Artykuł Stefana Banacha o Prawie Najwyższym Józefa Hoene-Wrońskiego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Artykuł Stefana Banacha o Prawie Najwyższym Józefa Hoene-Wrońskiego"

Transkrypt

1 Artykuł Stefana Banacha o Prawe Najwyższym Józefa Hoene-Wrońskego Paweł Domańsk Streszczene Nnejsza praca zawera omówene artykułu Stefana Banacha z roku 1939 pośwȩconego autorskej wersj Prawa Najwyższego oraz próbȩ wyjaśnena jego zawartośc na tle w termnach współczesnej analzy funkcjonalnej. 1 Wstȩp Praca Józefa Hoene-Wrońskego o Prawe Najwyższym wzbudzła zanteresowane, które ne wygasało z upływem lat. Psze o tym Samuel Dcksten, który przeanalzował j a w roku 1890 w artykule [9], a za pośrednctwem tej z kole pracy w 1939 roku zaj ał sȩ Prawem Najwyższym chyba najwybtnejszy polsk matematyk Stefan Banach w [3]. W omawanej pracy Banach ne odwołuje sȩ bezpośredno do orygnalnych prac Hoene-Wrońskego - jednak, jak wynka z zameszczonego w tym tome artykułu P. Pragacza, mał do nch dostȩp. Mom zdanem Banach był specjalne predestynowany do głȩbszego zrozumena zmodernzowana de Hoene-Wrońskego. To matematyk na wskroś nowoczesny - jego prace s a dzś doskonale czytelne, po naprawde drobnych zmanach w termnolog, mogłyby uchodzć za prace współczesne. Wdać to szczególne patrz ac na standardy w zakrese ścsłośc, precyzj, stylu dowodzena tp. Mógł wȩc Banach przekształcć mgławcowe dee z pocz atków XIX weku w precyzyjne, dowodlwe twerdzena. Przykładowo: Hoene-Wrońsk w ogóle ne mów o zbeżnośc - dla Banacha to główne zagadnene. Ale to ne jedyny powód, dla którego był on odpowedn a osob a na odpowednm mejscu - Banach był zapewne jednym z newelu matematyków końca lat 30- tych dwudzestego weku, który mógł w pełn użyć jȩzyka metod analzy funkcjonalnej. Mnȩło zaledwe 8 lat od ukazana sȩ fundamentalnej ks ażk Banacha Teorja operacyj, tom I. Operacje lnowe [1] bȩd acej perwszym systematycznym wykładem tego jȩzyka tych metod. Mnȩło 7 lat od opublkowana wersj francuskej [2] (wersj, a ne dokładnego tłumaczena, różnła sȩ ona bowem układem neznaczne zawartośc a), która odegrała welk a rolȩ w rozwoju młodej dzedzny analzy, m.n zaweraj ac wele podstawowych dla rozwoju analzy funkcjonalnej pytań. Banach dostrzegł, że Prawo Najwyższe Hoene-Wrońskego to fakt z analzy funkcjonalnej, który może pownen być wyrażony w jej jȩzyku - mom zdanem najbardzej adekwatnym. W tym mejscu trzeba by w końcu zaspokoć cekawość czytelnka krótko wyjaśnć o czym mów Prawo Najwyższe. Jest to pewna metoda znajdywana współczynnków skalarnych α rozwnȩca dowolnej funkcj f wzglȩdem danego dowolnego c agu funkcj (x ) N tak aby f = α x. Jak już wspomnałem autor tej de ne zaprz atał sobe głowy zbeżnośc a szeregu, ale we współczesnym jej przedstawenu ( oczywśce u Banacha) mus to być zagadnene centralne. W dalszej czȩśc pracy przedstawȩ wynk Banacha skomentujȩ jego znaczene, zakres stosowalnośc zawarte tam dee - ch zw azek z pewnym późnej rozwnȩtym pojȩcam analzy 1

2 funkcjonalnej. Cóż dowadujemy sȩ st ad o dzele samego Józefa Hoene-Wrońskego? Przede wszystkm deȩ Prawa Najwyższego dało sȩ przekuć w ścśle sformułowane twerdzene (co dla mne jest ostatecznym dowodem jej matematycznośc ), a po druge dokonał tego matematyk, którego welkość jest oczywsta - co dla nedowarków może być pośredn a zachȩt a do przyjrzena sȩ tej de. Czy odegrała ona duż a rolȩ w dalszym rozwoju matematyk? Tu odpowedź jest trudnejsza - mam zbyt mał a wedzȩ hstoryczn a aby odpowedzeć na take pytane dotycz ace lat przed artykułem Banacha. Jeśl chodz o okres późnejszy, to ne znane m s a żadne przypadk cytowana pracy Banacha (co ne jest z pewnośc a dowodem zupełnego zapomnena tej pracy). Ilu matematyków j a czytało? Z pewnośc a jest łatwo dostȩpna w edycj dzeł Banacha [4, str ]. Omawana praca jest krótka składa sȩ z trzech czȩśc: 1. wprowadzena używanych pojȩć; 2. sformułowana dowodu Prawa Najwyższego ; 3. przykładów. W takej też kolejnośc bȩdzemy j a omawać. Przez (α ) N bȩdzemy zawsze oznaczać dowolny c ag skalarów. Pojȩca ne wyjaśnone można znaleźć np. w monograf [12]. 2 Przestrzene o własnośc (A) Aby móc korzystać z zupełnośc konsekwencj twerdzena Bare a dla nezupełnych przestrzen unormowanych, Banach wprowadza specjaln a klasȩ przestrzen spełnaj acych własność (A). Poneważ dla ustalonego c agu wektorów (x ) w przestrzen Banacha E ne można oczekwać, aby cała przestrzeń E składała sȩ z sum postac α x wȩc naturalne pojawaj a sȩ nezupełne podprzestrzene. Wprowadzona klasa przestrzen potrzebna jest m.n. aby uzyskać zbeżność rozpatrywanych szeregów w na ogół nezupełnej przestrzen unormowanej. Banach swoje wynk formułuje dla przestrzen Banacha przestrzen unormowanych, ale wydaje m sȩ, że właścwsz a ram a jest klasa przestrzen lokalne wypukłych dla nch bȩdȩ defnował wprowadzone pojȩca. Defncja 2.1 Przestrzeń lokalne wypukła E ma własność (A), gdy dla każdego c agu (x ) N E stneje c ag dodatnch lczb rzeczywstych (M ) N tak, że dla każdego c agu skalarów (α ) N zachodz warunek: jeśl szereg α M < +, to szereg α x jest zbeżny w przestrzen E. Banach podaje w sposób jawny tylko jeden przykład przestrzen z własnośc a (A) - przestrzeń Banacha, ale z jego pracy można takch przykładów wysnuć wȩcej (por. [3, Satz 1]). Twerdzene 2.2 Nastȩpuj ace przestrzene maj a własność (A): 1. Przestrzeń Banacha. 2. Przestrzeń Frécheta ( = metryzowalna zupełna przestrzeń lokalne wypukła). 3. Obraz c agły lnowy przestrzen z własnośca (A). 4. Dowolna przestrzeń lokalne wypukła posadaj aca mocnejsz a od orygnalnej topologȩ przestrzen Banacha, Frécheta lub, ogólnej, z własnośc a (A). 5. Podprzestrzeń domknȩta przestrzen lokalne wypukłej z własnośc a (A). 6. Przekrój c agu przestrzen z własnośc a (A). 2

3 Dowód: 1. Weźmy M := x, wówczas α x α M <. Zatem szereg α M jest nawet absolutne zbeżny w rozpatrywanej przestrzen Banacha E, jeśl tylko α M <. 2. Nech topologa przestrzen Frécheta E bȩdze zadana c agem półnorm n, n N. Zdefnujmy M := max 1 n x n. Zatem podobne jak w przypadku 1. można udowodnć, że szereg α x jest absolutne zbeżny (tj. α x n jest zbeżny dla każdego n N), o le tylko α M <. 3. Załóżmy, że T : Y X jest surjektywnym operatorem lnowym c agłym, a X Y s a przestrzenam lokalne wypukłym. Dodatkowo załóżmy, że Y ma własność (A). Weźmy teraz dowolny c ag (x ) N X, wówczas dla każdego N stneje wektor y Y tak, że T y = x. Z własnośc (A) otrzymamy c ag lczb rzeczywstych dodatnch (M ) N tak, że jeśl α M <, to szereg α y jest zbeżny w Y. Wówczas równeż szereg α x = α T y jest zbeżny. 4. Wystarczy zastosować punkt 3. powyżej do operatora dentycznoścowego na rozpatrywanej przestrzen z dwema różnym topologam (por. czȩść 1. 2.). 5. Oczywste. 6. Nech (X n ) n N bedze c agem posadaj acych własność (A) podprzestrzen wekszej przestrzen lokalne wypukłej. Oznaczmy X := n X n. Nech (x ) X. Z własnośc (A) dla każdego n N stneje c ag dodatnch lczb rzeczywstych (M n) N tak, że jeśl α M n <, to szereg α x jest zbeżny w X n. Łatwo zauważyć, że c ag (M ) N, M := max 1 n M n, spełna warunk z defncj własnośc (A) dla c agu wektorów (x ) N w przestrzen X. W powyższym dowodze ne przypadkem pojawa sȩ zbeżność absolutna. Nastȩpne twerdzene (dla unormowanych przestrzen E udowodnone w analzowanej pracy Banacha) wykorzystuje typow a deȩ Banacha - a dzś powedzelbyśmy: jeden z typowych chwytów analzy funkcjonalnej. Twerdzene 2.3 (por. [3, Satz 2 a]) Nech (x ) N bȩdze c agem elementów w dowolnej zupełnej przestrzen lokalne wypukłej E, a (M ) N bȩdze dowolnym c agem lczb dodatnch. Nastȩpuj ace warunk s a równoważne: 1. Dla każdego c agu skalarów (α ) N, jeśl szereg α M jest zbeżny, to szereg α x jest zbeżny w E. 2. Dla każdej półnormy c agłej p na E stneje stała K p taka, że dla każdego c agu skalarów (α ) N zachodz nerówność: ( ) p α x K p α M. 3. C ag ( x M jest ogranczony. ) N 4. Dla każdego c agu skalarów (α ) N, jeśl szereg α M jest zbeżny, to szereg α x jest absolutne zbeżny w przestrzen E. Dowód: Defnujemy przestrzeń Banacha H := l 1 ((M ) N ) := {α = (α ) : α := α M < }. 3

4 Ponadto defnujemy c agłe operatory lnowe U n : H E, n U n ((α ) N ) := α x. =1 Z warunku 1. c ag U n jest punktowo zbeżny a z twerdzena Banacha-Stenhausa, wynka, że granca jest c agłym operatorem lnowym U : H E, U((α ) N ) = α x. C agłość U natychmast mplkuje warunek 2. Implkacje s a oczywste. Przygl adaj ac sȩ neco uważnej dowodow mplkacj zauważymy, że udowodnlśmy faktyczne (zupełność, lub tylko lokalna zupełność - por. defncja nżej, jest potrzebna tylko w mplkacj 3. 4.): Wnosek 2.4 (por. [3, Satz 3]) Nech (x ) N E bȩdze c agem wektorów w przestrzen lokalne wypukłej E, a (M ) N c agem lczb dodatnch takm, że jeśl szereg α M jest zbeżny, to szereg α x jest zbeżny w przestrzen E. Wówczas przestrzeń { L := α x : α M < jest c agłym lnowym obrazem przestrzen Banacha, a zatem posada własność (A). Innym słowy c ag (x ) N jest zawarty w podprzestrzen o własnośc (A). Używaj ac współczesnej termnolog należałoby sȩ odwołać do pojȩca dysku Banacha. Defncja 2.5 Ogranczony zbór absolutne wypukły nazywamy dyskem. Dysk B w przestrzen lokalne wypukłej E nazywamy dyskem Banacha, jeśl przestrzeń unormowana E B zdefnowana jako powłoka lnowa zboru B wyposażona w normȩ: x B := nf{λ : x/λ B} jest zupełna, a zatem jest przestrzen a Banacha. Łatwo zauważyć, że K B (0, 1) B K B (0, 1), gdze K B, K B to dopowedno kula otwarta kula domknȩta w przestrzen E B. Zatem dysk Banacha to prawe c agłe obrazy lnowe kul jednostkowych w przestrzenach Banacha: Wnosek 2.6 Dysk B jest dyskem Banacha wtedy tylko wtedy, gdy stneje c agły obraz lnowy C kul jednostkowej w przestrzen Banacha tak, że C B 2C. Wȩcej o dyskach Banacha patrz [16, Ch. 3.2] Wnosek 2.7 Nech E bȩdze dowoln a przestrzen a lokalne wypukł a. Nastȩpuj ace warunk s a równoważne: 1. Przestrzeń E ma własność (A). 2. Każdy c ag elementów przestrzen E jest zawarty w c agłym lnowym obraze przestrzen Banacha zawartym w przestrzen E. 3. Każdy c ag elementów przestrzen E jest zawarty w powłoce lnowej dysku Banacha. } E 4

5 4. Każdy c ag elementów przestrzen E jest zawarty w c agłym lnowym obraze przestrzen Frécheta zawartym w przestrzen E. Dowód: Wnosek Oczywste (por. wnosek 2.6) Twerdzene 2.2. Banach chyba ne zastanawał sȩ jake przestrzene unormowane maj a własność (A) (przynajmnej ne ma po tym śladu w jego pracy) - powyższy wnosek w pewnym sense odpowada na to pytane. W szczególnośc mplkuje on, że przestrzeń z własnośc a (A) może być albo skończene wymarowa albo neprzelczalne wymarowa (podobne jak przestrzene Banacha). Warto jednak zauważyć, że stnej a unormowane przestrzene posadaj ace własność (A), które ne s a obrazam c agłym lnowym przestrzen Banacha. Dowód: Weźmy np. przestrzeń Frécheta c agów szybko malej acych do zera s := {x = (x ) : k N x k := x n k < }. Oczywśce s jest w sposób c agły zanurzona w przestrzeń Banacha c agów ogranczonych l, wyposażona w jej normȩ, jest przestrzen a unormowan a. Z twerdzena 2.2 ma własność (A), ale z twerdzena o domknȩtym wykrese ne może być c agłym obrazem lnowym przestrzen Banacha. Okazuje sȩ, że własność (A) jest blsko zw azana z tzw. lokaln a zupełnośc a. Defncja 2.8 C ag (x ) N w przestrzen lokalne wypukłej E jest lokalne Cauchy ego (lokalne zbeżny) o le stneje dysk B w E tak, że (x ) jest c agem Cauchy ego (c agem zbeżnym) w E B. C ag (x ) N jest szybko zbeżny jeśl stneje dysk Banacha B E tak, że c ag (x ) N jest zbezny w E B. Przestrzeń E jest lokalne zupełna, jeśl każdy c ag lokalne Cauchy ego jest lokalne zbeżny. Porównajmy teraz wnosek 2.7 z ponższym faktem: Twerdzene 2.9 ([16, Prop ]) Przestrzeń lokalne wypukła E jest lokalne zupełna wtedy tylko wtedy, gdy każdy c ag ogranczony w E jest zawarty w pewnym dysku Banacha. St ad z wnosku 2.7 otrzymujemy natychmast: Wnosek 2.10 Lokalne zupełna przestrzeń lokalne wypukła E ma własność (A) wtedy tylko ( wtedy, gdy dla każdego c agu (x ) N E stneje c ag dodatnch skalarów (M ) N tak, że c ag x M jest ogranczony w przestrzen E. ) N Z drugej strony wszystke unormowane przestrzene nezupełne z własnośc a (A) ne s a lokalne zupełne (por. [16, Cor ]). Co wȩcej, oczywśce zupełne LB-przestrzene ne maj a własnośc (A), np. przestrzene dualne z sln a topolog a do dowolnej przestrzen nuklearnej Frécheta. Wnosek 2.11 Szereg spełnaj acy założena wnosku 2.4 jest szybko zbeżny. Warto powyższy wnosek porównać ze znanym faktem mów acym, że każda E wartoścowa funkcja holomorfczna (E przestrzeń lokalne wypukła, c agowo zupełna) rozwja sȩ lokalne w szereg Taylora zbeżny ne tylko w przestrzen E, ale także szybko, tzn. dla każdego punktu x z dzedzny funkcj stneje dysk Banacha B tak, że szereg Taylora funkcj wokół x jest zbeżny w E B (por. [6]). 5

6 Dysk Banacha okazały sȩ doskonałym narzȩdzem współczesnej teor przestrzen lokalne wypukłych jej nowoczesnych zastosowań (np. teor równań różnczkowych, analzy fourerowskej...). Przypomnjmy jeszcze jedn a defncjȩ [12]: Defncja 2.12 Przestrzeń lokalne wypukła E jest ultrabornologczna jeśl każdy absolutne wypukły zbór U E pochłanaj acy wszystke dysk Banacha (tj. tak, że dla każdego dysku Banacha B E stneje stała C spełnaj aca nkluzjȩ B CU) jest otoczenem zera w E. Przykładam przestrzen ultrabornologcznych s a wszystke przestrzene Frécheta ch przelczalne grance nduktywne (np. przestrzen funkcj holomorfcznych lub gładkch ze zwykł a topolog a, przestrzene dystrybucj dystrybucj o zwartym nośnku ale także przestrzeń funkcj analtycznych zmennej rzeczywstej z jej naturaln a topolog a [7] tp.). Mmo neco barokowej nazwy pojȩce to odgrywa ważn a rolȩ we współczesnej analze funkcjonalnej. De Wlde udowodnł, że dla operatorów dzałaj acych z przestrzen ultrabornologcznej do porz adnych przestrzen (m.n. do każdego z wymenonych wyżej przykładów) twerdzene o domknȩtym wykrese jest prawdzwe [12, 24.31]. Inny przykład zastosowana pojȩca przestrzen ultrabornologcznej, to twerdzene mów ace, że lnowy operator różnczkowy cz astkowy o stałych współczynnkach jest surjekcj a na przestrzen dystrybucj (Ω) wtedy tylko wtedy, gdy jego j adro jest ultrabornologczne (por. [17, Cor , Sec ]). Idea do pewnego stopna jest ta sama co u Banacha - korzystać z twerdzena Bare a tam gdze na pozór ne można tego robć. 3 Funkcjonały dopuszczalne Oprócz odpowednch przestrzen Banach używa jeszcze odpowednch funkcjonałów precyzuj ac jak to dowolny c ag funkcjonałów można wykorzystać w Prawe Najwyższym. Oczywśce ne mog a one być całkem dowolne, ale ne można też ogranczyć sȩ wył aczne do c agłych funkcjonałów lnowych. Defncja 3.1 Jeśl E jest przestrzen a lokalne wypukł a to B x (E) oznacza najmnejszy zbór addytywnych odwzorowań f : E K, K cało skalarów zespolonych albo rzeczywstych, tak, że 1. wszystke c agłe odwzorowana addytywne f : E K należ a do B x (E); 2. zbór B x (E) jest zamknȩty na operacje granc punktowych c agów. Klasa B x składa sȩ ze wszystkch zborów B x (E). Wszystke funkcje f B x (E) s a borelowsko merzalne lnowe. Faktyczne, obcȩca funkcj f B x (E) do podprzestrzen lnowych jednowymarowych s a odwzorowanam addytywnym, z twerdzena [1, IIIA, tw. 6], cagłym na przestrzen Banacha a zatem s a jednorodne. Zauważmy, że funkcje z klasy B x ne musz a być c agłe, tym ne mnej Banach pokazał, że zachowuj a sȩ one bardzo podobne jak funkcje c agłe wzglȩdem szeregów zbeżnych w odpowedn sposób ta własność odgrywać bȩdze kluczow a rolȩ w dowodze Prawa Najwyższego. Sformułujemy tȩ własność w termnach topolog ultrabornologcznych. Defncja 3.2 ([16, Def ]) Topolog a ultrabornologczn a stowarzyszon a z topolog a lokalne wypukł a τ na przestrzen E nazywamy topologȩ, której baz a otoczeń zera jest rodzna wszystkch absolutne wypukłych podzborów pochłanaj acych wszystke dysk Banacha w (E, τ). Przestrzeń E z topolog a ultrabornologczn a stowarzyszon a z orygnaln a topolog a przestrzen lokalne wypukłej E oznaczamy E ub. 6

7 Topologa ultrabornologczna stowarzyszona z τ, to najsłabsza topologa ultrabornologczna slnejsza nż τ. Każdy c ag szybko zbeżny w E jest automatyczne zbeżny w E ub. Twerdzene 3.3 Jeśl f B x (E), E przestrzeń lokalne wypukła, to f jest c agłym funkcjonałem lnowym na przestrzen E ub, tj. f (E ub ). Dowód: Weźmy dowolny dysk Banacha B w E. Wówczas f B x (E B ), a z [1, IIIA, tw. 6.], f jest funkcjonałem c agłym na E B. Z defncj E ub, f (E ub ). Wykorzystuj ac wnosek 2.11 otrzymujemy wynk w sformułowanu Banacha: Wnosek 3.4 (por. [3, Satz 2 b]) Nech E bȩdze przestrzen a lokalne wypukł a, a f B x (E). Załóżmy, że dla c agu (x ) N E stneje c ag dodatnch lczb (M ) N tak, że jeśl szereg α M <, to szereg α x jest zbeżny w przestrzen E. Wówczas jeśl szereg α M <, to ( ) f α x = α f(x ). Twerdzene 3.5 (por. [3, Satz 4]) Nech (E n ) bedze c agem podprzestrzen o własnośc (A) w przestrzen lokalne wypukłej E oraz nech f n B x (E n ) dla każdego n N. Wówczas L := {x n E n : (f n (x)) n N c ag zbeżny} jest podprzestrzen a lnow a z własnośc a (A). Dowód: Łatwo zauważyć, że L jest podprzestrzen a lnow a. Nech teraz (x ) N L bȩdze dowolnym c agem. Nech (M n) N bȩdze c agem zw azanym z (x ) N jako c agem w E n zgodne z defncja własnośc (A). Nech ponadto ( ) M := max sup n f n (x ), max 1 n M n załóżmy, że α M <. Oczywśce szereg α x jest zbeżny w E n dla każdego n N, wȩc suma należy do n E n. Z wnosku 3.4 f n α x = α f(x ) α M. =N+1 =N+1 =N+1 Nech p, q bȩd a dowolnym lczbam naturalnym, zatem z poprzednego oszacowana ( ) ( ) ( N ) ( f p α x f q α x f N ) p α x f q α x + 2 α M. =1 =1 =N+1 Perwszy wyraz jest mały dla ustalonego N dostateczne dużych p, q, a drug dla dostateczne dużego N. Zatem c ag (f n ( α x )) n N jest c agem Cauchy ego, a suma α x należy do L.. Twerdzene 3.6 (por. [3, Satz 5]) Nech E bedze przestrzen a lokalne wypukł a z własnośc a (A). Wówczas dla każdej podprzestrzen lnowej X E każdy f B x (X) daje sȩ rozszerzyć do funkcjonału F B x (Y ), X Y E, gdze Y ma własność (A). Dowód: Nech B r (X) bȩdze rodzn a tych funkcjonałów, które spełnaj a tezȩ nnejszego twerdzena. Netrudno wykazać, że klasa B r (X) zawera wszystke funkcjonały lnowe c agłe jest zamknȩta na brane granc punktowych c agów (wykorzystamy tu twerdzene 3.5). Poneważ B x (X) jest z defncj najmnejsz a tak a klas a, wȩc B x (X) B r (X). Podsumowuj ac: 7

8 Wnosek 3.7 Jeśl c ag (x ) N jest zawarty w przestrzen lokalne wypukłej z własnośca (A), a c ag funkcjonałów (f n ) n N należy do klasy B x każdy z nch jest określony na wszystkch elementach c agu (x ) N, to można bez utraty ogólnośc założyć, że (f n ) s a określone na pewnej przestrzen L E o własnośc (A) takej, że (x ) N L. 4 Sformułowane Prawa Najwyższego według Banacha Nech teraz E bȩdze przestrzen a lokalne wypukł a z własnośca (A) a (x ) N bȩdze dowolnym jej c agem elementów. Nech ponadto (f n ) bȩdze c agem funkcjonałów należ acych do klasy B x, wszystke one s a zdefnowane przynajmnej na wszystkch elementach c agu (x ) N, oraz dla każdego n N wektory v := (f 1 (x ),..., f n (x )) dla = 1,..., n tworz a układ lnowo nezależny. Z wnosku 3.7 można założyć, że wszystke (f n ) s a zdefnowane na przestrzen lnowej L, (x ) L E maj acej własność (A). Zdefnujmy teraz W m,n (x) := det f 1 (x 1 )... f 1 (x m 1 ) f 1 (x) f 1 (x m+1 )... f 1 (x n ) f n (x 1 )... f n (x m 1 ) f n (x) f n (x m+1 )... f n (x n ) Z założena lnowej nezależnośc wektorów v wynka, że W m,n (x m ) 0. Oczywśce funkcjonały F m,n zdefnowane wzorem F m,n (x) := Wm,n(x) W należ a do klasy m,n(x m) Bx (L) dla 1 m n. Ponadto dla 1 n, = m, F m,n (x ) = 1, a dla 1 n, m, F m,n (x ) = 0. Zdefnujmy funkcjonał: Φ m (x) := lm F m,n(x). n Oznaczmy przez L m przestrzeń, na której zdefnowany jest funkcjonał Φ m, tj.. L m := {x L : (F m,n (x)) n N jest zbeżny}. Twerdzene 4.1 ( Prawo Najwyższe ) Przy powyższych założenach przestrzeń Y := m L m ma własność (A) jeśl x Y oraz x = α x (zbeżność szeregu w Y ub ), to zachodz warunek: x = Φ (x)x (tj. Φ (x) = α dla N). Banach sformułował swoj a wersjȩ neco naczej, w naszej termnolog brzmałaby ona tak: Twerdzene 4.2 ( Prawo Najwyższe wersja Banacha) Przy powyższych założenach stneje dysk Banacha B Y := m L m tak, że (x ) N E B E oraz dla każdego x E B zachodz równość x = Φ (x)x (zbeżność w E B, E ub E). Dowód: Oczywśce funkcjonały Φ m s a dobrze zdefnowane dla x, N oraz { 1 dla = m, Φ m (x ) = 0 dla m. Oznacza to, że c ag (x ) jest zawarty w przestrzen zbeżnośc c agu funkcjonałów (F m,n ) n m dla każdego m N. Z twerdzena 3.5 wynka, że przestrzeń L m ma własność (A), a z twerdzena 2.2 wynka, że Y ma równeż własność (A) oraz Φ m B x (Y ). 8

9 Z własnośc (A) stneje teraz c ag lczb dodatnch (M ) tak, że szereg α x jest zbeżny w Y o le α M <. Z wnosku 2.11 stneje dysk Banacha B Y E tak, że szereg α x jest zbeżny w E B. Z twerdzena 3.3, Φ (Y ub ), wȩc jeśl x = α x, to Φ (x) = α. Warto zauważyć, że (x ) N jest faktyczne baz a w E B. Aby w konkretnym przypadku opsać przestrzeń Y E B trzeba by znać c ag (M ), a to jest możlwe tylko w nektórych przypadkach. Trudno też a pror sprawdzć kedy x należy do Y jest postac x = α x. Poneważ c ag (Φ ) N ne mus być totalny na Y, wȩc nawet jeśl Φ (x) M <, to nadal ne wemy czy x = Φ (x)x? Jeśl jednak w jakejś przestrzen rozwnȩce wzglȩdem c agu (x ) jest jednoznaczne, to mus sȩ na E B pokrywać z rozwnȩcem uzyskanym powyższ a metod a. A wȩc np. jeśl (x ) jest baz a Schaudera w E. Nestety wzór na funkcjonały współczynnkowe jest uzyskany tylko dla pewnej podprzestrzen Y. Banach podaje dwa przykłady zastosowana swojego twerdzena. Oba w przestrzen Banacha E = C[0, 1] funkcj c agłych na przedzale jednostkowym z norm a supremum. W jednym przykładze c ag (f ) to c ag funkcjonałów lnowych c agłych przyporz adkowuj acych funkcj x E jej różnce w zerze wzglȩdem przyrostów 1/n rzȩdu n 1. W drugm przykładze różnce zast apone s a pochodnym kolejnych rzȩdów funkcj x w zerze. W tym przypadku funkcjonały s a zdefnowane na podprzestrzenach funkcj n-krotne różnczkowalnych w zerze ne s a c agłe na E, ale należ a do klasy B x. Rachunk pokazuj a, że jeśl x (t) := t 1 to rozwnȩce uzyskane za pośrednctwem Prawa Najwyższego pokrywa sȩ z rozwnȩcem Taylora w zerze. Proszȩ jednak zwrócć uwagȩ, że jeśl wystartowalbyśmy od nnego c agu funkcjonałów (f ), to zachowuj ac ten sam c ag (x ) pownnśmy uzyskać równeż rozwnȩce Taylora (przynajmnej dla pewnej podklasy Y funkcj c agłych na odcnku [0, 1]). Oczywśce Prawo Najwyższe kojarzy sȩ z pojȩcem bazy ewentualne z welomanam ortogonalnym: Defncja 4.3 Cag (x ) N jest baz a w przestrzen lokalne wypukłej E o le dla każdego elementu x E stneje dokładne jeden c ag skalarów (α ) N tak, że x = α x. Baza (x ) jest baz a Schaudera o le funkcjonały współczynnkowe (tj. przyporz adkowuj ace wektorow x skalar α ) s a c agłe. W welu przypadkach (np. gdy E jest przestrzen a Frécheta) każda baza jest automatyczne baz a Schaudera, por. [11, Ch. 14.2]. Wydaje m sȩ, że zw azek Prawa Najwyższego z pojȩcem bazy jest dość powerzchowny. W perwszym przypadku startujemy od dowolnego c agu, dla którego stneje c ag odpowednch funkcjonałów (f ). Oczywśce wówczas c ag (x ) mus być lnowo nezależny, ale z twerdzena 4.1 wynka, że mus stneć nawet c ag (g ) funkcjonałów z klasy B x takch, że g (x j ) = { 1 jeśl = j, 0 w pozostałych przypadkach. Zatem para (x, g ) tworzy c ag bortogonalny z na ogół nec agłym funkcjonałam (g ) na przestrzen Y. Staje sȩ on prawdzwym c agem bortogonalnym z c agłym funkcjonałam na przestrzen Y ub. C ag (x ) tworzy bazȩ pewnej, w praktyce trudno wyodrebnalnej, podprzestrzen w przestrzen E. Waga pojȩca bazy polega natomast na możlwośc rozwnȩca każdego elementu przestrzen. W twerdzenu 4.2 dostajemy nformacjȩ, że tylko pewne elementy można rozwn ać, 9

10 ale za to mamy algorytm znajdywana współczynnków właśne ten aspekt algorytmczny zblża nas do pojȩca układu ortogonalnego, gdze współczynnk rozwnȩca oblcza sȩ łatwo. Prawo Najwyższe wdzȩ wȩc raczej jako metodȩ wyznaczana funkcjonałów bortogonalnych współcześne bardzo naturaln a, ale w czasach Hoene-Wrońskego jak sȩ zdaje nowatorsk a. Pojȩce bazy w aże sȩ nerozerwalne ze sławnym problemem bazy: pytanem postawonym przez Banacha czy każda ośrodkowa przestrzeń Banacha ma bazȩ [1, str. 141]? Waga tego na pozór abstrakcyjnego problemu berze sȩ st ad, że warto meć rozkład funkcj na prostsze cegełk możlwość utożsamana jej z c agem jej współczynnków rozwnȩca, tak jak warto rozwjać np. funkcje całkowalne wzglȩdem układu Haara, funkcje gładke na odcnku wzglȩdem welomanów Czebyszewa czy funkcje holomorfczne wzglȩdem jednomanów. Szczególne użyteczne s a bazy składaj ace sȩ z porz adnych funkcj. Jak wadomo problem bazy ma negatywne rozw azane (Enflo 1973, [10]). Równeż w nnych klasach przestrzen lokalne wypukłych rozw azane analogcznego problemu jest negatywne: np. w bardzo ważnej klase nuklearnych przestrzen Frécheta udowodnl to Mtyagn Zobn [14] w roku Jest też dobra wadomość: znane naturalne ośrodkowe przestrzene Banacha Frécheta - te które pojawaj a sȩ w analtycznych zastosowanach - maj a bazȩ (patrz np. [18], [12, Ex. 29.5]): np. przestrzene funkcj c agłych na typowych zborach, przestrzene L p, klasy Hardy ego, Bergmana, przestrzene funkcj gładkch na porz adnych zborach, przestrzene dystrybucj temperowanych funkcj holomorfcznych na porz adnych zborach. Podobne jest dla nemetryzowalnych naturalnych przestrzen lokalne wypukłych (por. [7]), np. dla przestrzen dystrybucj przestrzen funkcj próbnych - jedyny znany wyj atek to wysoce nemetryzowalna przestrzeń funkcj analtycznych zmennej rzeczywstej, która choć ośrodkowa, nuklearna, zupełna, ultrabornologczna ( co tam kto jeszcze sobe zażyczy) ne ma bazy (Domańsk-Vogt 2000 [8]). Cekawe, że w tej tematyce jest jeszcze sporo naturalnych problemów otwartych: (Pełczyńsk 1970 [15]) Czy każda przestrzeń dopełnalna w nuklearnej przestrzen Frécheta z baz a ma bazȩ? (Mtyagn 1970 [13, Problem 15]) Czy każda dopełnalna podprzestrzeń w przestrzen dystrybucj temperowanych albo w odpowednej przestrzen funkcj próbnych (tj. przestrzen funkcj gładkch szybko malej acych do zera) ma bazȩ? Podać konkretn a naturaln a bazȩ w przestrzen dystrybucj funkcj próbnych (Ω). (Ω) lub w przestrzen (Bessaga 1968 [5, Problem 1]) Czy każde dwe bazy w nuklearnej przestrzen Frécheta generuj a stotne tȩ sam a przestrzeń c agow a (tj. z dokładnośc a do permutacj odwzorowań dagonalnych)? Bblografa [1] S. Banach, Teorja operacyj, tom I. Operacje lnjowe, Kasa Manowskego, Warszawa [2] S. Banach, Théore des opératons lnéares, Monografe Mat. vol. 1, Warszawa [3] S. Banach, Über das Lo suprême von J. Hoene-Wrońsk, Bull. Inter. Acad. Sc. Pol. Sc. Ser. A, (1939), 1 10; przedruk w: S. Banach, Oeuvres, Vol. II, str , PWN. Warszawa [4] S. Banach, Oeuvres, Vol. II, PWN, Warszawa [5] C. Bessaga, Some remarks on Draglev s theorem, Studa Math. 31 (1968),

11 [6] J. Bochnak, J. Scak, Analytc functons n topologcal vector spaces, Studa Math. 39 (1971), [7] P. Domańsk, Classcal PLS-spaces: spaces of dstrbutons, real analytc functons and ther relatves, n: Orlcz Centenary Volume, Banach Center Publcatons, 64, Proceedngs of the Conferences: Władysław Orlcz Centenary Conference and Functon Spaces VII held n Poznań, July 21 25, 2003, Z. Ceselsk, A. Pełczyńsk and L. Skrzypczak (Eds.), Insttute of Mathematcs, Polsh Academy of Scences, Warszawa 2004, pp [8] P. Domańsk, D. Vogt, The space of real analytc functons has no bass, Studa Math. 142 (2000), [9] S. Dcksten, O prawe najwyższym Hoene-Wrońskego w matematyce, Prace Mat.-Fz. 2 (1890), [10] P. Enflo, A counterexample to the approxmaton property n Banach spaces, Acta Math. 130 (1973), [11] H. Jarchow, Locally Convex Spaces, B. G. Teubner, Stuttgart [12] R. Mese, D. Vogt, Introducton to Functonal Analyss, Clarendon Press, Oxford [13] B. S. Mtyagn, Equvalence of bases n Hlbert scales, Studa Math. 37 (1970), [14] B. S. Mtyagn, N. M. Zobn, Contre-exemple à l exstence d une base dans un espace de Fréchet nucleare, C. R. Acad. Sc. Pars Ser. A 279 (1974), , [15] A. Pełczyńsk, Proceedngs of the nternatonal colloquum on nuclear spaces and deals of operators, Problem 37, Studa Math. 38 (1970), 476. [16] P. Perez-Carreras, J. Bonet, Barrelled Locally Convex Spaces, North-Holland, Amsterdam [17] J. Wengenroth, Derved Functors n Functonal Analyss, Lecture Notes Math. 1810, Sprnger, Berln [18] P. Wojtaszczyk, Banach Spaces for Analysts, Cambrdge Unversty Press Adres autora: P. Domańsk Wydzał Matematyk Informatyk Unwersytet m. Adama Mckewcza, Poznań oraz Instytut Matematyczny PAN (Oddzał w Poznanu) Umultowska Poznań, POLSKA e-mal: domansk@amu.edu.pl 11

Artykuł Stefana Banacha o Prawie Najwyższym Józefa Hoene-Wrońskiego

Artykuł Stefana Banacha o Prawie Najwyższym Józefa Hoene-Wrońskiego HOENE- WROŃS KI ŻYCIE, MA TEMA TYKA I FILOZOFIA Artykuł Stefana Banacha o Prawe Najwyższym Józefa Hoene-Wrońskego Paweł Domańsk Streszczene Nnejsza praca zawera omówene artykułu Stefana Banacha z roku

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 + Różnczkowalność pocodne Ćwczene. Znaleźć pocodne cz astkowe funkcj f(x, y) = arctg x y. Rozw azane: Wdać, że funkcj f można napsać jako f(u(x, y)) gdze f(u) = arctg(u), u(x, y) = x y. Korzystaj ac z reg

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

1 Przestrzenie statystyczne, statystyki

1 Przestrzenie statystyczne, statystyki M. Beśka, Statystyka matematyczna, wykład 1 1 1 Przestrzene statystyczne, statystyk 1.1 Rozkłady zmennych losowych Nech Ω, F, P ) będze ustaloną przestrzeną probablstyczną, a X : Ω IR zmenną losową na

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Informacja o przestrzeniach Sobolewa

Informacja o przestrzeniach Sobolewa Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością

Bardziej szczegółowo

Podstawowe twierdzenia

Podstawowe twierdzenia Rozdzał 3 Podstawowe twerdzena 3.1 Istnene rozwazań lokalnych Rozpocznjmy od odpowedz na ogólne pytane: jake warunk mus spełnać równane różnczkowe zwyczajne, aby stnało jego rozwązane kedy rozwązane to

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

Bardziej szczegółowo

Logika i teoria mnogości/wykład 1: Po co nam teoria mnogości? Naiwna teoria mnogości, naiwna indukcja, naiwne dowody niewprost

Logika i teoria mnogości/wykład 1: Po co nam teoria mnogości? Naiwna teoria mnogości, naiwna indukcja, naiwne dowody niewprost 1 z 8 2013-03-23 18:23 Logka teora mnogośc/wykład 1: Po co nam teora mnogośc? Nawna teora mnogośc, nawna ndukcja, nawne dowody newprost From Studa Informatyczne < Logka teora mnogośc "Nawna" teora mnogośc

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Równania rekurencyjne na dziedzinach

Równania rekurencyjne na dziedzinach Marek Materzok Równana rekurencyjne na dzedznach Pommo, ż poczynłem starana, aby praca ta była możlwe kompletna wolna od błędów, ne mogę zagwarantować, że ne wkradły sę do nej żadne neścsłośc czy pomyłk.

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

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

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy 5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Seria 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 szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

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

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

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

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

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

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

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2017/2018)

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2017/2018) Funkcje analityczne Wykład 4. Odwzorowania wiernokątne Paweł Mleczko Funkcje analityczne (rok akademicki 2017/2018) 1. Przekształcenia płaszczyzny Płaszczyzna jako przestrzeń liniowa, odwzorowania liniowe

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX Modelowane przepływu ceczy przez ośrodk porowate Wykład IX Metody rozwązywana metodam analtycznym równań hydrodynamk wód podzemnych płaskch zagadneń fltracj. 9.1 Funkcja potencjału zespolonego. Rozważana

Bardziej szczegółowo

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2016/2017) dla każdego s = (s.

Funkcje analityczne. Wykład 4. Odwzorowania wiernokątne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2016/2017) dla każdego s = (s. Funkcje analityczne Wykład 4. Odwzorowania wiernokątne Paweł Mleczko Funkcje analityczne (rok akademicki 2016/2017) 1 Przekształcenia płaszczyzny Płaszczyzna jako przestrzeń liniowa, odwzorowania liniowe

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

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

Grupa obrotów. - grupa symetrii kuli, R - wszystkie możliwe obroty o dowolne kąty wokół osi przechodzących przez środek kuli

Grupa obrotów. - grupa symetrii kuli, R - wszystkie możliwe obroty o dowolne kąty wokół osi przechodzących przez środek kuli Grupa obrotów - grupa smetr kul R - wsstke możlwe obrot o dowolne kąt wokół os prechodącch pre środek kul nacej O 3 grupa obrotów właścwch - grupa cągła - każd obrót określa sę pre podane os l kąta obrotu

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

Neuron liniowy. Najprostsza sieć warstwa elementów liniowych

Neuron liniowy. Najprostsza sieć warstwa elementów liniowych Najprostsza jest jednostka lnowa: Neuron lnowy potraf ona rozpoznawać wektor wejścowy X = (x 1, x 2,..., x n ) T zapamętany we współczynnkach wagowych W = (w 1, w 2,..., w n ), Zauważmy, że y = W X Załóżmy,

Bardziej szczegółowo

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

Bardziej szczegółowo

KONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla

KONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla Studa doktorancke Wydzał Budownctwa Lądowego Wodnego Poltechnk Wrocławskej KONSPEKT WYKŁADU nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA Potr Konderla maj 2007 Kurs na Studach Doktoranckch Poltechnk

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

O pewnym twierdzeniu S. Łojasiewicza, J. Wloki, Z. Zieleżnego

O pewnym twierdzeniu S. Łojasiewicza, J. Wloki, Z. Zieleżnego O pewnym twierdzeniu S. Łojasiewicza, J. Wloki, Z. Zieleżnego Jan Ligęza Instytut Matematyki Wisła Letnia Szkoła Instytutu Matematyki wrzesień 2010 r. [1] S. Łojasiewicz, J. Wloka, Z. Zieleżny; Über eine

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Tajemnice funkcji σ oraz τ. Dzielniki liczb naturalnych oraz elementy zaawansowanej teorii liczb.

Tajemnice funkcji σ oraz τ. Dzielniki liczb naturalnych oraz elementy zaawansowanej teorii liczb. Tajemnce funkcj σ oraz τ. Dzelnk lczb naturalnych oraz elementy zaawansowanej teor lczb. Bartłomej Grochal V Lceum Ogólnokształcące m. Augusta Wtkowskego w Krakowe Przedmowa Teora lczb oraz nerównośc to

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I* - 1

Zadania 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 szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)

Bardziej szczegółowo

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania Przykład.. Beka dwukrotne statyczne newyznaczana o stałej sztywnośc zgnana Poecene: korzystając z metody sł sporządzć wykresy sł przekrojowych da ponŝszej bek. Wyznaczyć ugęce oraz wzgędną zmanę kąta w

Bardziej szczegółowo

PODSTAWY MATEMATYCZNE

PODSTAWY MATEMATYCZNE PODSTAWY MATEMATYCZNE ALGEBRA WEKTORÓW I TENSORÓW Baza ortonormalna w E 3 : e 1, e 2, e 3 ( e, e ) j j 1 f j 0 f j Każdy wektor w E 3 może być wyrażony jako lnowa kombnacja wersorów bazowych a a e a e

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

Wykład 14. Elementy algebry macierzy

Wykład 14. Elementy algebry macierzy Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo