}, który jest zwarty, wypukły oraz ma niepuste wnętrze. Lemat I S n jest domkniętą n-komórką. Dowód. : Wystarczy wskazać homeomorfizm h : C n na S n. Dla c C n niech h(c) := v 0 + Qc. Stąd h 1 (s) := Q s gdzie Q jest macierzą (n + 1) n: oraz Q. macierzą n (n + 1): Funkcje h oraz h 1 są ciągłe. Weźmy c C n h(c) = v 0 +Qc = (1 c 1, c 1 c 2,..., c n ) T. Musimy pokazać, że h(c) S n tzn. h(c) można przedstawić jako n i=0 λ i v i gdzie n i=0 λ i = 1. Wystarczy wziąć λ 1 = 1 c 1, λ 2 = c 1 c 2,..., λ n = c n ; ni=0 λ i = 1. Funkcja h jest różnowartościowa oraz na. Sympleks S n jest homeomorficzny ze zbiorem C n, a więc na mocy lematu I.1.13 S n jest homeomorficzny z B n. I.2 Twierdzenie Brouwer a. W rozdziale tym sformułuję twierdzenie Brouwer a. Pokażę, że wystarczy je udowodnić dla S n. Twierdzenie I.2.1 (Brouwer a). Niech C R n będzie domkniętą n- komórką oraz niech f : C C będzie funkcją ciągłą. Wtedy x C f(x ) = x. Lemat I.2.2. Twierdzenie Brouwer a jest prawdziwe dla n-komórki jeśli jest 8

13 prawdziwe dla sympleksu S n. Dowód : Niech C będzie n-komórką oraz niech f : C C będzie funkcją ciągłą. Musimy pokazać, że f ma punkt stały tzn. x C taki, że f(x ) = x. Z założenia istnieje homeomorfizm h : B n na C. Ponieważ S n jest n-komórką, to istnieje homeomorfizm h 0 : B n na S n. Wtedy złożenie f 0 := h 0 h 1 fhh 1 0 : S n S n jest ciągłe i z założenia ma punkt stały x. Mamy: f 0 (x ) = x stąd h 0 h 1 fhh 1 0 (x ) = x i f(hh 1 0 (x )) = hh 1 0 (x ) = x C. Zatem f ma własność punktu stałego. Podam teraz prosty dowód Twierdzenia Brouwer a dla n = 1 oraz dla C = [0, 1]. Rozważmy ciągłą funkcję f : [0, 1] [0, 1]. Jeśli f(0) = 0 lub f(1) = 1 to mamy punkt stały, jeśli nie to rozważmy g(x) := f(x) x, która jest ciągła oraz g(0) > 0 > g(1). Z twierdzenia Darboux o wartościach średnich dla funkcji ciągłych mamy, iż g przyjmuje wartość 0. rys.3 I.3 Lemat Knastera-Kuratowskiego-Mazurkiewicza. W pierwszym kroku dowodu twierdzenia Brouwer a sprowadzimy problem dowodu twierdzenia Brouwer a do lematu Knastera-Kuratowskiego- Mazurkiewicza[3], który będziemy w skrócie nazywać lematem K-K-M. Będziemy dzielić nasz zbiór na mniejsze podzbiory by pokazać, że pewne ich przecięcie 9

14 jest niepuste. Dowód tego lematu nie jest prosty ale sprowadzimy go do prostego faktu kombinatorycznego(lemat Sperner a [7,9]). Twierdzenie I.3.1 (Lemat K-K-M). Niech C i R n+1 gdzie i N 0 będzie rodziną domkniętych podzbiorów S n spełniającą warunki: (i) S n = i N 0 C i, (ii) jeżeli I, I N 0, J = N 0 \ I to i I gdzie S n i = {x S n : x i = 0}. Wtedy i N 0 C i. S n i C j j J rys.4 Uwaga: dla n = 1 warunek (ii) oznacza, iż v 0 C 0 oraz v 1 C 1. Dla n = 2 założenia przedstawia rys.4. Twierdzenie I.3.2. Lemat K-K-M implikuje twierdzenie Brouwer a. Dowód: Na podstawie Lematu I.2.2 wystarczy udowodnić, że lemat K-K- M implikuje twierdzenie Brouwer a dla sympleksu S n. Niech f : S n S n 10

15 będzie ciągła, f = (f 0,..., f n ) oraz niech v i, i = 0, 1,..., n będą punktami jednostkowymi w R n+1. Dla i N 0 niech C i = {x S n : f i (x) x i > 0} oraz C i = C i. Pokażę, że C i spełniają warunki lematu I.3.1. (i) oczywiste. : Jeżeli x S n oraz x / C i dla i N 0 to f i (x) > x i i I gdzie I = {i N 0 : x i > 0}. Wtedy 1 = v T x = v i x i < v i f i (x) v T f(x) = 1 i I i I co jest niemożliwe. Stąd S n C i C i. i N 0 i N 0 (ii) Z definicji x Si n, x / C i, i I wtedy dla J = N 0 \ I mamy i I x C j C j. j J j J Zatem zbiory C i spełniają założenia lematu K-K-M. Z założenia, że lemat K-K-M jest prawdziwy wynika, że istnieje x C i i N 0. Stąd x C i dla i N 0 zatem f i (x) x i i N 0. Dodatkowo 1 = v T x = v T f(x ) implikuje, iż f i (x ) = x i, i N 0. Stąd x jest punktem stałym f. I.4 Triangulacja. W rozdziale tym podzielę sympleks S n na mniejsze podzbiory. Definicja I.4.1 (Podział zbioru) Niech S R n. Rodzinę zbiorów A t S dla t T nazywamy podziałem zbioru S jeśli: (i) A t t T. (ii) t T A t = S. (iii) A t1 A t2 = jeśli t 1 t 2. Zgodnie z definicją I.1.11 ścianą sympleksu σ nazywamy sympleks, którego wierzchołki są wierzchołkami sympleksu σ. Mówimy, że dwa j-sympleksy są przystające jeśli mają wspólny (j 1)-sympleks jako ścianę. Będziemy dzielić nasz sympleks na mniejsze części tak by elementy tego podziału również były sympleksami. Taki podział będziemy nazywać triangulacją. Definicja I.4.2 (Triangulacja) Niech C R m będzie wypukły oraz niech aff C ma wymiar n m. Triangulacją G zbioru C będziemy nazywać rodzinę 11

16 podzbiorów zbioru C taką, że: (i) G jest zbiorem n-sympleksów. (ii) Wszystkie ściany sympleksów z G tworzą podział C. (iii) Każdy x C ma niepuste przecięcie ze skończoną ilością sympleksów z G. (warunek lokalnej skończoności). Zgodnie z powyższą definicją odrzucamy następujące przypadki: rys.5 Uwaga: Definicja I.4.2 (ii) wyklucza przypadek drugi z rys.5 ponieważ elementy τ oraz x są ścianami dla sympleksów z triangulacji i mają niepustą część wspólną. Przykład. Triangulacja kwadratu. Rodzina podzbiorów G = {< y 0, y 1, y 2 >, < y 0, y 2, y 3 >, < y 0, y 3, y 4 >, < y 0, y 4, y 1 >} jest triangulacją kwadratu jak na rys.6: rys.6 12

17 Przez G j oznaczamy zbiór złożony z j-sympleksów,0 j n, które są ścianami sympleksów z G. Stąd G n = G natomiast G 0 jest zbiorem wierzchołków wszystkich sympleksów z G, oznaczmy przez G + = j N 0 G j. Następne twierdzenie scharakteryzuje podstawowe własności triangulacji. Twierdzenie I.4.3. Niech G będzie triangulacją zbioru C R m, dimc = n m. Wtedy (a) σ = C, σ G (b) jeśli σ 1, σ 2 G oraz σ 1 σ 2, wtedy τ = σ 1 σ 2 jest domknięciem wspólnej ściany obu sympleksów σ 1 i σ 2, (c) jeśli D C jest zwarty, to D ma niepustą część wspólną ze skończoną ilością sympleksów z G, (d) jeśli τ G n 1, to tylko jeden z poniższych warunków jest spełniony: (i) τ C i τ jest ścianą dokładnie jednego sympleksu z G; (ii) τ C i τ jest ścianą dla dokładnie dwóch sympleksów z G, (e) niech D C, dimd = n 1 oraz D = C aff (D). Wtedy G = {τ : τ D, τ G n 1 } jest triangulacją D. Dowód: (a) wynika z definicji triangulacji I.4.2. (b) Niech x σ 1 σ 2. Z faktu, iż wszystkie ściany sympleksów z G tworzą podział zbioru C mamy, że x leży na ścianie τ 1 sympleksu σ 1 oraz τ 2 sympleksu σ 2. Skoro G jest triangulacją, τ 1 = τ 2, tzn. każdy punkt z σ 1 σ 2 leży na wspólnej ścianie σ 1 i σ 2. Niech bowiem w 0,..., w j będą wierzchołkami tej wspólnej ściany. Wtedy każdy w i jest wspólnym wierzchołkiem dla σ 1 oraz σ 2. Każdy x σ 1 σ 2 leży w [w 0, w 1,..., w j ] i naturalnie [w 0, w 1,..., w j ] σ 1 σ 2 bo przecięcie to jest zbiorem wypukłym. Stąd σ 1 σ 2 = [w 0, w 1,..., w j ] jest domknięciem wspólnej ściany σ 1 i σ 2. (c) Wynika z podpunktu (iii) w definicji I.4.2. Przypuśmy bowiem, że zbiór D ma niepustą część wspólną z nieskończoną ilością sympleksów z G. Istnieje wtedy ciąg nieskończony x n D taki, że x k σ k oraz σ k σ l dla k l. Zbiór D jest zwarty zatem istnieje podciąg x nk zbieżny do x D. Wtedy dla odpowiednio dużego n k punkt x miałby niepustą część wspólną z nieskończoną ilością różnych sympleksów. 13

18 (d) Skoro dimc = n > n 1 = aff (τ), istnieje punkt w C\aff (τ). Niech x będzie barycentrum τ, tzn. jeżeli τ =< y 1, y 2,..., y n > to x = i N y i /n. Niech x l = w/l + (1 1/l)x dla l = 1, 2,... Wtedy x l C l, x l x oraz żaden x l nie leży w aff (τ). Istnieje otoczenie M punktu x, które ma niepustą część wspólną ze skończoną ilością sympleksów z G i zawiera nieskończenie wiele punktów x l. Istnieje więc sympleks σ G + zawierający nieskończenie wiele punktów x l. Ciąg x l x element x σ oraz x τ zatem z (b) x leży na domknięciu wspólnej ściany σ i τ. Punkt x leży w τ zatem τ jest ścianą σ. Z faktu, iż σ τ, σ jest n-sympleksem w G. Zatem każda ściana τ G n 1 jest ścianą co najmniej jednego σ G. (i) Niech τ C. Przez zaprzeczenie załóżmy, że τ jest ścianą dla sympleksów σ 1 oraz σ 2 gdzie σ 1 σ 2. Niech σ 1 =< z 0, y 1,..., y n > oraz σ 2 =< w 0, y 1,..., y n >, z 0, w 0 R n+1. Skoro σ 1 jest n-sympleksem, aff (σ 1 ) = aff (C) oraz w 0 aff (C). Mamy w 0 = ρz 0 + λ i y i gdzie ρ + λ i = 1. ( ) i N i N Rozważmy trzy przypadki: Przypadek 1 ρ > 0. Niech c = (1 ɛ)x + ɛw 0 = ɛw 0 + i N ((1 ɛ)/n)y i = ρɛz 0 + i N(ɛλ i + (1 ɛ)/n)y i. Dla każdego 0 < ɛ < 1 mamy c σ 2. Z drugiej strony dla odpowiednio małego ɛ element c należy do σ 2 więc mamy sprzeczność. Przypadek 2 ρ = 0. Wtedy w 0 jest kombinacją liniową y 1, y 2,..., y n i σ 2 nie jest n-sympleksem. Przypadek 3 ρ < 0. Każdy punkt c należący do aff (σ 2 ) = aff (C) może być przedstawiony jako c = πw 0 + i N µ i y i, gdzie π + i N µ i = 1. Podstawiając (*) mamy c = ρπz 0 + i N(µ i + πλ i )y i. Suma współczynników ρ + i N(µ i + πλ i ) = π(ρ + i N λ i ) + i N = π + i N µ i = 1. Jeśli c należy do otoczenia M elementu x to element c jest bliski x tzn. różnica c x jest bliska 0, gdzie c x = ρπz 0 + i N(µ i + πλ i 1/n)y i. Wtedy π jest bliskie zeru oraz µ i jest bliskie 1/n (tzn. π 1/n < ɛ dla pewnego ɛ > 0), dla i N. Ale wówczas każdy punkt z M leży w σ 2 (jeśli π > 0), τ (jeśli π = 0) albo w σ 1 (jeśli π < 0 ), więc M C. Otrzymujemy sprzeczność z tym, że x τ C. 14

19 (ii) τ C. Wtedy istnieje x τ z otoczeniem (w aff (C)) zawartym w C. Z tego otoczenia możemy wybrać dwa punkty w 1 i w 2 gdzie (w 1 +w 2 )/2 = x oraz w 1, w 2 / aff (τ). Ponieważ τ jest ścianą główną w 1 i w 2 leżą po przeciwnych stronach ściany τ. Stąd jesteśmy w stanie znaleźć dwa sympleksy σ 1 oraz σ 2 ze wspólną ścianą τ takie, że σ 1 σ 2. rys.7 (e) G zawiera (n 1)-sympleksy z G n 1. Wszystkie ściany sympleksów w G są rozłączne, warunek lokalnej skończoności (warunek (iii) z definicji triangulacji) również zachodzi dla G skoro zachodzi dla G. Musimy pokazać, że sympleksy z G oraz ich ściany pokrywają D. Weźmy dowolny x D, skoro x C, x leży w którymś ρ G j. Z faktu, iż x leży na C, nie istnieje otoczenie x zawarte w C. Stąd ρ nie może być n-sympleksem. Gdyby któryś z wierzchołków ρ nie leżał w aff (D), wtedy istniałby wierzchołek leżący poza aff (D). To przeczy inkluzji D C. Stąd każdy wierzchołek ρ musi leżeć w aff (D) i stąd w D. Zatem ρ D. Jeśli ρ jest (n 1)-sympleksem to znaleźliśmy sympleks o wymiarze n 1 taki, że x ρ. Jeśli nie, to stosując rozumowania jak w (d) znajdujemy sympleks o większym wymiarze w aff (D) ze ścianą ρ. 15

20 I.5 Lemat Sperner a. W rozdziale tym przedstawię lemat Sperner a[7,9], na podstawie którego udowodnię lemat K-K-M. Idea zdefiniowanego poniżej etykietowania wygląda następująco. Rozważmy sympleks S 1 := {x R+ 1+1 : x 0 + x 1 = 1}, funkcję f = (f 0, f 1 ) : S 1 S 1 oraz zbiory: C 0 = {x S 1 : x 0 f 0 (x)} i C 1 = {x S 1 : x 1 f 1 (x)}. Zauważmy, że każdy punkt x należy albo do C 0 albo do C 1. Jeśli x należy do obu to x jest szukanym punktem stałym. Podzielmy teraz nasz sympleks na mniejsze podzbiory, punkty należące do C 0 będziemy etykietować przez 0, należące do C 1 przez 1 jak na rys.8. Będziemy szukać segmentu z etykietami 0 i 1. rys.8 Definicja I.5.1 (Etykietowanie zaniedbywalne). Niech G będzie triangulacją S n. Etykietowanie zaniedbywalne triangulacji G jest to takie etykietowanie wierzchołków z G liczbami ze zbioru N 0 aby żaden wierzchołek z S n i nie był zaetykietowany etykietą i. Sympleks, którego etykietami są wszystkie liczby z N 0 nazywamy zupełnym. Twierdzenie I.5.2 (Sperner a). Niech G będzie triangulacją S n z etykietowaniem zaniedbywalnym. Wtedy w G istnieje sympleks zupełny. 16

21 Tezę w lemacie Spernera można wzmocnić. Mocniejsza wersja, która zostanie udowodniona stwierdza, iż liczba sympleksów zupełnych jest nieparzysta. Dowód: Dowód indukcyjny. Teza jest oczywista dla n = 0 gdyż 0-wymiarowy sympleks jest zbiorem jednopunktowym. Załóżmy, że lemat jest prawdziwy dla (n 1)-sympleksów. Pokażemy, że lemat jest prawdziwy dla n-sympleksów. Niech zbiór G = {σ 1,..., σ q } będzie triangulacją S n z etykietowaniem zaniedbywalnym. Niech U będzie ścianą główną sympleksu S n zawierającą wierzchołki v 0,..., v n 1. Wówczas pewna ilość ścian głównych sympleksów σ i jest triangulacją U (warunek (d) twierdzenia I.4.3). Niech τ 1,..., τ p będzie podziałem U. Na mocy założenia indukcyjnego istnieje nieparzysta ilość (n 1)- sympleksów zupełnych spośród τ 1,..., τ p tzn. takich, które są zaetykietowane przez wszystkie liczby 0, 1,..., (n 1). Zauważmy, że dowolny sympleks σ i, i = 1, 2,..., q może mieć tylko 0,1 lub 2 ściany zupełne. Istotnie, jeśli główna ściana sympleksu σ i jest zaetykietowana przez liczby 0, 1,..., (n 1) i jeśli pozostały wierzchołek sympleksu σ i ma numer n, to sympleks σ i jest w pełni zaetykietowany przez liczby 0, 1,..., n i ma tylko jedną ścianę główną zupełną. W przeciwnym razie, jeśli pozostały wierzchołek ma numer będący jedną z liczb 0, 1,..., (n 1), to sympleks σ i ma dwie ściany zupełne. Policzymy teraz wszystkie ściany główne wszystkich sympleksów σ i, i = 1, 2,..., q, w pełni zaetykietowane przez liczby 0, 1,..., (n 1). Rozważmy liczbę ( ) liczba sympleksów σi mających jedną ścianę zaetykietowaną N = + przez liczby 0, 1,...(n 1) + 2 ( liczba sympleksów σi mających dwie ściany zaetykietowane przez liczby 0, 1,...(n 1) = ( liczba sympleksów σi w pełni zaetykietowanych przez liczby 0, 1,...n + 2 ( liczba sympleksów σi mających dwie ściany zaetykietowane przez liczby 0, 1,...(n 1) ) + ) ) 17

22 N nie jest liczbą wszystkich ścian głównych sympleksów σ i w pełni zaetykietowanych przez liczby 0, 1,..., (n 1), gdyż niektóre z tych ścian zostały policzone dwukrotnie. Jeśli ściana jest jedną z rodziny {σ 1,..., σ p }, to była policzona raz. Jeśli ściana σ i jest zaetykietowana przez liczby 0, 1,..., (n 1), ale nie jest zawarta w U, to jest wspólną ścianą dwóch n-sympleksów podziału {σ 1,..., σ q }, więc została w N policzona dwukrotnie. Otrzymujemy stąd, że: + N = 2 ( liczba ścian τj w pełni zaetykietowanych przez liczby 0, 1,...(n 1) ( liczba innych ścian τj zaetykietowanych przez liczby 0, 1,...(n 1) Wynika stąd, że liczba ścian τ j w pełni zaetykietowanych przez liczby 0, 1,..., (n 1) oraz liczba sympleksów σ i w pełni zaetykietowanych przez liczby 0, 1,..., n, różnią się o liczbę parzystą. Skoro pierwsza z tych liczb jest nieparzysta, to nieparzysta jest także druga spośród nich. Przykład n = 2 ) ) + rys.9 18

23 Twierdzenie I.5.3. Lemat Sperner a implikuje Twierdzenie Brouwer a. Dowód. Niech C i, i N 0 będą domkniętymi zbiorami spełniającymi założenia lematu K-K-M. Niech G k, dla k = 0, 1,... będzie ciągiem triangulacji S n takim, że średnica triangulacji zbiega do 0 ( mesh p (G k ) k 0). Dla każdego k, zaetykietujmy wszystkie wierzchołki y triangulacji G k przez i = min{j N 0 : y C j, y / Sj n }. Istnienie takiego i zapewniają nam założenia lematu I.3.1. Jest to etykietowanie zaniedbywalne. Z założenia, że lemat Sperner a jest prawdziwy, wynika, że istnieje kompletny sympleks σ k w G k. Niech wierzchołki σ k będą oznaczone y ki, i N 0, gdzie y ki ma etykietę i. Zatem y ki C i, i N 0. Ciąg y k0, k = 1, 2,... leży w zwartym zbiorze S n zatem zawiera podciąg zbieżny. Niech y k0 x S n. Skoro mesh p (σ k ) 0, mamy lim y ki = x. k Zbiory C i są domknięte, stąd x C i i N 0. Co dowodzi lematu K-K-M. Uwaga: Lemat Sperner a tylko przybliża punkt stały a dokładniej jego obraz. Lemat I.5.4. Niech G będzie triangulacją S n o średnicy mesh p (G) < δ a więc diam(σ) < δ dla każdego σ G. Niech f : S n S n będzie ciągła, f = (f 0,..., f n ). Wówczas f jest jednostajnie ciągła na S n tzn. ɛ > 0 δ > 0 x, y S n x z < δ f(x) f(z) ɛ. Zaetykietujmy wierzchołki y w G przez i = min{j : f j (y) y j > 0}. Wtedy jeśli σ jest sympleksem zupełnym w G oraz x σ, to f(x ) x n(ɛ + δ). Dowód. Niech sympleks zupełny σ ma wierzchołki y i, ma etykietę i. Niech x σ. Wtedy dla i N 0 mamy: i N 0, gdzie y i f i (x ) x = (f i (x ) f i (y i )) + (f i (y i ) y i i) + (y i i x i ). Założenia lematu gwarantują nam, iż pierwszy składnik będzie mniejszy od ɛ, 19

24 oraz ostatni mniejszy od δ. Z faktu, że y i ma etykietę i wynika, że środkowy składnik jest niedodatni. Stąd dla każdego i N 0, f i (x ) x i ɛ + δ. Dodatkowo dla v = v i gdzie v i R n+1 -punkt jednostkowy mamy v T f(x ) = v T x = 1. Stąd i N 0 f i (x ) x = j i(f j (x ) x j) n(ɛ + δ). I.6 Przykłady triangulacji. W rozdziale tym przedstawię dwie przykładowe triangulacje R n oraz S n. Jedna z nich zostanie użyta do konstrukcji algorytmu i odpowiada na pytanie Brouwer a: czy istnieje regularna triangulacja sympleksu o dowolnie małej średnicy triangulacji, w której podsympleksy nie stają się zbyt chude i cienkie.[1] Triangulacja K 1 przestrzeni R n często nazywana jest triangulacją Kuhna. Jako pierwsza pojawia się w pracy Freudenthal a[1]. Definicja I.6.1 (Triangulacja K 1 ). Niech K 0 1 = Z n = {y R n : y i Z i N}. Jeśli y 0 K 0 1 i π jest permutacją N, wtedy k 1 (y 0, π) :=< y 0,..., y n >, gdzie y i = y i 1 + u π(i) dla każdego i N(u i punkt jednostkowy w R n ). Niech K 1 będzie zbiorem wszystkich takich k 1 (y 0, π) gdzie π dowolne. W dalszej części pracy będziemy zakładać, że sympleks k 1 (y 0, π) =< y 0,..., y n > ma wyznaczone wierzchołki jak powyżej. Lemat I.6.2. K 1 jest triangulacją R n. Dowód:. Pierwsze dwa warunki triangulacji wynikają bezpośrednio z definicji. K 1 jest zbiorem n-sympleksów oraz każdy punkt z R n ma niepuste przecięcie ze skończoną ilością sympleksów z K 1. Wystarczy zatem pokazać, że K 1 + jest podziałem R n. Niech x będzie dowolnym punktem z R n. Znajdziemy sympleks σ taki, że x σ. Dla każdego 20

25 i N, niech yi 0 = x i gdzie, oznacza część całkowitą liczby. Wtedy y 0 Ki 0. Niech z = x y 0 ; mamy 0 z u (u = i N u i ). Niech π będzie permutacją N taką, że 1 z π(1)... z π(n) 0. Powyższe wyrażenia 1, z π(1),..., z π(n), 0 oznaczmy kolejno przez α 0 = 1, α 1,..., α n, α n+1 = 0. Dla i N 0 niech β i = α i α i+1. Mamy β i 0 oraz i N 0 β i = α 0 α n+1 = 1. Niech σ =< y 0,..., y n >= k 1 (y 0, π). β i y i = y 0 + β i (y i y 0 ) = y 0 + i β i ( (y i y j 1 )) = i N 0 i N i N j=i = y 0 + j N(y n i y i 1 )( β i ) = y 0 + u π(j) α j = i=j j N = y 0 + j N u π(j) z π(j) = y 0 + z = x Mamy x σ. Stąd σ K + = R n. 1 Musimy jeszcze pokazać, iż wszystkie ściany K 1 + są rozłączne. Niech x R n będzie dowolny. Możemy założyć, iż x σ gdzie σ =< y 0,..., y n >= k 1 (y 0, π) K 1 jest skonstruowany jak w definicji I.6.1. Stąd x = β i y i, i N 0 β i 0 dla i N 0 i β i = 1. Wtedy x leży na ścianie sympleksu σ, którego i N 0 wierzchołkami są y l dla l L = {l N 0 : β l > 0}. Skonstruujemy teraz wszystkie wierzchołki sympleksu, do którego należy x niezależnie od y 0 i π. Dla dowolnego z σ mamy z = i N 0 β i (z)y i, β i (z) 0 dla każdego i N 0 oraz n i=0 β i (z) = 1. Niech α i (z) = n j=i β j (z) dla i =, 1,..., n + 1 (przyjmijmy α n+1 (z) = 0). Stąd 1 = α 0 (z)... α n+1 (z) = 0, gdzie α i (z) = z π (i) y π (i) dla i N. Powyższy fakt jest prawdziwy zarówno dla x jak i dla każdego y l, l L. Dla l L wektor (α 0 (y l ),..., α n+1 (y l )) ma postać (1, 1,..., 1, 0,..., 0) z ostatnią jedną 1 na miejscu l. Możemy zatem skonstruować współrzędne y l dla l L bezpośrednio z x. Dla każdego γ (0, 1], niech y(γ) (jeden z y l ) będzie zdefiniowany przez y i (γ) = { xi + 1 jeśli x i x i γ x i jeśli x i x i < γ Z faktu, iż y(γ) są wyznaczone bezpośrednio z x niezależnie od y 0 oraz π element x leży w dokładnie jednej ścianie sympleksu K 1 ponieważ zawsze otrzymamy te same wierzchołki y l a zatem tą samą ścianę. Stąd sympleksy 21

26 z K 1 tworzą pokrycie R n. Przykład. n = 4 Niech x = (21/2, 11/2, 21/4, 1/4) T. Znajdziemy wszystkie sympleksy z K 1, których domknięcie zawiera x. Mamy y = (2, 1, 3, 0) T oraz z = x y = (1/2, 1/2, 3/4, 1/4). Zgodnie z umową w definicji triangulacji K 1 możemy przyjąć π 1 = (3, 1, 2, 4) lub π 2 = (3, 2, 1, 4). W obu przypadkach dostajemy α = (1, 3/4, 1/2, 1/2, 1/4, 0) oraz β(1/4, 1/4, 0, 1/4, 1/4). Dwoma możliwymi sympleksami są < y 0,..., y 4 >= k 1 (y, π 1 ) oraz < z 0,..., z 4 >= k 1 (y, π 2 ) gdzie y 0 = z 0 = (2, 1, 3, 0) T, y 1 = z 1 = (2, 1, 2, 0), y 2 = (3, 1, 2, 0) T, z 2 = (2, 2, 2, ) T, y 3 = z 3 = (3, 2, 2, 0) T oraz y 4 = z 4 = (3, 2, 2, 1) T. Punkt x = 4 i=1 β i y i = 4 i=1 β i z i leży na ścianie < y 0, y 1, y 3, y 4 >. Teraz wyprowadźmy wierzchołki sympleksu bezpośrednio z x jak w drugiej części dowodu. Dla 0 < γ < 1/4, y(γ) = (3, 2, 2, 1) T = y 4. Dla 1/4 < γ 1/2, y(γ) = (3, 2, 2, 0) T = y 4. Dla 1/2 < γ 3/4, y(γ) = (2, 1, 2, 0) T = y 1. Ostatecznie 3/4 < γ 1, y(γ) = (2, 1, 3, 0) T = y 0. Uwaga. Alternatywna definicja zbioru k 1 (y, π): jest to zbiór tych x spełniających 1 x π(1) y π(1)... x π(n) y π(n) 0. ( ) Jeśli powyższe nierówności zamienimy na ostre, to otrzymamy definicję zbioru k 1 (y, π). Dodatkowo x R n leży w sympleksie z K 1 + o mniejszym wymiarze niż n tylko jeśli x i lub (x i x j ) jest liczbą całkowitą. Kolejna triangulacja przestrzeni R n została wprowadzone przez Tucker a[1]. Definicja I.6.3 (Triangulacja J 1 ). Niech J1 0 = Z n, J1 0c = {y J1 0 : y i jest nieparzysta i N}. Jeśli y 0 J1 0c, π jest permutacją N oraz s R n jest wektorem znaku (tzn. s i = +1 dla i = 1, 2,..., n), wtedy j 1 (y 0, π, s) :=< y 0,..., y n >, gdzie y i = y i 1 + s π(i) u π(i) dla każdego i N. Przez J 1 oznaczymy zbiór wszystkich takich sympleksów j 1 (y 0, π, s) gdzie π i s dowolne. Analogicznie jak poprzednio J 1 jest triangulacją. Uwaga: Alternatywna definicja j 1 (y 0, π, s) poprzez nierówności (podobnie jak ( ) dla k 1 (y, π)) wygląda następująco: 1 s π(1) (x π(1) y π(1) )... s π(n) (x π(n) y π(n) ) 0. 22

27 1/4K 1 1/4J 1 rys.10 σ 1 = k 1 ((1/4, 1/2) T, (1, 2)) σ 2 = k 1 ((1/2, 0) T, (2, 1)) σ 3 = j 1 ((1/4, 1/4) T, (1, 2), (+1, 1) T ) σ 4 = j 2 ((3/4, 1/4) T, (2, 1), ( 1, +1) T ) Triangulacja S n. Niech C R n i δ R. Przez δc będziemy oznaczać zbiór {δc : c C}. Dla dowolnej rodziny podzbiorów G przestrzeni R n oraz dowolnej 0 δ R, niech δg oznacza zbiór {δc : C G}. Jeśli G jest triangulacją D, δg jest triangulacją δd. W szczególności δk 1 oraz δj 1 są triangulacjami R n. Co więcej mesh 2 δk 1 = mesh 2 δj 1 = n δ. Stąd otrzymujemy triangulację R n o dowolnej średnicy. Skonstruujemy teraz triangulację S n. Niech C n = {x R n ; 1 x 1... x n 0}. Najpierw przeprowadzimy triangulację C n. Weźmy 0 < m Z oraz niech K 1 (J 1 ) będą zbiorami złożonymi z tych sympleksów z K 1 (J 1 ), które mają część wspólną z mc n = {x R n : m x 1... x n 0}. Niech x mc n leży w σ K 1 (σ J 1 ). Podobnie jak w dowodzie lematu I.6.2 możemy otrzymać wierzchołki σ ze współrzędnych x. Wszystkie te wierzchołki będą również leżeć w mc n. Stąd K 1 oraz J 1 są triangulacją mc n a zatem m 1 K 1 i m 1 J 1 są triangulacją C n. 23

28 Aby otrzymać triangulację S n musimy posłużyć się homeomorfizmem z lematu I Definicja I.6.4 (Triangulacja K 2 (m)). Niech Q będzie macierzą wymiaru (n + 1) n: dla j N. Niech K 0 2(m) := {y S n : my i Z dla każdego i N 0 }. Jeśli y 0 K 0 2(m) oraz π jest permutacją zbioru N, to oznaczmy σ =< y 0,..., y n >, gdzie y i = y i 1 + m 1 q π(i) dla każdego i N. Jeśli σ S n to σ = k 2 (y 0, π) (m jest ustalone ). Ostatecznie przez K 2 (m) będziemy oznaczać zbiór wszystkich takich k 2 (y 0, π) gdzie π dowolne. Definicja I.6.5 (Triangulacja J 2 (m)). Niech J 0 2 (m) = K 0 2(m) oraz J 0c 2 (m) := {y J 0 2 (m) : my i jest parzysta, 1 i < n oraz my n jest nieparzysta}. Jeśli y 0 J 0c 2 (m), π będzie permutacją N, oraz s R n będzie wektorem znaku, wtedy σ =< y 0,..., y n > gdzie y i = y i 1 + m 1 s π(i) q π(i) dla każdego i N. Jeśli σ S n to σ = j 2 (y 0, π, s) (m ustalone). Ostatecznie przez J 2 (m) będziemy oznaczać zbiór wszystkich takich j 2 (y 0, π, s) gdzie π dowolne. Lemat I.6.6. K 2 (m) oraz J 2 (m) są triangulacją S n. Przykład (n = 2) K 2 (4) J 2 (4) rys.11 24

29 Dla danej triangulacji G przedstawiony algorytm będzie tworzył ciąg przystających sympleksów σ 1, σ 2,... będących elementami G. Będziemy zamieniać sympleks σ i z sąsiadującym z nim sympleksem σ i+1 poprzez zamianę wierzchołka y z σ 1 na wierzchołek y +. Przedstawię teraz w odpowiednich tabelach jak zamieniać wierzchołki. K 1. Niech σ =< y 0,..., y n >= k 1 (y 0, π) będzie ustalony. Otrzymamy sympleks τ =< z 0,..., z n >= k 1 (z 0, ρ), który ma wszystkie wierzchołki σ poza y i. Poniższa tabela przedstawia jak otrzymać wszystkie wierzchołki z i. z 0 ρ i = 0 y 0 + u π(i) (π(2),..., π(n), π(1)) 0 < i < n y 0 (π(1),..., π(i + 1), π(i),..., π(n)) i = n y 0 u π(n) (π(n), π(1),..., π(n 1)) Dla δk 1 zamieniamy u π(1) oraz u π(n) przez δu π(1) oraz δu π(n), odpowiednio. K 2 (m). Niech σ = k 2 (y 0, π) =< y 0,..., y n >, oraz niech τ = k 2 (z 0, ρ) zawiera wszystkie wierzchołki sympleksu σ z wyjątkiem y i. Zastępując u π(1) oraz u π(n) poprzez m 1 q π(1) oraz m 1 q π(n), odpowiednio wierzchołek z 0 oraz ρ może być otrzymany z y 0,π oraz i zgodnie z powyższą tabelą. J 1. Niech σ = j 1 (y 0 ), π, s) =< y 0,..., y n > oraz niech τ = j 1 (z 0, ρ, t) zawiera wszystkie wierzchołki σ z wyjątkiem y i. Wtedy z 0, ρ oraz t możemy otrzymać z y 0, π, s i i jak w poniższej tabeli. z 0 ρ t i = 0 y + 2s π(1) u π(1) π s 2s π(n) u π(1) 0 < i < n y (π(1),..., π(i + 1), π(i),..., π(n)) s i = n y π s 2s π(n) u π(n) Dla δj 1 zastępujemy u π(1) w lewej górnej komórce tabeli przez δu π(1). J 2 (m). Niech σ = j 2 (y 0, π, s) =< y 0,..., y n > oraz τ = j 2 (z 0, ρ, t) zawiera wszystkie wierzchołki sympleksu σ z wyjątkiem y i. Wtedy z 0, ρ oraz t możemy otrzymać z y 0, π, s, odpowiednio, tak jak w powyższej tabeli zastępując u π(1) w lewej górnej komórce tabeli przez m 1 q π(1). Większość algorytmów dotyczących aproksymacji punktów stałych zależy od triangulacji. Wpływa ona na szybkość i dokładność algorytmu. W przedstawionym algorytmie będziemy wykorzystywać własność z twierdzenia I.4.3 (d) mówiąca, iż jeśli σ jest n-sympleksem w G, τ jest ścianą σ oraz τ C, 25

30 wtedy istnieje dokładnie jeden n-sympleks σ w G, którego ścianą jest τ. I.7 Algorytm znajdujący sympleks zupełny. Zgodnie z definicją I.4.3 sympleksem zupełnym nazywamy sympleks, którego wierzchołki są zaetykietowane wszystkimi liczbami z N 0. Załóżmy, że G jest triangulacją S n z etykietowaniem zaniedbywalnym tzn. żaden wierzchołek na ścianie Si n nie ma etykiety i. Elementy z G i G n 1 czyli n-sympleksy i (n 1)-sympleksy, które mają etykiety 0, 1,..., n 1 będziemy nazywać częściowo zupełnymi. Skonstruujemy teraz graf Γ n. Definicja I.7.1 (Γ n ). Wierzchołkami Γ n będą n-sympleksy oraz (n 1)- sympleksy należące do Sn. n Dwa wierzchołki grafu Γ n są incydentne jeśli jeden z wierzchołków jest częściowo zupełną ścianą a drugi n-sympleksem częściowo zupełnym lub jeśli mają wspólną częściowo zupełną ścianę. Przykład (n=2) rys.12 26

31 Wierzchołki Γ 2 oznaczone są przez kropki ( znajdujące się w barycentrum każdego z sympleksów) a krawędzie tworzone są przez zbiory dwuelementowe częściowo zupełnych sympleksów takich, że mają wspólną częściowo zupełną ścianę. Będziemy teraz analizować stopień każdego wierzchołka Γ n tzn. ilość incydentnych z nim wierzchołków. Możliwe są 3 następujące przypadki: Przypadek 1. τ jest częściowo zupełnym (n 1)-sympleksem w S n n. Z twierdzenie I.4.3 (d), τ jest ścianą dokładnie jednego n-sympleksu σ i oczywiście σ jest częściowo zupełnym sympleksem. Stąd τ ma stopień 1. ( τ na rys.12). Przypadek 2. σ jest zupełnym n-sympleksem. Wtedy σ ma dokładnie jeden częściowo zupełny sympleks τ jako ścianę naprzeciwko wierzchołka z etykietą n. Jeśli τ S n n, τ jest ścianą wyłącznie sympleksu σ (twierdzenie I.4.3(d) (i)). Zatem σ jest incydentny z τ i z żadnym innym wierzchołkiem w Γ n. Jeśli τ S n n, wtedy ze względu na to, że etykietowanie jest zaniedbywalne mamy τ S n oraz τ jest ścianą dokładnie jednego n-sympleksu σ należącego do G (twierdzenie I.4.3 (d) (ii)). Sympleks σ jest częściowo zupełnym sympleksem. W obu tych przypadkach σ ma stopień 1.(σ 1 oraz σ 2 na rys.12). Przypadek 3. σ jest sympleksem częściowo zupełnym ale nie jest zupełnym. Skoro n + 1 wierzchołków sympleksu σ etykietowanych jest za pomocą n etykiet to istnieje dokładnie jedna para y 1, y 2 wierzchołków posiadających tę samą etykietę. Zatem σ ma dokładnie dwie częściowo zupełne ściany τ 1 oraz τ 2 naprzeciwko wierzchołków y 1, y 2 odpowiednio. Tak jak w przypadku 2 każda taka ściana leży w S n n i jest wierzchołkiem grafu Γ n i jest incydentna z częściowo zupełnym sympleksem σ i. W każdym z tych przypadków σ ma stopień dwa. (σ 3, σ 4 na rys.12). Analizując powyższe przypadki możemy sformułować następujące twierdzenie. Twierdzenie I.7.2. Dowolna ścieżka podgrafu w Γ n (tzn. ciąg sympleksów σ 0, σ 1,..., σ k pomiędzy którymi istnieje krawędź) jest postaci: (i) jest pętlą (σ 0 = σ n ), której wierzchołkami są sympleksy częściowo zupełne ale nie zupełne, 27

32 (ii) jest ścieżką otwartą (σ 0 σ k ), której wierzchołki są sympleksami częściowo zupełnymi lecz nie zupełnymi z wyjątkiem wierzchołków końcowych, które są albo (a) zupełnym n-sympleksem albo (b) częściowo zupełnym (n 1)-sympleksem leżącym w S n n. Jak znaleźć drogę do sympleksu kompletnego? Nawet jeśli znajdziemy częściowo zupełny (n 1)-sympleks w S n n, poruszając się wzdłuż pewnej ścieżki grafu Γ n możemy dojść ponownie do S n n (jak na rys.12). Aby tego uniknąć musimy mieć pewność, iż mamy tylko jeden (n 1)-sympleks w S n n. Opiszemy metodę znajdowania sympleksu częściowo zupełnego na ścianie S n n polegającą na przypisaniu dodatkowych etykiet wierzchołkom na ścianie S n n. Algorytm Kuhn a. Niech dana będzie funkcja f : S n S n. Będziemy szukać punktu stałego poprzez szukanie sympleksu zupełnego. Użyjemy do tego triangulacji K 2 (m), którą najpierw poprawimy tak by przypisywać dodatkowe etykiety wierzchołkom na ścianie Sn. n Sympleksy z K 1, które mają część wspólną z m C n = {x R n : m x 1... x n 1} są triangulacją m C n. Stąd sympleksy z m 1 K 1, które mają część wspólną z C n = {x R n : 1 x 1... x n m 1 } są triangulacją C n. Stosując homeomorfizm h zdefiniowany w lemacie I.1.14 otrzymujemy K 2 (m)-triangulację S n = {x R n+1 : v T x = 1, x i 0, i = 0,..., n 1, x n m 1 }. S n jest zmodyfikowanym sympleksem S n z dodatkową warstwą na ścianie Sn n (zaznaczoną przerywaną linią na rys.13). Każdy wierzchołek z K 2 (m) leży w S n lub jego ostatnia współrzędna jest równa m 1. Dla wierzchołka y K 0 2 (m), jeśli y S n n to etykietujemy go etykietą min{j N 0 : f j (y) y j > 0}. Jeśli y / Sn n etykietujemy go etykietą min{j N 0 : y j = max k y k }. Musimy jeszcze rozszerzyć funkcję f na S n. Niech f(x) = (n + 1) 1 v dla x S n n = {x S n : x n = m 1 }. Jeśli oznaczymy ścianę S i n = {x S n : x i = 0} dla i = 0,..., n 1, to 28

33 uzyskane etykietowanie będzie etykietowanien zaniedbywalnym, tzn. żaden wierzchołek z S i n nie będzie miał etykiety i. Co więcej, jeśli σ K 2 (m) nie leży w S n, wtedy wszystkie jego wierzchołki mają n-tą współrzędną 0 lub m 1 i nie mogą mieć etykiety n. Stąd, wszystkie zupełne sympleksy z K 2 (m) leżą w S n. Aby zakończyć opis algorytmu musimy zapewnić, iż istnieje dokładnie jeden częściowo zupełny (n 1)-sympleks τ w S n. n Niech m = kn dla pewnej całkowitej liczby k > 0. Lemat I.7.3. Istnieje dokładnie jeden częściowo zupełny (n 1)-sympleks τ K n 1 2 (m) w Sn n. Dowód. Niech sympleksy z K 2 (m) będą zdefiniowane jak powyżej z tą różnicą, że każdy wierzchołek musi leżeć w S n ale niekoniecznie w S n. Najpierw wskażemy częściowo zupełny (n 1)-sympleks τ w S n n i pokażemy, że jest on wyznaczony jednoznacznie. Niech y = ((k + 1)m 1, km 1,..., km 1, m 1 ) T oraz π = (1, 2,..., n 1). Niech (n 1)-sympleks τ = k 2 (y, π ) będzie zdefiniowany tak jak w definicji I.6.4. Jego wierzchołkami będą y 0,..., y n 1 gdzie y 0 = y oraz y i = y i 1 + m 1 q π (i) dla i = 1, 2,..., n 1. Stąd mają one postać y i = (km 1,..., km 1, (k + 1)m 1,..., km 1, m 1 ) T, gdzie i-ta współrzędna jest równa (k + 1)m 1 jest na i-tej współrzędnej. Stąd każdy wierzchołek y i ma etykietę i. Co więcej, τ jest ścianą w K 2 ((y ), (1, 2,..., n)). Stąd τ jest częściowo zupełnym (n 1)-sympleksem w S n. n Teraz pokażemy, że τ jest jedynym takim sympleksem. Niech τ =< ȳ 0,..., ȳ n 1 >= k 2 (ȳ 0, π) będzie częściowo zupełnym (n 1)- sympleksem w S n. n Musimy pokazać, że τ = τ. Niech ȳ i = (a i0 m 1,..., a in 1 m 1, m 1 ) T dla każdego i. Wtedy, n 1 j=0 a ij = m + 1 = kn + 1 dla każdego i. Stąd ȳ i będzie miał etykietę j tylko gdy a ij k + 1. Jeśli a 00 < k + 1, wtedy a i0 < k + 1 dla każdego i oraz żaden wierzchołek nie ma etykiety 0. Jeśli a 00 > k + 1, wtedy istnieje j takie, że a 0j < k a więc a ij k dla każdego i oraz żaden wierzchołek nie ma etykiety j. Stąd, a 00 = k +1. Analogicznie pokazujemy, że żaden a 0j nie może być równy k +1. Jeśli a 0j < k dla pewnego j, to wtedy a i0 k a ij dla każdego i oraz żaden wierzchołek nie będzie miał etykiety j. W konsekwencji ȳ 0 musi być równy y. Jeśli π(1) 1, wtedy ȳ 1 ma etykietę 0 co jest sprzeczne z faktem, że ȳ i ma etykietę j tylko gdy a ij k + 1. Analogicznie π(2) musi być równe 2, 29

34 itd. Stąd π = π oraz τ = τ. Stąd τ jest jedynym częściowo zupełnym n 1 sympleksem w K 2 (m) leżącym w S n. n Algorytm Niech dana będzie funkcja f : S n S n. Niech m = kn dla pewnej liczby całkowitej k > 0. Podzielmy S n za pomocą triangulacji K 2 (m) oraz oznaczmy wierzchołki K2 (m) tak jak powyżej. Niech τ będzie częściowo zupełnym K n 1 (n 1)-sympleksem w 2 (m) leżącym w S n. n Krok 0. Niech σ 1 będzie n-sympleksem w K 2 (m), którego ścianą jest τ. Niech y + będzie wierzchołkiem σ 1 nie należącym do ściany τ. Przyjmujemy l = 1. Krok 1. Sprawdzamy jaką etykietę ma wierzchołek y +. Jeśli etykieta jest równa n to kończymy algorytm, σ l jest zupełnym sympleksem, który przybliża punkt stały funkcji f. W przeciwnym przypadku etykieta jaką ma y + powtarza się, powiedzmy ma ją również wierzchołek y σ l. Krok 2. Szukamy sympleksu σ l+1, który ma wszystkie wierzchołki takie jak σ l z wyjątkiem y. Niech y + będzie wierzchołkiem σ l+1, który nie jest wierzchołkiem σ l. Przyjmujemy l l + 1 i powracamy do Kroku 1. Twierdzenie I.7.4. W skończonej ilości kroków algorytm Kuhn a znajduje sympleks zupełny. Niech l będzie aktualnym numerem iteracji. Musimy pokazać, że algorytm zakończy się w skończonej liczbie kroków. Załóżmy przeciwnie, że l jest najmniejsze takie, że istnieje j < l takie, że σ j = σ l. Jeśli j > 1, wtedy σ j sąsiaduje (jest incydentny) z σ j 1, σ j+1 oraz σ l 1 w grafie Γ n. Ponieważ każdy wierzchołek grafu Γ n ma stopień co najwyżej 2 (twierdzenie I.7.2), to któreś dwa z powyższych sympleksów muszą być sobie równe. Jeśli σ j 1 = σ j+1 lub σ j 1 = σ l 1 to dochodzimy do sprzeczności z założeniem. Stąd σ j+1 = σ l 1 oraz j + 1 = l 1 to znaczy, l = j + 2 oraz σ j = σ j+2. Rozważmy teraz wierzchołek y sympleksu σ j+1, który nie jest wierzchołkiem σ j. Skoro inny wierzchołek z tą samą etykietą co y został usunięty do utworzenia σ j+2 mamy, iż y jest wierzchołkiem σ j+2 co jest sprzeczne z tym, że l najmniejsze. Niech teraz j = 1, wtedy σ j sąsiaduje z σ j+1 oraz σ l 1. σ 1 ma stopień 1 w grafie Γ n więc σ j+1 = σ l 1 co prowadzi do sprzeczności z tym, że l najmniejsze. Skoro nie mamy pętli oraz liczba sympleksów w K 2 (m) jest ograniczona to algorytm musi skończyć się w skończonej ilości kroków. 30

35 I.9 Przykład. Niech f : S n S n, f(x) = x. Stosując K 2 (4) przybliżymy punkt stały, który wynosi (7, 11, 15) T /33. rys.13 Poniższa tabela przedstawia kolejne kroki algorytmu. m = 4 = kn. Aby tabela była bardziej przejrzysta pominięty został współczynnik 1/4 przy każdej współrzędnej. 31

36 l σ l ( ) ( ) ( ) y ( + ) f(y ( + ) ) etyk.y + y i < y 0, y 2, y 3 >= 2, 3, y 0 i = etykiety 0 1? k 2 (y 0, π 0 ), π 0 = (1, 2) 2 < y 1, y 2, y 3 >= ( ), ( ), ( etykiety 1 0? k 2 (y 1, π 1 ), π 1 = ( (2, 1) ) ( 2 1 ) ( 1 3 < y 1, z 2, y 3 >= 3 1, 4 1, 3 0 etykiety 1? 0 k 2 (z 2, π 3 ), π 3 = (2, 1) 4 < z 2, y 3, y 4 >= ( ), ( ), ( etykiety 1 0? k 2 (z 2, π 3 ), π 3 = ( (2, 1) 1 ) ( 0 ) ( 0 5 < y 3, y 4, y 5 >= 3 0, 4 0, 3 1 etykiety 0 1? k 2 (y 4, π 4 ), π 4 = ( (1, 2) < y 3, z 4, y 5 >= ), ( ), ( etykiety 0? 1 k 2 (y 3, π 5 ), π 5 = ( (2, 1) 1 ) ( 0 ) ( 0 7 < z 4, y 5, y 6 >= 2 1, 3 1, 2 2 etykiety 0 1? k 2 (z 4, π 6 ), π 6 = ( (1, 2) < z 4, z 5, y 6 >= ), ( ), ( etykiety 0? 1 k 2 (z 4, π 7 ), π 7 = ( (2, 1) 1 ) ( 0 ) ( 0 9 < z 5, y 6, y 7 >= 1 2, 2 2, 1 3 etykiety 0 1? k 2 (z 5, π 8 ), π 8 = (1, 2) σ 9 jest sympleksem zupełnym. ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ) ( ) 0 y 2 0 < i < n? 1 y 1 i = 0 ) ) ( ) ( ) ( ) ( ) ( ) ) ) ) ) 1 z 2 i = 0 1 y 4 0 < i < n 0 y 3 i = 0 1 y 5 0 < i < n 0 z 4 i =

37 Część II. Zastosowania twierdzenia Brouwer a. II.1 Istnienie punktu równowagi Nash a. W mowie potocznej termin gra opisuje często pewną rozrywkę. Mówiąc o grze dyplomatycznej, grze na zwłokę, niebezpiecznej grze itd. mamy na myśli nie rozrywkę lecz sytuacje, w których pewien konflikt interesów zmusza nas do podjecia możliwie najlepszej optymalnej decyzji. Teoria gier jest stosunkowo nową dziedziną nauki. Za twórce uważa sie John a von Neumanna ( ) jednak należy wspomnieć o wcześniejszej pracy Hugo Steinhaus a pod tytułem Definicje potrzebne do teorii gry i poscigu. Mimo, iz najwiekszy rozwój teorii gier przyniosły gry hazardowe oraz konflikty wojenne ma ona liczne zastosowania w ekonomii, biologii informatyce a nawet socjologii. W wieku 21 lat John Nash przedstawił pracę doktorską, w której sformułował ogólne pojęcie punktu równowagi i udowodnił twierdzenie o istnieniu takich punktów. Słynne twierdzenie minimaksowe von Neumann a będące fundamentem teorii gier stało się tylko bardzo szczególnym przypadkiem twierdzenia Nash a. Podczas spotkania, kiedy Nash próbował von Neumannowi wyjaśnić koncepcję swojego punktu równowagi ten ostatni przerwał mu jego argumentację mówiąc: To banalne. To przecież tylko twierdzenie o punkcie stałym. Jak komentuje Sylvie Nasar[7] zachowanie von Neumann a było naturalną reakcją obronną na nową koncepcję młodszego rywala. Praca Nash a pozwoliła rozwinąć teorię gier poza gry o sumie zerowej, a samo pojęcie punktu równowagi Nash a pozwoliło na zrozumienie wielu zjawisk występujących w zachowaniach społeczności ludzkich. Udowodnimy twierdzenie Nash a stosując twierdzenie Brouwer a. Definicja II.1.1 (Skończona gra). Przez skończoną grę n-osobową rozumiemy trójkę (N, A, w) gdzie: N jest skończonym zbiorem n graczy indeksowanym przez i; A = (A 1,..., A n ) gdzie A i jest skończonym zbiorem strategii czystych każdego z graczy (nośnik gry), każdy wektor a = (a 1,..., a n ) A będzie nazywać strategią lub akcją; w = (w 1,..., w n ) gdzie w i : A R jest funkcją wypłaty dla gracza i. 33

38 Definicja II.1.2. Dla dowolnego zbioru X przez (X) będziemy oznaczać zbiór wszystkich możliwych rozkładów prawdopodobieństwa na X( to znaczy zbiór miar probabilistycznych określonych na X). Definicja II.1.3 (Strategia mieszana.) Niech (N, (A 1,..., A n ), w) będzie skończoną grą. Strategią mieszaną dla gracza i będziemy nazywać zbiór S i = (A i ). Definicja II.1.4 (Profil Strategii.) Profilem strategii mieszanej będziemy nazywać produkt kartezjański zbiorów S = S 1... S n. Dla każdego gracza wybór strategii mieszanej może być traktowany jako wybór punktu na standardowym sympleksie rozpiętym na punktach jednostkowych. Stąd S będzie iloczynem kartezjańskim sympleksów. Dla skończonego zbioru A i = (a i 1,..., a j k ) element s i S i będzie miał postać s i = k j=1 λ j a i j, gdzie k j=1 λ j = 1, λ j 0, a i j A i, i = 1,..., k. Przez s i (a i ) oznaczamy prawdopodobieństwo z jakim zastosujemy strategię czystą a i przy strategii mieszanej s i. Definicja II.1.5 (Nośnik strategii). Nośnikiem strategii mieszanej s i dla gracza i jest zbiór {a i : s i (a i ) > 0}. Definicja II.1.6 (Funkcja użyteczności). Oczekiwana użyteczność dla gracza i ze strategii mieszanej s = (s 1,..., s n ) S dla gry (N, A, w) jest zdefiniowana jako: u i (s) := n w i (a) s j (a j ). a A Przykład. W grze uczestniczą dwaj gracze, gracz I i gracz II. Każdy z nich wybiera jedną z dwóch liczb: 4 i 5 - przy czym wyboru dokonują jeden bez wiedzy drugiego. Nastepnie obaj ujawniają wybrane przez siebie liczby i tworzą ich sumę. -jeżeli suma ta jest wielokrotnością trzech, to żaden z nich nie otrzymuje wygranej -jeżeli suma jest o 1 większa od wielokrotności trzech, partner II wypłaca partnerowi I 1zł. -jeżeli natomiast suma jest o 1 mniejsza od wielokrotności trzech, partner I wypłaca partnerowi II 1 zł. Macierz wypłat dla gracza I wygląda następująco. j=1 I \ II

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

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

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

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka

Bardziej szczegółowo

Krzywa uniwersalna Sierpińskiego

Krzywa uniwersalna Sierpińskiego Krzywa uniwersalna Sierpińskiego Małgorzata Blaszke Karol Grzyb Streszczenie W niniejszej pracy omówimy krzywą uniwersalną Sierpińskiego, zwaną również dywanem Sierpińskiego. Pokażemy klasyczną metodę

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Definicja odwzorowania ciągłego i niektóre przykłady

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

Bardziej szczegółowo

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

LX Olimpiada Matematyczna

LX Olimpiada Matematyczna LX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia drugiego 13 lutego 2009 r. (pierwszy dzień zawodów) Zadanie 1. Liczby rzeczywiste a 1, a 2,..., a n (n 2) spełniają warunek a 1

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

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

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

Bardziej szczegółowo

Zbiory wypukłe i stożki

Zbiory wypukłe i stożki Katedra Matematyki i Ekonomii Matematycznej 28 kwietnia 2016 Hiperpłaszczyzna i półprzestrzeń Definicja Niech a R n, a 0, b R. Zbiór H(a, b) = {x R n : (a x) = b} nazywamy hiperpłaszczyzną, zbiory {x R

Bardziej szczegółowo

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

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

Bardziej szczegółowo

TEORETYCZNE PODSTAWY INFORMATYKI

TEORETYCZNE PODSTAWY INFORMATYKI 1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 14c 2 Definicje indukcyjne Twierdzenia dowodzone przez indukcje Definicje indukcyjne Definicja drzewa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

3 Abstrakcyjne kompleksy symplicjalne.

3 Abstrakcyjne kompleksy symplicjalne. 3 Abstrakcyjne kompleksy symplicjalne. Uwaga 3.1. Niech J będzie dowolnym zbiorem indeksów, niech R J = {(x α ) α J J α x α R} będzie produktem kartezjańskim J kopii R, niech E J = {(x α ) α J R J x α

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

Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego

Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego Politechnika Gdańska Wydział Fizyki Technicznej i Matematyki Stosowanej Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego Autor: Kamil Jaworski 11 marca 2012 Spis treści 1 Wstęp 2 1.1 Podstawowe pojęcia........................

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

Schemat sprawdzianu. 25 maja 2010

Schemat sprawdzianu. 25 maja 2010 Schemat sprawdzianu 25 maja 2010 5 definicji i twierdzeń z listy 12(po 10 punktów) np. 1. Proszę sformułować twierdzenie Brouwera o punkcie stałym. 2. Niech X będzie przestrzenią topologiczną. Proszę określić,

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Indukcja matematyczna 1 Zasada indukcji Rozpatrzmy najpierw następujący przykład. Przykład 1 Oblicz sumę 1 + + 5 +... + (n 1). Dyskusja. Widzimy że dla n = 1 ostatnim składnikiem powyższej sumy jest n

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

LVIII Olimpiada Matematyczna

LVIII Olimpiada Matematyczna LVIII Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 18 kwietnia 2007 r. (pierwszy dzień zawodów) Zadanie 1. W trójkącie ostrokątnym A punkt O jest środkiem okręgu opisanego,

Bardziej szczegółowo

Graf. Definicja marca / 1

Graf. Definicja marca / 1 Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych

Bardziej szczegółowo

1 Działania na zbiorach

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

Bardziej szczegółowo

Lista 4. Kamil Matuszewski 22 marca 2016

Lista 4. Kamil Matuszewski 22 marca 2016 Lista 4 Kamil Matuszewski 22 marca 2016 1 2 3 4 5 6 7 8 9 10 Zadanie 2 Ułóż algorytm który dla danego n-wierzchołkowego drzewa i liczby k pokoloruje jak najwięcej wierzchołków tak, by na każdej ścieżce

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Definicja gry o sumie zerowej Powiemy, że jest grą o

Bardziej szczegółowo

Informacja o przestrzeniach Hilberta

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

Bardziej szczegółowo

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

Topologia - Zadanie do opracowania. Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski

Topologia - Zadanie do opracowania. Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski Topologia - Zadanie do opracowania Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski 5 grudnia 2013 Zadanie 1. (Topologie na płaszczyźnie) Na płaszczyźnie R 2 rozważmy następujące topologie: a) Euklidesową

Bardziej szczegółowo

Wykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych

Wykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych Arytmetyka liczb całkowitych Wykład 1 Na początku zajmować się będziemy zbiorem liczb całkowitych Z = {0, ±1, ±2,...}. Zakładamy, że czytelnik zna relację

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ TEORI GIER W EKONOMII WYKŁD 5: GRY DWUOSOOWE KOOPERCYJNE O SUMIE NIESTŁEJ dr Robert Kowalczyk Katedra nalizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwumacierzowe Skończoną grę dwuosobową o

Bardziej szczegółowo

Dlaczego nie wystarczają liczby wymierne

Dlaczego nie wystarczają liczby wymierne Dlaczego nie wystarczają liczby wymierne Analiza zajmuje się problemami, w których pojawia się przejście graniczne. Przykładami takich problemów w matematyce bądź fizyce mogą być: 1. Pojęcie prędkości

Bardziej szczegółowo

V Konkurs Matematyczny Politechniki Białostockiej

V Konkurs Matematyczny Politechniki Białostockiej V Konkurs Matematyczny Politechniki iałostockiej Rozwiązania - klasy pierwsze 27 kwietnia 2013 r. 1. ane są cztery liczby dodatnie a b c d. Wykazać że przynajmniej jedna z liczb a + b + c d b + c + d a

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Analiza funkcjonalna 1.

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

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /10

Matematyka dyskretna. Andrzej Łachwa, UJ, /10 Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji

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

Kolorowanie płaszczyzny, prostych i okręgów

Kolorowanie płaszczyzny, prostych i okręgów Kolorowanie płaszczyzny, prostych i okręgów Jadwiga Czyżewska Pisane pod kierunkiem W.Guzickiego W 2013 roku na II etapie VIII edycji Olimpiady Matematycznej Gimnazjalistów pojawiło się zadanie o następującej

Bardziej szczegółowo

XI Olimpiada Matematyczna Gimnazjalistów

XI Olimpiada Matematyczna Gimnazjalistów XI Olimpiada Matematyczna Gimnazjalistów Zawody stopnia pierwszego część testowa www.omg.edu.pl (24 września 2015 r.) Rozwiązania zadań testowych 1. Dane są takie dodatnie liczby a i b, że 30% liczby a

Bardziej szczegółowo

Przestrzenie metryczne. Elementy Topologii. Zjazd 2. Elementy Topologii

Przestrzenie metryczne. Elementy Topologii. Zjazd 2. Elementy Topologii Zjazd 2 Przestrzenia metryczna (X, d) nazywamy parę złożona ze zbioru X i funkcji d : X X R, taka, że 1 d(x, y) 0 oraz d(x, y) = 0 wtedy i tylko wtedy, gdy x = y, 2 d(x, y) = d(y, x), 3 d(x, z) d(x, y)

Bardziej szczegółowo

Dwa równania kwadratowe z częścią całkowitą

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

Bardziej szczegółowo

1. Funkcje monotoniczne, wahanie funkcji.

1. Funkcje monotoniczne, wahanie funkcji. 1. Funkcje monotoniczne, wahanie funkcji. Zbiór X będziemy nazywali uporządkowanym, jeśli określona jest relacja zawarta w produkcie kartezjańskim X X, która jest spójna, antysymetryczna i przechodnia.

Bardziej szczegółowo

Przykładowe zadania z teorii liczb

Przykładowe zadania z teorii liczb Przykładowe zadania z teorii liczb I. Podzielność liczb całkowitych. Liczba a = 346 przy dzieleniu przez pewną liczbę dodatnią całkowitą b daje iloraz k = 85 i resztę r. Znaleźć dzielnik b oraz resztę

Bardziej szczegółowo

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier Cel: Wyprowadzenie oszacowania dolnego na oczekiwany czas działania dowolnego algorytmu losowego dla danego problemu.

Bardziej szczegółowo

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Mirosław Sobolewski 25 maja 2010 Definicja. Przestrzenią metryczną nazywamy zbiór X z funkcją ρ : X X R przyporządkowującą

Bardziej szczegółowo

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Marcin Michalski 14.11.014 1 Wprowadzenie Jedną z intuicji na temat liczb rzeczywistych jest myślenie o nich jako liczbach,

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2015 andrzej.lachwa@uj.edu.pl 3/15 Indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej

Bardziej szczegółowo

Rozkład figury symetrycznej na dwie przystające

Rozkład figury symetrycznej na dwie przystające Rozkład figury symetrycznej na dwie przystające Tomasz Tkocz 10 X 2010 Streszczenie Tekst zawiera notatki do referatu z seminarium monograficznego Wybrane zagadnienia geometrii. Całość jest oparta na artykule

Bardziej szczegółowo

Zad.3. Jakub Trojgo i Jakub Wieczorek. 14 grudnia 2013

Zad.3. Jakub Trojgo i Jakub Wieczorek. 14 grudnia 2013 Zad.3 Jakub Trojgo i Jakub Wieczorek 14 grudnia 2013 W pierwszej części naszej pracy będziemy chcieli zbadać ciągłość funkcji f(x, y) w przypadku gdy płaszczyzna wyposażona jest w jedną z topologii: a)

Bardziej szczegółowo

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d)

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d) Matemaryka dyskretna - zadania Zadanie 1. Opisać zbiór wszystkich elementów rangi k zbioru uporządkowanego X dla każdej liczby naturalnej k, gdy X jest rodziną podzbiorów zbioru skończonego Y. Elementem

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta

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

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

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

Bardziej szczegółowo

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

Bardziej szczegółowo

Problemy Decyzyjne dla Systemów Nieskończonych

Problemy Decyzyjne dla Systemów Nieskończonych Problemy Decyzyjne dla Systemów Nieskończonych Ćwiczenia 1 17 lutego 2012 Na tych ćwiczeniach zajmiemy się pojęciem well quasi-ordering (WQO) bardzo przydatnym do analizy nieskończonych ciągów. Definicja

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /10

Matematyka dyskretna. Andrzej Łachwa, UJ, /10 Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 3/10 indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej

Bardziej szczegółowo

7. CIĄGI. WYKŁAD 5. Przykłady :

7. CIĄGI. WYKŁAD 5. Przykłady : WYKŁAD 5 1 7. CIĄGI. CIĄGIEM NIESKOŃCZONYM nazywamy funkcję określoną na zbiorze liczb naturalnych, dodatnich, a wyrazami ciągu są wartości tej funkcji. CIĄGIEM SKOŃCZONYM nazywamy funkcję określoną na

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

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

Bardziej szczegółowo

LI Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 3 kwietnia 2000 r. (pierwszy dzień zawodów)

LI Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 3 kwietnia 2000 r. (pierwszy dzień zawodów) LI Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 3 kwietnia 2000 r. (pierwszy dzień zawodów) Zadanie 1. Dana jest liczba całkowita n 2. Wyznaczyć liczbę rozwiązań (x 1,x

Bardziej szczegółowo

Indukcja matematyczna. Zasada minimum. Zastosowania.

Indukcja matematyczna. Zasada minimum. Zastosowania. Indukcja matematyczna. Zasada minimum. Zastosowania. Arkadiusz Męcel Uwagi początkowe W trakcie zajęć przyjęte zostaną następujące oznaczenia: 1. Zbiory liczb: R - zbiór liczb rzeczywistych; Q - zbiór

Bardziej szczegółowo

Algebry skończonego typu i formy kwadratowe

Algebry skończonego typu i formy kwadratowe Algebry skończonego typu i formy kwadratowe na podstawie referatu Justyny Kosakowskiej 26 kwietnia oraz 10 i 17 maja 2001 Referat został opracowany w oparciu o prace Klausa Bongartza Criterion for finite

Bardziej szczegółowo

O pewnych związkach teorii modeli z teorią reprezentacji

O pewnych związkach teorii modeli z teorią reprezentacji O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej

Bardziej szczegółowo

Zastosowania twierdzeń o punktach stałych

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

Bardziej szczegółowo

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH ALGEBRA Z GEOMETRIĄ 1/10 BAZY PRZESTRZENI WEKTOROWYCH Piotr M. Hajac Uniwersytet Warszawski Wykład 11, 18.12.2013 Typeset by Jakub Szczepanik. Istnienie bazy Tak jak wśród wszystkich pierścieni wyróżniamy

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca

Bardziej szczegółowo

10. Wstęp do Teorii Gier

10. Wstęp do Teorii Gier 10. Wstęp do Teorii Gier Definicja Gry Matematycznej Gra matematyczna spełnia następujące warunki: a) Jest co najmniej dwóch racjonalnych graczy. b) Zbiór możliwych dezycji każdego gracza zawiera co najmniej

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Matematyka dyskretna. Andrzej Łachwa, UJ, /14 Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 4/14 Indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),

Bardziej szczegółowo

Sumy kwadratów kolejnych liczb naturalnych

Sumy kwadratów kolejnych liczb naturalnych Sumy kwadratów kolejnych liczb naturalnych Andrzej Nowicki 24 maja 2015, wersja kk-17 Niech m < n będą danymi liczbami naturalnymi. Interesować nas będzie równanie ( ) y 2 + (y + 1) 2 + + (y + m 1) 2 =

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1 Określenie pierścienia

1 Określenie pierścienia 1 Określenie pierścienia Definicja 1. Niech P będzie zbiorem, w którym określone są działania +, (dodawanie i mnożenie). Mówimy, że struktura (P, +, ) jest pierścieniem, jeżeli spełnione są następujące

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

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

0 + 0 = 0, = 1, = 1, = 0.

0 + 0 = 0, = 1, = 1, = 0. 5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,

Bardziej szczegółowo

Przykładami ciągów, które Czytelnik dobrze zna (a jeśli nie, to niniejszym poznaje), jest ciąg arytmetyczny:

Przykładami ciągów, które Czytelnik dobrze zna (a jeśli nie, to niniejszym poznaje), jest ciąg arytmetyczny: Podstawowe definicje Definicja ciągu Ciągiem nazywamy funkcję na zbiorze liczb naturalnych, tzn. przyporządkowanie każdej liczbie naturalnej jakiejś liczby rzeczywistej. (Mówimy wtedy o ciągu o wyrazach

Bardziej szczegółowo

LXIX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 18 kwietnia 2018 r. (pierwszy dzień zawodów)

LXIX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 18 kwietnia 2018 r. (pierwszy dzień zawodów) LXIX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 18 kwietnia 2018 r. (pierwszy dzień zawodów) 1. Dany jest trójkąt ostrokątny ABC, w którym AB < AC. Dwusieczna kąta

Bardziej szczegółowo

Twierdzenie spektralne

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

Bardziej szczegółowo

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

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Matematyka dla liceum ogólnokształcącego i technikum w zakresie podstawowym i rozszerzonym Z E S Z Y T M E T O D Y C Z N Y Miejski

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

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY ALGEBRA Z GEOMETRIĄ 1/10 LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY Piotr M. Hajac Uniwersytet Warszawski Wykład 10, 11.12.2013 Typeset by Jakub Szczepanik. Geometryczne intuicje Dla pierścienia R = R mamy

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO D. Miszczyńska, M.Miszczyński KBO UŁ GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO Gra w sensie niżej przedstawionym to zasady którymi kierują się decydenci. Zakładamy, że rezultatem gry jest wypłata,

Bardziej szczegółowo

1 Pochodne wyższych rzędów

1 Pochodne wyższych rzędów 1 Pochodne wyższych rzędów Definicja 1.1 (Pochodne cząstkowe drugiego rzędu) Niech f będzie odwzorowaniem o wartościach w R m, określonym na zbiorze G R k. Załóżmy, że zbiór tych x G, dla których istnieje

Bardziej szczegółowo

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy

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

II. FUNKCJE WIELU ZMIENNYCH

II. FUNKCJE WIELU ZMIENNYCH II. FUNKCJE WIELU ZMIENNYCH 1. Zbiory w przestrzeni R n Ustalmy dowolne n N. Definicja 1.1. Zbiór wszystkich uporzadkowanych układów (x 1,..., x n ) n liczb rzeczywistych, nazywamy przestrzenią n-wymiarową

Bardziej szczegółowo

ZALICZENIE WYKŁADU: 30.I.2019

ZALICZENIE WYKŁADU: 30.I.2019 MATEMATYCZNE PODSTAWY KOGNITYWISTYKI ZALICZENIE WYKŁADU: 30.I.2019 KOGNITYWISTYKA UAM, 2018 2019 Imię i nazwisko:.......... POGROMCY PTAKÓW STYMFALIJSKICH 1. [2 punkty] Podaj definicję warunku łączności

Bardziej szczegółowo

LXIII Olimpiada Matematyczna

LXIII Olimpiada Matematyczna 1 Zadanie 1. LXIII Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia drugiego 17 lutego 2012 r. (pierwszy dzień zawodów) Rozwiązać w liczbach rzeczywistych a, b, c, d układ równań a

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

1 Nierówność Minkowskiego i Hoeldera

1 Nierówność Minkowskiego i Hoeldera 1 Nierówność Minkowskiego i Hoeldera Na państwa użytek załączam precyzyjne sformułowania i dowody nierówności Hoeldera i Minkowskiego: Twierdzenie 1.1 Nierówność Hoeldera). Niech p, q będą takimi liczbami

Bardziej szczegółowo

Spacery losowe generowanie realizacji procesu losowego

Spacery losowe generowanie realizacji procesu losowego Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z

Bardziej szczegółowo

XIII Olimpiada Matematyczna Juniorów

XIII Olimpiada Matematyczna Juniorów XIII Olimpiada Matematyczna Juniorów Zawody stopnia pierwszego część testowa (8 września 017 r.) Rozwiązania zadań testowych 1. W każdym z trzech lat 018, 019 i 00 pensja pana Antoniego będzie o 5% większa

Bardziej szczegółowo