Równania Naviera-Stokesa

Wielkość: px
Rozpocząć pokaz od strony:

Download "Równania Naviera-Stokesa"

Transkrypt

1 Równania Naviera-Stokesa Na pograniczu matematyki i fizyki Grzegorz Lukaszewicz (MIM UW) KNFM, 3 listopada 2011

2 Plan wyk ladu Równania Naviera-Stokesa w R 3. Model a rzeczywistość. Zwi azki. Obecny stan badań. Model a rzeczywistość. Zwi azki. Hipotezy. Uwagi o wyprowadzeniu równań Naviera-Stokesa. Prawa zachowania masy i pȩdu. Nierówność energetyczna. Definicja rozwi azania uogólnionego. Twierdzenia o istnieniu rozwi azań równania Naviera-Stokesa w R 3 i w R 2. Podstawowe pojȩcia: uk lad dynamiczny, atraktor globalny, wymiar atraktora. Wymiar atraktora, jego parametryzacja i hydrodynamika. Twierdzenia o istnieniu miar niezmienniczych dla 2D-NSE (istnienie stacjonarnych rozwi azań statystycznych). Harmoniki determinuj ace w przep lywie dwuwymiarowym. Transport energii wewn atrz p lynu. Bibliografia. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

3 Wyk lad monograficzny w semestrze wiosennym Prowadz acy: Grzegorz Lukaszewicz (Wyk lad 30 g., ćwiczenia 30 g. Punkty ECTS: 6,00) Tytu l: Dyssypatywne uk lady dynamiczne w mechanice i fizyce matematycznej Literatura: 1. J.C.Robinson: Infinite-dimensional dynamical systems. From basic facts to actual calculations, Cambridge University Press, V.V.Chepyzhov, M.I.Vishik: Attractors for Equations of Mathematical Physics, American Mathematical Society, R.Temam: Infinite-dimensional dynamical systems im mechanics and physics. Springer Verlag, Wymagania wstȩpne: analiza II, podstawy analizy funkcjonalnej. Zaliczenie: aktywność na ćwiczeniach. Egzamin pisemny. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

4 Równania Naviera-Stokesa w R 3. Prawa zachowania: pȩdu i masy, odpowiednio, dla p lynu o sta lej gȩstości (ρ = 1), lepkiego. u(x, t) t + ( u(x, t) ) u(x, t) = p(x, t) + ν u(x, t) + f (x, t), div u(x, t) = 0. u(x, t) - wektor prȩdkości, p(x, t) - ciśnienie p lynu, odpowiednio, w miejscu x R 3 i w chwili t > 0; ν > 0 - lepkość p lynu: f (x, t) - si ly zewnȩtrzne. Zagadnienie pocz atkowe: dla danego wektora prȩdkości u(x, 0) = u 0 (x) w chwili t = 0 pytamy o istnienie rozwi azania ( u(x, t), p(x, t)) dla t > 0, x R 3. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

5 Model a rzeczywistość. Zwi azki. Obecny stan badań. Podstawowe pytania: Co rozumiemy przez rozwi azanie rówań Naviera-Stokesa? Czy interesuj ace rozwi azania (deterministyczne, statystyczne) istniej a? Czy s a jednoznacze? Czy znaj ac odpowiednie rozwi azania r. N-S możemy siȩ dowiedzieć czegoś nowego o zjawisku turbulencji? Odpowiedzi dotycz ace zwi azków modelu i rzeczywistości: Jest sporo wyników cz astkowych potwierdzaj acych użyteczność równań N-S w badaniu turbulencji. Stan badań przedmiotu przypomina stan badań nad elektryczności a i magnetyzmem przed Maxwellem. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

6 Model a rzeczywistość. Zwi azki. Hipotezy. (H1) Istnieje uniwersalna teoria turbulencji opisuj aca ca ly zakres zjawisk dotycz acych turbulencji. (H2) Równania Naviera-Stokesa opisuj a przep lywy turbulentne. (H3) Turbulencjȩ można opisać w ramach teorii chaosu deterministycznego. (H4) Przep lywy turbulentne można opisać przy pomocy skończonej liczby parametrów. (H5) W przep lywach turbulentnych uśrednienia po czasie, przestrzeni i przestrzeni fazowej s a sobie równe. (H6) Osobliwości rozwi azań równań Naviera-Stokesa t lumacz a turbulencjȩ. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

7 Prawo zachowania masy Niech (t) - dowolny element p lynu p lyn acy razem z p lynem. Wtedy d ρ(x, t) dx = 0. dt (t) Mamy Twierdzenie o transporcie (Euler, Liouville, Reynolds) st ad (t) i jeśli ρ = const to divu = 0. { } ρ t + div(ρu) dx = 0, ρ t + div(ρu) = 0. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

8 Prawo zachowania pȩdu d ρudx = ρf dx + t n ds dt (t) (t) (t) Cauchy pokaza l, że t n (x, t) = n(x, t)t (x, t), gdzie T = {T ij } - tensor naprȩżeń. Z tw. o transporcie i tw. Greena, (t) ρ Du Dt dx = (ρf + divt ) dx. (t) Dostajemy równanie Cauchy ego ruchu ρ t u i + 3 j=1 u j u i = ρf i + T ji,j, i = 1, 2, 3. x j G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

9 Prawo zachowania pȩdu, cd. W modelu Naviera-Stokesa, T ij = ( p + λu k,k )δ ij + µ(u i,j + u j,i ) Jeśli divu = 0 to mamy modele p lynu nieściśliwego. Jeśli także lepkość µ = 0, to mamy model nieściśliwy Eulera. W klasycznej hydrodynamice zak ladamy, że T jest symetryczny. Wtedy prawo zachowania momentu pȩdu d ρ(x u) dx = ρ(x f ) dx + x t n ds dt (t) (t) (t) wynika z poprzednich praw. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

10 Nierówność energetyczna u t + ( u ) u = p + ν u + f, div u = 0 Mnożymy równanie przez u, ca lkujemy po przestrzeni: 1 d u(x, t) 2 dx = ν u(x, t) 2 dx + f (x, t)u(x, t)dx 2 dt bo (u )u udx = 0, p udx = p divu dx = 0. Jeśli x R 3, ograniczony i u = 0 na, to mamy nierówność Poincaré go u 2 dx 1 u 2 dx, λ 1 zatem d dt u(x, t) 2 dx + ν u(x, t) 2 dx 1 f (x, t) 2 dx νλ 1 G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

11 Nierówność energetyczna, cd. d u(x, t) 2 dx + ν u(x, t) 2 dx 1 f (x, t) 2 dx dt νλ 1 Ca lkujemy wzglȩdem t na odcinku (0, t), t u(x, t) 2 dx + ν u(x, t) 2 dxdt 0 1 t + f (x, t) 2 dxdt νλ 1 Jeśli u 0 L 2 (), f L 2 (0, T ; L 2 ()) to rozwi azania należ a do przestrzeni 0 u L (0, T ; L 2 ()) L 2 (0, T ; H 1 0 ()). u(x, 0) 2 dx + Piszemy u L (0, T ; H) L 2 (0, T ; V ), gdzie H = {u L 2 ()) : divu = 0}, V = {u H0 1 ()) : divu = 0}. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

12 Nierówność energetyczna, cd. d u(x, t) 2 dx + ν u(x, t) 2 dx 1 f (x, t) 2 dx dt νλ 1 Dalej, z nierówności Poincaré, d u(x, t) 2 dx + νλ 1 dt u(x, t) 2 dx 1 f (x, t) 2 dx νλ 1 i, z nierównoći Gronwalla, u(x, t) 2 dx u(x, 0) 2 dx exp( νλ 1 t) + 1 t + exp( νλ 1 (t τ)) f (x, t) 2 dxdτ νλ 1 0 Warunek pocz atkowy jest szybko zapomniany, a energia jest ograniczona, np. dla f L 2 (). Uk lad jest dyssypatywny. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

13 Definicja rozwi azania uogólnionego Oznaczmy, (u, v) = u(x)v(x)dx. Definicja. Niech u 0 H, f L 2 (T ; H), T > 0. Wtedy u L (0, T ; H) L 2 (0, T ; V ), jest rozwi azaniem uogólnionym, jeśli dla każdej funkcji próbnej v V, d (u(t), v) + ν( u(t), v) + ((u(t) )u(t), v) = (f (t), v) dt w sensie dystrybucji skalarnych na (0, T ) oraz u(0) = u 0 H. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

14 Twierdzenia o istnieniu rozwi azań uogólnionych Twierdzenie. (Wymiar 3). Istnieje conajmniej jedno rozwi azanie uogólnione, takie, że u jest s labo ci ag le z [0, T ] w H oraz spe lnia nierówność energetyczn a w sensie dystrybucji na (0, T ). 1 d 2 dt u(t) 2 + ν u(t) 2 (f (t), u(t)) Twierdzenie. (Wymiar 2). Istnieje dok ladnie jedno rozwi azanie uogólnione, takie że u jest ci ag le z [0, T ] w H oraz spe lnia równanie 1 d 2 dt u(t) 2 + ν u(t) 2 = (f (t), u(t)). G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

15 Pojȩcia podstawowe: uk lad dynamiczny Rozważmy dyssypatywny, nieskończenie wymiarowy u lad dynamiczny (zak ladamy, że istnieje jednoznaczne rozwi azanie dla t > 0): du dt = F (u), t 0 u(0) = u 0 H (H = przestrzeń fazowa) Rozwi azanie : u(t) = S(t)u 0, t 0, {S(t)} t 0 jest pó lgrup a, S(t) : H H. W lasności pó lgrupy {S(t)} t 0 w H daj a informacje o zachowaniu siȩ trajektorii t u(t) H dla dużych czasów t. Dwuwymiarowy autonomiczny (f H) uk lad równań Naviera-Stokesa jest dyssypatywnym uk ladem dynamicznym. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

16 Pojȩcia podstawowe: atraktor globalny Dla wielu uk ladów dyssypatywnych istnieje podzbiór A w przestrzeni fazowej H taki, że: A jest zwarty w H. A jest niezmienniczy : S(t)A = A dla t 0. A przyci aga zbiory ograniczone w H: dist(s(t)b, A) 0 gdy t. (A ma skończony wymiar fraktalny.) Przyk lad: przy braku si l zewnȩtrznych pole prȩdkości uk ladu dyssypatywnego zbiega do zera (punktu stacjonarnego) w H. u(x, t) 2 dx u(x, 0) 2 dx exp( νλ 1 t) + 1 t + exp( νλ 1 (t τ)) f (x, t) 2 dxdτ νλ 1 0 Wtedy A = {0}, dim(a) = 0. Dynamika jest trywialna. Punkt stacjonarny spe lnia wszystkie powyższe warunki. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

17 Pojȩcia podstawowe: wymiar fraktalny zbioru Definicja. Wymiar fraktalny zbioru zwartego K w przestrzeni Hilberta H określamy jako dim(k) = lim sup ɛ 0 log N ɛ (K) log(1/ɛ) gdzie N ɛ (K) jest minimaln a liczb a kul o promieniu ɛ potrzebn a do pokrycia zbioru K. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

18 Wymiar atraktora, jego parametryzacja i hydrodynamika Twierdzenie. Niech K bȩdzie zwartym zbiorem w przestrzeni Hilberta H z dim(k) < d, gdzie d jest liczb a naturaln a. Wtedy istnieje ci ag la parametryzacja zbioru K przy użyciu n 2d + 1 wspó lrzȩdnych. Hydrodynamika. Dla dwuwymiarowych równań Naviera-Stokesa istnieje globalny atraktor. Potrafimy oszacować wymiar tego atraktora przez podstawowe parametry przep lywu: dim(a) F(G), G = f ν 2 λ 1. Ci agle poszukuje siȩ najlepszego oszacowania! G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

19 Istnienie miar niezmienniczych - rozwi azań statystycznych Twierdzenie. Niech H bȩdzie przestrzeni a Hilberta. Za lóżmy, że istnieje globalny atraktor A dla pó lgrupy S( ) w H. Ustalmy uogólnion a granicȩ Banacha LIM t. Wtedy dla każdego p H istnieje niezmiennicza miara probabilistyczna µ p na H skupiona na A i taka, że dla każdego ϕ C(H), 1 t LIM t ϕ(s(s)p)ds = ϕ(v)dµ p (v). t 0 A Niezmienniczość : µ(s(t) 1 (B)) = µ(b) dla B B(H). Interpretacja : µ(b) = Prob({u 0 B}) = Prob({S(t)u 0 B}), t > 0. Każda miara czasowo - uśredniona jest niezmiennicza. Każda miara niezmiennicza jest skupiona na atraktorze. Jeśli lim t g(t) istnieje, to LIM t g(t) = lim t g(t). G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

20 Uogólniona granica Banacha. Definicja. Uogólnion a granic a Banacha jest każdy liniowy funkcjona l, oznaczany LIM T, określony na przestrzeni wszystkich ograniczonych rzeczywistych funkcji na [0, ), spe lniaj acy (i) LIM T g(t ) 0 dla nieujemnych g. (ii) LIM T g(t ) = lim T g(t ) jeśli zwyk la granica lim T g(t ) istnieje. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

21 Przyk lad Przyk lad. Niech H bȩdzie przestrzeni a Hilberta. Za lóżmy, że istnieje trywialny globalny atraktor A = {q} dla pó lgrupy S( ) w H. Wtedy dla każdego p H istnieje niezmiennicza miara probabilistyczna µ p = δ q na H, która nie zależy od p H, jest skupiona na A, i dla każdego ϕ C(H), 1 t lim ϕ(s(s)p)ds = ϕ(v)dδ q (v) = ϕ(q). t t 0 A Miara δ q jest ergodyczna. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

22 Harmoniki determinuj ace w przep lywie dwuwymiarowym Niech u t + ν u + (u )u + p = f (x), divu = 0, u(0) = u 0, u(x, t) = û k (t)ω k (x), P m u(x, t) = k=1 m û k (t)ω k (x). k=1 Niech v bȩdzie innym rozwi azaniem, startuj acym z v 0. Twierdzenie. Jeśli m cg = c f λ 1, oraz ν 2 P m u(x, t) P m v(x, t) 2 dx 0, gdy t to u(x, t) v(x, t) 2 dx 0, gdy t. Zatem, pierwsze m harmonik determinuje, w powyższym sensie, asymptotykȩ rozwi azań dla t. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

23 Transport energii wewn atrz p lynu Niech u = P m u + (I P m )u = y + z, y - duże skale (wiry), z - ma le skale (wiry) oraz (Ko lmogorow, Kraichnan - przyk lad), f = m 2 k=m 1 ˆf k ω k, 1 m 1 m 2 <. (Energia dostarczana do uk ladu w zakresie pewnych skal). Wtedy, dla m > m 2, oraz 1 d 2 dt y 2 + ν y 2 + b(y + z, y + z, y) = (f, y) 1 d 2 dt z 2 + ν z 2 + b(y + z, y + z, z) = 0. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

24 Transport energii wewn atrz p lynu, cd. Wtedy, drugie równanie zapisujemy w postaci d dt e(z) + νe(z) = Φ y (z), Φ y (z) = b(y, y, z) + b(z, z, y). ca lkuj ac wzglȩdem czasu dostajemy, e(z(t )) + ν T 0 E(z(s))ds = T St ad, przy za lożeniu istnienie granic, 0 lim T 1 T T ν E(z(s))ds = lim 0 T 0 Φ y (z(s))ds + e(z(0)). 1 T Φ y (z(s))ds. T 0 Oznacza to, że energia ma lych skal z, po uśrednieniu po czasie, wzrasta: zjawisko transportu energii z dużych skal do ma lych skal, gdy energia jest dostarczana w pewnym zakresie skal. Dyssypacja energii zachodzi w ma lych skalach. G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

25 Bibliografia C. Foias, O. Manley, R. Rosa and R.Temam, Navier-Stokes Equations and Turbulence. Cambridge University Press, Cambridge, UK, G. Lukaszewicz, Micropolar Fluids. Theory and Applications, Birkhäuser, Boston, G. Lukaszewicz, J.Real, and J.C. Robinson, Invariant Measures for Dissipative Systems and Generalised Banach Limits, J. Dyn. Diff. Equat., Vol. 23, No. 2, pp (2011). J.C. Robinson, Infnite-dimensional Dynamical Systems, Cambridge University Press, Cambridge, UK, G. Lukaszewicz, MIM UW () Równania Naviera-Stokesa KNFM, listopad / 25

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

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

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar

Bardziej szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji

Bardziej szczegółowo

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem

Bardziej szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

Bardziej szczegółowo

WYBUCHY ROZWIA ZAŃ NIELINIOWYCH RÓWNAŃ PARABOLICZNYCH: nieliniowe równanie ciep la, model Keller Segela chemotaksji

WYBUCHY ROZWIA ZAŃ NIELINIOWYCH RÓWNAŃ PARABOLICZNYCH: nieliniowe równanie ciep la, model Keller Segela chemotaksji WYBUCHY ROZWIA ZAŃ NIELINIOWYCH RÓWNAŃ PARABOLICZNYCH: nieliniowe równanie ciep la, model Keller Segela chemotaksji Piotr BILER Instytut Matematyczny, Uniwersytet Wroc lawski, pl. Grunwaldzki 2/4, 50 384

Bardziej szczegółowo

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo

Bardziej szczegółowo

Równania różniczkowe cz astkowe rzȩdu pierwszego

Równania różniczkowe cz astkowe rzȩdu pierwszego Równania różniczkowe cz astkowe rzȩd pierwszego 1 Równania liniowe jednorodne Rozważmy równanie a 1 ( 1,..., n ) 1 +... + a n ( 1,..., n ) n = 0, (1) gdzie a i, i = 1,..., n s a dane, a fnkcja = ( 1,...,

Bardziej szczegółowo

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.

Bardziej szczegółowo

Fizyka dla Informatyków Wykład 8 Mechanika cieczy i gazów

Fizyka dla Informatyków Wykład 8 Mechanika cieczy i gazów Fizyka dla Informatyków Wykład 8 Katedra Informatyki Stosowanej PJWSTK 2008 Spis treści Spis treści 1 Podstawowe równania hydrodynamiki 2 3 Równanie Bernoulliego 4 Spis treści Spis treści 1 Podstawowe

Bardziej szczegółowo

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy

Bardziej szczegółowo

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym.

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Po wyznaczeniu optymalnego nominalnego) procesu sterowania x o, u o nasuwa siȩ kwestia podtrzymywania tego procesu w warunkach ma lych

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

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Granice niew laściwe Definicja 1 Ci ag (x n ) d aży do (jest rozbieżny do) + jeśli c R N n > N x n > c a do

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji

Bardziej szczegółowo

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej

Bardziej szczegółowo

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja 19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia 1 Cele (na dzisiaj): Zrozumieć w jaki sposób można wyznaczyć przysz ly czas życia osoby w wieku x. Zrozumieć parametry

Bardziej szczegółowo

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów FORMOWANIE SIĘ PROFILU PRĘDKOŚCI W NIEŚCIŚLIWYM, LEPKIM PRZEPŁYWIE PRZEZ PRZEWÓD ZAMKNIĘTY Cel ćwiczenia Celem ćwiczenia będzie analiza formowanie się profilu prędkości w trakcie przepływu płynu przez

Bardziej szczegółowo

W poszukiwaniu kszta ltów kulistych

W poszukiwaniu kszta ltów kulistych W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch

Bardziej szczegółowo

Fale biegnące w równaniach reakcji-dyfuzji

Fale biegnące w równaniach reakcji-dyfuzji Fale biegnące w równaniach reakcji-dyfuzji Piotr Bartłomiejczyk Politechnika Gdańska Między teorią a zastosowaniami: Matematyka w działaniu Będlewo, 25 30 maja 2015 P. Bartłomiejczyk Fale biegnące 1 /

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj

Bardziej szczegółowo

Normy wektorów i macierzy

Normy wektorów i macierzy Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,

Bardziej szczegółowo

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

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

KOLOKWIUM Z ALGEBRY I R

KOLOKWIUM Z ALGEBRY I R Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane

Bardziej szczegółowo

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Niezb. ednik matematyczny. Niezb. ednik matematyczny Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )

Bardziej szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.

Bardziej szczegółowo

Procesy Stochastyczne - Zestaw 1

Procesy Stochastyczne - Zestaw 1 Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być

Bardziej szczegółowo

Zasady zachowania, równanie Naviera-Stokesa. Mariusz Adamski

Zasady zachowania, równanie Naviera-Stokesa. Mariusz Adamski Zasady zachowania, równanie Naviera-Stokesa Mariusz Adamski 1. Zasady zachowania. Znaczna część fizyki, a w szczególności fizyki klasycznej, opiera się na sformułowaniach wypływających z zasad zachowania.

Bardziej szczegółowo

Zastosowanie metod matematycznych w fizyce i technice - zagadnienia

Zastosowanie metod matematycznych w fizyce i technice - zagadnienia Zastosowanie metod matematycznych w fizyce i technice - zagadnienia 1 Metoda ι Grama Schmidta zortogonalizować uk lad funkcji {x n } n= a) na odcinku 1; 1 z waga ι ρx) = 1, b) na prostej ; ) z waga ι ρx)

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 21 lutego 2017 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach: Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

czastkowych Państwo przyk ladowe zadania z rozwiazaniami: karpinw adres strony www, na której znajda

czastkowych Państwo przyk ladowe zadania z rozwiazaniami:   karpinw adres strony www, na której znajda Zadania z równań różniczkowych czastkowych Za l aczam adres strony www, na której znajda Państwo przyk ladowe zadania z rozwiazaniami: http://math.uni.lodz.pl/ karpinw Zadanie 1. Znaleźć wszystkie rozwiazania

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.

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

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

OSOBNO ANALITYCZNYCH

OSOBNO ANALITYCZNYCH Uniwersytet Jagielloński Instytut Matematyki Zbigniew B locki ZBIORY OSOBLIWOŚCI FUNKCJI OSOBNO ANALITYCZNYCH Praca magisterska Promotor: Prof. dr hab. Józef Siciak Kraków 99 .Wstȩp. Jeśli Ω jest zbiorem

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

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

Zagadnienia stacjonarne

Zagadnienia stacjonarne Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,

Bardziej szczegółowo

RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ

RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ RÓŻNICZKOWYCH Tomasz Kochanek 1 Twierdzenie Titchmarsha Symbolem C[, ) oznaczać bedziemy przestrzeń wszystkich zespolonych funkcji ciag

Bardziej szczegółowo

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej: ROZDZIA L Metoda sympleksowa Motto: Matematyka nie może wype lnić życia ale jej nieznajomość już niejednemu je wype lni la H Steinhaus Tablica sympleksowa Rozważmy ZPL w postaci klasycznej maksymalizować

Bardziej szczegółowo

Równania różniczkowe cząstkowe B1 Streszczenia wykładów

Równania różniczkowe cząstkowe B1 Streszczenia wykładów Streszczenia wykładów Jan Goncerzewicz 25 października 2016 (Notatki w trakcie permanentnego redagowania) Wersja 1.01a 1 1 Wstęp 1.1 Definicje i oznaczenia. Równaniem różniczkowym cząstkowym nazywamy wyrażenie

Bardziej szczegółowo

przepływ Hagena-Poseuille a 22 października 2013 Hydrodynamika równanie Naviera-Stokesa przepły

przepływ Hagena-Poseuille a 22 października 2013 Hydrodynamika równanie Naviera-Stokesa przepły Hydrodynamika równanie Naviera-Stokesa przepływ Hagena-Poseuille a 22 października 2013 Ośrodki ciągłe równanie ruchu Zjawiska zachodzące w poruszających się płynach (cieczach lub gazach) traktujemy makroskopowo

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa - 12

Zadania z Rachunku Prawdopodobieństwa - 12 Zadania z Rachunku Prawdopodobieństwa - 12 1. Udowodnij, że dla dowolnych punktów x n, x w przestrzeni metrycznej E δ xn δ x wtedy i tylko wtedy gdy x n x. 2. Wykaż, że 1 n n k=1 δ k/n λ, gdzie λ jest

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyczne Metody Fizyki II

Matematyczne Metody Fizyki II Matematyczne Metody Fizyki II Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 1 M. Przybycień (WFiIS AGH) Matematyczne Metody Fizyki II Wykład 1 1 / 16 Literatura

Bardziej szczegółowo

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 1 Przypomnienie Jesteśmy już w stanie wyznaczyć tp x = l x+t l x, gdzie l x, l x+t, to liczebności kohorty odpowiednio

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla

Bardziej szczegółowo

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów ANALIZA PRZEKAZYWANIA CIEPŁA I FORMOWANIA SIĘ PROFILU TEMPERATURY DLA NIEŚCIŚLIWEGO, LEPKIEGO PRZEPŁYWU LAMINARNEGO W PRZEWODZIE ZAMKNIĘTYM Cel ćwiczenia Celem ćwiczenia będzie obserwacja procesu formowania

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria miary. WPPT/Matematyka, rok II. Wykład 5 Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R

Bardziej szczegółowo

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5 Dystrybucje Marcin Orchel Spis treści 1 Wstęp 1 1.1 Dystrybucje................................... 1 1.2 Pochodna dystrybucyjna............................ 3 1.3 Przestrzenie...................................

Bardziej szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH Punkty okresowe, zbiory graniczne, sprzężenia Zadanie 1. Pokazać, że trajektoria (w przód) punktu x w przestrzeni metrycznej X pod działaniem ciągłego

Bardziej szczegółowo

Liniowe uk lady sterowania.

Liniowe uk lady sterowania. Liniowe uk lady sterowania Rozwi azywanie liniowych rownań stanu Uk lady z czasem ci ag lym Liniowe stacjonarne równania stanu Przyk lad: Uk lad sterowania tarcz a obrotow a prȩt sprȩżysty tarcza obrotowa

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

g liczb rzeczywistych (a n ) spe lnia warunek

g liczb rzeczywistych (a n ) spe lnia warunek . Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;

Bardziej szczegółowo

Wprowadzenie do równań ró znicowych i ró zniczkowych.

Wprowadzenie do równań ró znicowych i ró zniczkowych. Wprowadzenie do równań ró znicowych i ró zniczkowych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Wprowadzenie do równań ró znicowych i ró zniczkowych. maj 2013 1 / 11 Przyjmijmy nast ¾epuj ¾ace oznaczenia:

Bardziej szczegółowo

Analiza matematyczna. 1. Ciągi

Analiza matematyczna. 1. Ciągi Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

Cia la i wielomiany Javier de Lucas

Cia la i wielomiany Javier de Lucas Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

Stabilność liniowych uk ladów sterowania

Stabilność liniowych uk ladów sterowania Stabilność liniowych uk ladów sterowania Stabilność uk ladów z czasem ci ag lym W teorii stabilności uk ladów sterowania badamy wrażliwość trajektorii stanu na zaburzenia stanu pocz atkowego. Interesuje

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,

Bardziej szczegółowo

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania

Bardziej szczegółowo

Metody iteracyjne dla hiperbolicznych równań różniczkowo-funkcyjnych

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

Bardziej szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

w = w i ξ i. (1) i=1 w 1 w 2 : S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo

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

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek

Bardziej szczegółowo

Tensory mały niezbędnik

Tensory mały niezbędnik 28 października 2013 Rozkład wektora V na współrzędne: α = (0x, V ), β = (0y, V ), γ = (0z, V ). Rozkład wektora r, r = (x, y) na współrzędne w dwóch różnych układach współrzędnych. x = x cos θ + y sin

Bardziej szczegółowo