Teoria popytu. Popyt indywidualny konsumenta

Wielkość: px
Rozpocząć pokaz od strony:

Download "Teoria popytu. Popyt indywidualny konsumenta"

Transkrypt

1 Teoria popytu Popyt indywidualny konsumenta

2 Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument może kupić nazywamy koszykiem towarów (wiązka towarów). Każda współrzędna wektora x jest wyrażona w jednostkach naturalnych. X (ozn.) zbiór wszystkich dostępnych koszyków na rynku (przestrzeń towarów).

3 Przykład Rynek oferuje trzy towary A, B, C w ilościach 10,100,1000 odpowiednio. Przykładowe koszyki x=(10,5,1), y=(0,100,0). Przestrzeń towarów X={(x 1,x 2,x 3 ): 0 x 1 10; 0 x 2 100; 0 x }

4 Metryka w przestrzeni towarów Niech x=(x 1,x 2,x 3,...,x n ) oraz y=(y 1,y 2,y 3,...,y n ) będą koszykami towarów z przestrzeni X. Metryki w przestrzeni towarów: d(x,y)=max x i y i i metryka euklidesowa n d(x,y)= i=1 x i y i 2

5 Pojęcie relacji Definicja 0.0 Relacją dwuargumentową określoną w zbiorze X i przyjmująca wartości w zbiorze Y nazywamy (X,Y dowolne zbiory) nazywamy każdy podzbiór iloczynu kartezjańskiego X Y. Oznaczenia: Jeżeli R jest relacją i (x,y)ϵr to mówimy, że element x jest w relacji z elementem y, możliwym jest zapis xry.

6 Właściwości relacji Niech R oznacza relację określoną w zbiorze X X. Relacja R jest 1. zwrotna gdy x X xrx, 2. symetryczna gdy x, y X xry yrx, 3. antysymetryczna gdy x, y X xry yrx x =y, 4. przechodnia gdy x, y, z X xry yrz xrz, 5. zupełna gdy x, y X xry yrx.

7 Relacje porządkujące Def 0.1 Relacja R określona w zbiorze X X jest relacją częściowego porządku gdy jest to relacja zwrotna, przechodnia i antysymetryczna. Def 0.2 Relacja R określona w zbiorze X X, która jest relacją częściowego porządku oraz dodatkowo jest relacją zupełną nazywa się relacją porządku.

8 Relacja preferencji Definicja 2. Relacja jest relacją słabej preferencji jeżeli jest: a) zwrotna, b) przechodnia, c) zupełna. Jeżeli koszyk x y, to koszyk x jest słabo preferowany względem y, inaczej koszyk x jest nie gorszy od koszyka y. Zwrotność relacji słabej preferencji oznacza, że x x.

9 Pole preferencji, silna preferencja. Polem preferencji konsumenta nazywamy parę X przestrzeń towarów oraz relacja słabej preferencji określona w zbiorze X X. Definicja 3. Dwa koszyki x i y są równoważne (inaczej indyferentne) (ozn. x~y) wtedy, gdy x y oraz y x. Koszyk x jest silnie preferowany nad koszyk y wtedy, gdy x y i jednocześnie ~(y x) (ozn. x>y).

10 Zbiory koszyków Niech x oznacza ustalony koszyk w przestrzeni towarów X. Zbiór koszyków nie gorszych niż x: K x ={y: yϵx, y x} (K >x ={y: yϵx, y>x} zbiór koszyków lepszych) Zbiór koszyków nie lepszych niż x K x ={y: yϵx, x y} (K <x ={y: yϵx, y<x} zbiór koszyków gorszych) Zbiór koszyków indyferentnych względem x K ~x ={y: yϵx, x~y} (zbiór obojętności) Właściwości: K x K x =K ~x

11 Monotoniczność relacji preferencji Relację preferencji nazywamy monotoniczną, gdy dla każdych dwóch koszyków x=(x 1,x 2,x 3,...,x n ) oraz y=(y 1,y 2,y 3,...,y n ) z przestrzeni X zachodzi implikacja: x y i x i >y i

12 Definicja 4. Ciągłość relacji preferencji. Relacja słabej preferencji jest ciągła wtedy, gdy dla każdych dwóch koszyków x i y z przestrzeni towarów X takich, że x>y istnieją otoczenia U x oraz U y takie, że dowolny element x z otoczenia U x jest w relacji silnej preferencji z dowolnym elementem y z otoczenia U y czyli x >y.

13 Twierdzenie 1. Relacja słabej preferencji jest ciągła wtedy i tylko wtedy gdy dla każdego koszyka x, zbiory: zbiór koszyków nie gorszych niż x (ozn. K x ) i zbiór koszyków nie lepszych niż x (ozn. K x ) są zbiorami domkniętymi.

14 Przykład relacji preferencji Niech x=(x 1,x 2 ) oraz y=(y 1,y 2 ) oznaczają koszyki towarów z przestrzeni X. Relacja > x>y x 1 >y 1 lub (x 1 =y 1 oraz x 2 >y 2 ) Zbiór koszyków nie gorszych K >x ={y: yϵx, y>x}={(y 1,y 2 ): y 1 >x 1 lub (x 1 =y 1 oraz y 2 >x 2 ) Zbiór koszyków nie lepszych K <x ={y: yϵx, x>y}={(y 1,y 2 ): x 1 >y 1 lub (x 1 =y 1 oraz x 2 >y 2 ) Relacja > zdefiniowana powyżej nie jest ciągła.

15 Relacja wypukła Zbiór A w przestrzeni X nazywamy wypukłym wtedy, gdy x, y A α, β R + α + β = 1 αx + βy A Definicja 5. Relację nazywamy relacją wypukłą w przestrzeni X wtedy, gdy x, y, z X α, β R + α + β = 1 x y y z αx + βy z Twierdzenie 2. Relacja słabej preferencji jest wypukła wtedy i tylko wtedy, gdy zbiór koszyków nie gorszych od koszyka x jest zbiorem wypukłym dla dowolnego koszyka x z przestrzeni towarów X.

16 Koszyk optymalny Niech A oznacza pewien zbiór zawarty w przestrzeni towarów X, (X, ) oznacza pole preferencji konsumenta. Definicja 6. Koszyk x w przestrzeni X nazywamy optymalnym w zbiorze A gdy y A x y

17 Zagadnienie koszyka optymalnego Twierdzenie 3. Jeżeli relacja preferencji (słabej preferencji) jest ciągła w przestrzeni towarów x i zbiór A jest zbiorem zwartym to w zbiorze A istnieje co najmniej jeden optymalny koszyk towarów w zbiorze A. Twierdzenie 4. Jeżeli relacja preferencji jest ciągła i wypukła w wypukłej przestrzeni towarów X a zbiór A jest zwarty i wypukły to w zbiorze A istnieje co najmniej jeden koszyk optymalny. Zbiór wszystkich koszyków optymalnych jest w tym przypadku zwartym i wypukłym podzbiorem zbioru A. Twierdzenie 5. Jeżeli relacja słabej preferencji jest ciągła i wypukła w wypukłej przestrzeni towarów X i zbiór A jest zwarty i wypukły to w zbiorze A istnieje dokładnie jeden optymalny koszyk towarów.

18 Funkcja użyteczności Definicja 6. Funkcję wielu zmiennych U: R n R określoną na przestrzeni towarów X nazywamy funkcją użyteczności konsumenta związaną z relacją > wtedy, gdy 1) x, y X x y U(x) U(y), 2) x, y X x > y U x > U(y). Twierdzenie 6 (Debreu). Jeżeli relacja preferencji jest ciągła, to istnieje ciągła funkcja użyteczności, związana z tą relacją. Twierdzenie 7. Złożenie dowolnej funkcji rosnącej (jednej zmiennej) z funkcją użyteczności związaną z pewną relacją jest także funkcją użyteczności powiązaną z tą relacją.

19 Postulaty dot. funkcji użyteczności Postulat niedosytu Funkcja U(x)=U(x 1,x 2,x 3,...,x n ) traktowana jako funkcja jednej wybranej zmiennej x i jest rosnąca przy ustalonych wartościach pozostałych zmiennych. Dla dowolnego koszyka x z przestrzeni towarów X krańcowa stopa użyteczności towaru x i jest dodatnia (ew. nieujemna). U x i > 0 Postulat lokalnego niedosytu Funkcja U(x)=U(x 1,x 2,x 3,...,x n ) nie ma lokalnych maksimów. W każdym otoczeniu dowolnego punktu x z przestrzeni towarów X istnieje punkt x taki, że U(x )>U(x). Prawo Gossena Krańcowa użyteczność każdego towaru maleje w miarę jak wzrasta jego spożycie. 2 U x i 2 < 0

20 Właściwości funkcji użyteczności Twierdzenie 7. Jeżeli relacja preferencji odpowiadająca funkcji użyteczności U(x) jest wypukła i spełniony jest postulat niedosytu to funkcja użyteczności spełnia prawo Gossena. Dodatkowo lim x i + U x i = 0 oraz lim xi 0 U x i = +.

21 Rachunek marginalny Krańcową stopą użyteczności danego towaru nazywamy wyrażenie postaci MU i (x)= U x i (x) Krańcową stopą substytucji i-tego towaru przez towar j-ty w koszyku nazywamy MRS ij (x)= U x i (x) U x j (x) = MUi(x) MU j (x)

22 Elastycznością substytucji i-tego towaru przez towar j-ty w koszyku nazywamy MRS i (x)= U x i (x) U x j (x) x i x j = MRS ij x i x j

23 Zbiór budżetowy Definicja 7. Niech x oznacza pewien koszyk z przestrzeni towarów X. Niech p i oznacza cenę jednostkową przypisaną do towaru x i z koszyka x. Wartością koszyka x nazywamy liczbę p x określoną jako n i=1 x i p i. Jeżeli I jest liczbą nieujemną, to zbiór koszyków o wartości mniejszej od I nazywamy zbiorem budżetowym (zbiór dopuszczalnych planów konsumpcji - wartość koszyka nie przekracza dochodu I). Oznaczenia: B(p,I)={x: x jest elementem przestrzeni X takim, że p x <I}

24 Zagadnienie Maksymalizacji Użyteczności Konsumenta Koszyk x w przestrzeni towarów X nazywamy optymalnym wtedy gdy spełnione są warunki: U(x )=max U x oraz p x <I x Zatem koszyk x należy do zbioru B(p,I).

25 Wybór optymalnego planu konsumpcji Twierdzenie 7. Jeżeli relacja preferencji odpowiadająca funkcji użyteczności U(x) jest ciągła i wypukła oraz spełniony jest postulat niedosytu to rozwiązaniem zagadnienia optymalizacji użyteczności konsumenta jest każde z rozwiązań układu równań: grad U(x)-λp=0 oraz I- p x =0. W postaci skalarnej: U x i (x)- λ p i =0 przy warunku p x=i.

Metoda mnożników Lagrange a i jej zastosowania w ekonomii

Metoda mnożników Lagrange a i jej zastosowania w ekonomii Maciej Grzesiak Metoda mnożników Lagrange a i jej zastosowania w ekonomii 1. Metoda mnożników Lagrange a znajdowania ekstremum warunkowego Pochodna kierunkowa i gradient. Dla prostoty ograniczymy się do

Bardziej szczegółowo

Metoda mnożników Lagrange a i jej zastosowania w ekonomii

Metoda mnożników Lagrange a i jej zastosowania w ekonomii Maciej Grzesiak Metoda mnożników Lagrange a i jej zastosowania w ekonomii 1 Metoda mnożników Lagrange a znajdowania ekstremum warunkowego Pochodna kierunkowa i gradient Dla prostoty ograniczymy się do

Bardziej szczegółowo

Ekonomia. matematyczna. Materia y do çwiczeƒ. Joanna Górka Witold Orzeszko Marcin Wata

Ekonomia. matematyczna. Materia y do çwiczeƒ. Joanna Górka Witold Orzeszko Marcin Wata Ekonomia matematyczna Materia y do çwiczeƒ Joanna Górka Witold Orzeszko Marcin Wata Ekonomia matematyczna Ekonomia matematyczna Materia y do çwiczeƒ Joanna Górka Witold Orzeszko Marcin Wata WYDAWNICTWO

Bardziej szczegółowo

C~A C > B C~C Podaj relacje indyferencji, silnej i słabej preferencji. Zapisz zbiór koszyków indyferentnych

C~A C > B C~C Podaj relacje indyferencji, silnej i słabej preferencji. Zapisz zbiór koszyków indyferentnych ZADANIA EGZAMIN EKONOMIA MATEMATYCZNA TEORIA POPYTU a. Podaj iloczyn kartezjański zbiorów X={,3,4}, Y={,} b. Narysuj iloczyn kartezjański zbiorów X=[,], Y=[,3]. Dane są punkty A(3,4) i B(,). Oblicz odległość

Bardziej szczegółowo

*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów

*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów *** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

RELACJE I ODWZOROWANIA

RELACJE I ODWZOROWANIA RELACJE I ODWZOROWANIA Definicja. Dwuargumentową relacją określoną w iloczynie kartezjańskim X Y, X Y nazywamy uporządkowaną trójkę R = ( X, grr, Y ), gdzie grr X Y. Zbiór X nazywamy naddziedziną relacji.

Bardziej szczegółowo

Mikroekonomia A.3. Mikołaj Czajkowski

Mikroekonomia A.3. Mikołaj Czajkowski Mikroekonomia A.3 Mikołaj Czajkowski Preferencje Konsumenci mają preferencje wybierają te koszyki, które dają im najwyższe zadowolenie Relacja preferencji umożliwia porównywanie 2 koszyków xy, X x ściśle

Bardziej szczegółowo

Relacje. Relacje / strona 1 z 18

Relacje. Relacje / strona 1 z 18 Relacje Relacje / strona 1 z 18 Relacje (para uporządkowana, iloczyn kartezjański) Definicja R.1. Parą uporządkowaną (x,y) nazywamy zbiór {{x},{x,y}}. Uwaga: (Ala, Ola) (Ola, Ala) Definicja R.2. (n-tka

Bardziej szczegółowo

Teoria wyboru konsumenta. Marta Lubieniecka Tomasz Szemraj

Teoria wyboru konsumenta. Marta Lubieniecka Tomasz Szemraj Teoria wyboru konsumenta Marta Lubieniecka Tomasz Szemraj Teoria wyboru konsumenta 1) Przedmiot wyboru konsumenta na rynku towarów. 2) Zmienne decyzyjne, parametry rynkowe i preferencje jako warunki wyboru.

Bardziej szczegółowo

Zadania z ekonomii matematycznej Teoria konsumenta

Zadania z ekonomii matematycznej Teoria konsumenta Paweł Kliber Zadania z ekonomii matematycznej Teoria konsumenta Zad Dla podanych niżej funcji użyteczności: (a u (x x = x + x (b u (x x = x x (c u (x x = x x (d u (x x = x x 4 (e u (x x = x + x = x + x

Bardziej szczegółowo

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik 9 Relacje 9.1 Podstawowe pojęcia 9.1 Definicja (Relacja). Relacją (binarną) nazywamy dowolny podzbiór produktu

Bardziej szczegółowo

IVa. Relacje - abstrakcyjne własności

IVa. Relacje - abstrakcyjne własności IVa. Relacje - abstrakcyjne własności Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny wiva. Krakowie) Relacje - abstrakcyjne własności 1 / 22 1 Zwrotność

Bardziej szczegółowo

Użyteczność W. W. Norton & Company, Inc.

Użyteczność W. W. Norton & Company, Inc. 4 Użyteczność 2010 W. W. Norton & Company, Inc. Funkcja Użyteczności ufunkcja użyteczności jest sposobem przypisania liczb każdemu koszykowi, bardziej preferowane koszyki otrzymują wyższe liczby. 2010

Bardziej szczegółowo

9 Funkcje Użyteczności

9 Funkcje Użyteczności 9 Funkcje Użyteczności Niech u(x) oznacza użyteczność wynikającą z posiadania x jednostek pewnego dobra. Z założenia, 0 jest punktem referencyjnym, czyli u(0) = 0. Należy to zinterpretować jako użyteczność

Bardziej szczegółowo

Wstęp do Matematyki (2)

Wstęp do Matematyki (2) Wstęp do Matematyki (2) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Własności relacji Jerzy Pogonowski (MEG) Wstęp do Matematyki (2) Własności relacji 1 / 24 Wprowadzenie

Bardziej szczegółowo

Matematyka z el. statystyki, # 4 /Geodezja i kartografia I/

Matematyka z el. statystyki, # 4 /Geodezja i kartografia I/ Matematyka z el. statystyki, # 4 /Geodezja i kartografia I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a, bud. Agro

Bardziej szczegółowo

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ FUNKCJE DWÓCH ZMIENNYCH RZECZYWISTYCH Definicja 1. Niech A będzie dowolnym niepustym zbiorem. Metryką w zbiorze A nazywamy funkcję rzeczywistą

Bardziej szczegółowo

Podstawy teorii zachowania konsumentów. mgr Katarzyna Godek

Podstawy teorii zachowania konsumentów. mgr Katarzyna Godek Podstawy teorii zachowania konsumentów mgr Katarzyna Godek zachowanie racjonalne wewnętrznie spójne, logiczne postępowanie zmierzające do maksymalizacji satysfakcji jednostki. Funkcje gospodarstwa domowego:

Bardziej szczegółowo

Matematyka dyskretna. 1. Relacje

Matematyka dyskretna. 1. Relacje Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

3. Funkcje wielu zmiennych

3. Funkcje wielu zmiennych 3 Funkcje wielu zmiennych 31 Ciagłość Zanim podamy definicję ciagłości dla funkcji wielu zmiennych wprowadzimy bardzo ogólne i abstrakcyjne pojęcie przestrzeni metrycznej Przestrzeń metryczna Metryka w

Bardziej szczegółowo

Rachunek Różniczkowy

Rachunek Różniczkowy Rachunek Różniczkowy Sąsiedztwo punktu Liczby rzeczywiste będziemy teraz nazywać również punktami. Dla ustalonego punktu x 0 i promienia r > 0 zbiór S(x 0, r) = (x 0 r, x 0 ) (x 0, x 0 + r) nazywamy sąsiedztwem

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n )

x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) *** Elementy teorii popytu *** II. Funkcja popytu konsumenta x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) p, x = p 1 x 1 + p 2 x 2 + + p n x n cena koszyka x Zbiór wszystkich koszyków, na jakie sta

Bardziej szczegółowo

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji

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

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

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

Bardziej szczegółowo

5. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość

5. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość 5. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 5. Badanie w Krakowie) przebiegu

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

RÓWNOWAGA KONSUMENTA PODSTAWOWE ZAŁOŻENIA DECYZJE KONSUMENTA TEORIA UŻYTECZNOŚCI KRAŃCOWEJ TEORIE OPTIMUM KONSUMENTA

RÓWNOWAGA KONSUMENTA PODSTAWOWE ZAŁOŻENIA DECYZJE KONSUMENTA TEORIA UŻYTECZNOŚCI KRAŃCOWEJ TEORIE OPTIMUM KONSUMENTA RÓWNOWAGA KONSMENTA PODSTAWOWE ZAŁOŻENA Celem działalności konsumenta jest maksymalizacja użyteczności (satysfakcji) czerpanej ze spożycia koszyka dóbr oraz z czasu wolnego. DECZJE KONSMENTA Wybór struktury

Bardziej szczegółowo

Decyzje konsumenta I WYBIERZ POPRAWNE ODPOWIEDZI

Decyzje konsumenta I WYBIERZ POPRAWNE ODPOWIEDZI Decyzje konsumenta I WYBIERZ POPRAWNE ODPOWIEDZI 1. Dobrami podrzędnymi nazywamy te dobra: a. które nie mają bliskich substytutów b. na które popyt maleje w miarę wzrostu dochodów konsumenta, przy pozostałych

Bardziej szczegółowo

Zbiory wypukłe i stożki

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

Bardziej szczegółowo

Spis treści. Wstęp Konstrukcja modelu matematycznego... 1

Spis treści. Wstęp Konstrukcja modelu matematycznego... 1 Spis treści Wstęp........................................................ XI 1. Konstrukcja modelu matematycznego............................. 1 2. Relacje. Teoria preferencji konsumenta...........................

Bardziej szczegółowo

Wykład 7. Informatyka Stosowana. 21 listopada Informatyka Stosowana Wykład 7 21 listopada / 27

Wykład 7. Informatyka Stosowana. 21 listopada Informatyka Stosowana Wykład 7 21 listopada / 27 Wykład 7 Informatyka Stosowana 21 listopada 2016 Informatyka Stosowana Wykład 7 21 listopada 2016 1 / 27 Relacje Informatyka Stosowana Wykład 7 21 listopada 2016 2 / 27 Definicja Iloczynem kartezjańskim

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład V: Zmienne losowe i ich wartości oczekiwane 25 października 2017 Definicja zmiennej losowej Definicja Zmienne losowa to charakterystyka liczbowa wyniku eksperymentu losowego. Zmienne losowa na przestrzeni

Bardziej szczegółowo

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/ Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a, bud. Agro

Bardziej szczegółowo

IX Wojewódzki Konkurs Matematyczny "W Świecie Matematyki im. Prof. Włodzimierza Krysickiego Etap drugi - 21 lutego 2017 r.

IX Wojewódzki Konkurs Matematyczny W Świecie Matematyki im. Prof. Włodzimierza Krysickiego Etap drugi - 21 lutego 2017 r. IX Wojewódzki Konkurs Matematyczny "W Świecie Matematyki im. Prof. Włodzimierza Krysickiego Etap drugi - 21 lutego 2017 r. Maksymalna liczba punktów do zdobycia: 80. 1. Drugi etap Konkursu składa się z

Bardziej szczegółowo

Modelowanie sytuacji decyzyjnej

Modelowanie sytuacji decyzyjnej Modelowanie sytuacji decyzyjnej dr hab. inż. Krzysztof Patan, prof. PWSZ Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa w Głogowie k.patan@issi.uz.zgora.pl Wprowadzenie Systemy wspomagania decyzji

Bardziej szczegółowo

Rynek W. W. Norton & Company, Inc.

Rynek W. W. Norton & Company, Inc. 1 Rynek 2010 W. W. Norton & Company, Inc. Modelowanie Ekonomiczne uco wpływa na co w systemie ekonomicznym? una jakim poziomie uogólnienia możemy modelować zjawisko ekonomiczne? uktóre zmienne są egzogeniczne,

Bardziej szczegółowo

1 Zbiory i działania na zbiorach.

1 Zbiory i działania na zbiorach. Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu

Bardziej szczegółowo

IV. Relacje. Grzegorz Kosiorowski. Uniwersytet Ekonomiczny w Krakowie. rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) IV.

IV. Relacje. Grzegorz Kosiorowski. Uniwersytet Ekonomiczny w Krakowie. rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) IV. IV. Relacje Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) IV. Relacje 1 / 32 1 Relacje - wstępne definicje 2 Relacje preferencji i obojętności

Bardziej szczegółowo

Nazwisko i Imię zł 100 zł 129 zł 260 zł 929 zł 3. Jeżeli wraz ze wzrostem dochodu, maleje popyt na dane dobro to jest to: (2 pkt)

Nazwisko i Imię zł 100 zł 129 zł 260 zł 929 zł 3. Jeżeli wraz ze wzrostem dochodu, maleje popyt na dane dobro to jest to: (2 pkt) Nazwisko i Imię... Numer albumu... A 1. Utrata wartości dobra kapitałowego w ciągu roku będąca rezultatem wykorzystania tego dobra w procesie produkcji nazywana jest: (2 pkt) ujemnym przepływem pieniężnym

Bardziej szczegółowo

Mikroekonomia. Wykład 4

Mikroekonomia. Wykład 4 Mikroekonomia Wykład 4 Ekonomia dobrobytu Na rynku doskonale konkurencyjnym, na którym występuje dwóch konsumentów scharakteryzowanych wypukłymi krzywymi obojętności, równowaga ustali się w prostokącie

Bardziej szczegółowo

Teoria popytu konsumpcyjnego

Teoria popytu konsumpcyjnego Wykład 1 Teoria popytu konsumpcyjnego 1.1 Podstawowe pojęcia teorii popytu konsumpcyjnego Ekonomia jest studium racjonalnego wyboru(economics is the study of rational choice.) Analiza ekonomiczna wychodzi

Bardziej szczegółowo

Teoria produkcji pojęcie, prawa, izokwanty. Funkcja produkcji pojęcie, przykłady.

Teoria produkcji pojęcie, prawa, izokwanty. Funkcja produkcji pojęcie, przykłady. Przedmiot: EKONOMIA MATEMATYCZNA Katedra: Ekonomii Opracowanie: dr hab. Jerzy Telep Temat: Matematyczna teoria produkcji Zagadnienia: Teoria produkcji pojęcie, prawa, izokwanty. Funkcja produkcji pojęcie,

Bardziej szczegółowo

19 Własności iloczynu skalarnego: norma, kąt i odległość

19 Własności iloczynu skalarnego: norma, kąt i odległość 19 Własności iloczynu skalarnego: norma, kąt i odległość Załóżmy, że V jest przestrzenią liniową z iloczynem skalarnym.,.. Definicja 19.1 Normą (długością) wektora v V nazywamy liczbę v = v, v. Uwaga 1

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

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ FUNKCJE WÓCH ZMIENNYCH RZECZYWISTYCH efinicja 1. Niech A będzie dowolnym niepustym zbiorem. Metryką w zbiorze A nazywamy funkcję rzeczywistą d

Bardziej szczegółowo

Relacje. opracował Maciej Grzesiak. 17 października 2011

Relacje. opracował Maciej Grzesiak. 17 października 2011 Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla

Bardziej szczegółowo

Logika I. Wykład 3. Relacje i funkcje

Logika I. Wykład 3. Relacje i funkcje Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 3. Relacje i funkcje 1 Już było... Definicja 2.6. (para uporządkowana) Parą uporządkowaną nazywamy zbiór {{x},

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

Analiza portfelowa w czasie ciagłym dla ogólnych cen zakupu i sp. ze stałymi kosztami za transakcje

Analiza portfelowa w czasie ciagłym dla ogólnych cen zakupu i sp. ze stałymi kosztami za transakcje Analiza portfelowa w czasie ciagłym dla ogólnych cen zakupu i sprzedaży ze stałymi kosztami za transakcje Instytut Matematyczny PAN Problem bez stałych kosztów za transakcje (Ω, F, (F t ), P) przestrzeń

Bardziej szczegółowo

Użyteczność całkowita

Użyteczność całkowita Teoria konsumenta 1.Użyteczność całkowita i krańcowa 2.Preferencje konsumenta, krzywa obojętności i mapa obojętności 3.Równowaga konsumenta, nadwyżka konsumenta 4.Zmiany dochodów i zmiany cen dóbr oraz

Bardziej szczegółowo

Programowanie liniowe

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

Bardziej szczegółowo

Funkcje rzeczywiste jednej. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Funkcje rzeczywiste jednej. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Funkcje rzeczywiste jednej zmiennej rzeczywistej Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Definicje Funkcją (odwzorowaniem) f, odwzorowującą zbiór D w zbiór P nazywamy

Bardziej szczegółowo

1 Funkcje dwóch zmiennych podstawowe pojęcia

1 Funkcje dwóch zmiennych podstawowe pojęcia 1 Funkcje dwóch zmiennych podstawowe pojęcia Definicja 1 Funkcją dwóch zmiennych określoną na zbiorze A R 2 o wartościach w zbiorze R nazywamy przyporządkowanie każdemu punktowi ze zbioru A dokładnie jednej

Bardziej szczegółowo

Teoria automatów i języków formalnych. Określenie relacji

Teoria automatów i języków formalnych. Określenie relacji Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

Bardziej szczegółowo

METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ

METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ Wykład 3 Elementy analizy pól skalarnych, wektorowych i tensorowych Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej 1 Analiza

Bardziej szczegółowo

Funkcje dwóch zmiennych, pochodne cząstkowe

Funkcje dwóch zmiennych, pochodne cząstkowe Wykłady z matematyki inżynierskiej Funkcje dwóch zmiennych, pochodne cząstkowe JJ, IMiF UTP 17 f (x, y) DEFINICJA. Funkcja dwóch zmiennych określona w zbiorze D R 2, to przyporządkowanie każdemu punktowi

Bardziej szczegółowo

Szymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka

Szymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka Instytut Matematyki, Politechnika Lódzka Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ

Bardziej szczegółowo

Relacje. 1 Iloczyn kartezjański. 2 Własności relacji

Relacje. 1 Iloczyn kartezjański. 2 Własności relacji Relacje 1 Iloczyn kartezjański W poniższych zadaniach litery a, b, c, d oznaczają elementy zbiorów, a litery A, B, C, D oznaczają zbiory. Przypomnijmy definicję pary uporządkowanej (w sensie Kuratowskiego):

Bardziej szczegółowo

13. Funkcje wielu zmiennych pochodne, gradient, Jacobian, ekstrema lokalne.

13. Funkcje wielu zmiennych pochodne, gradient, Jacobian, ekstrema lokalne. 13. Funkcje wielu zmiennych pochodne, gradient, Jacobian, ekstrema lokalne. 1. Wprowadzenie. Dotąd rozważaliśmy funkcje działające z podzbioru liczb rzeczywistych w zbiór liczb rzeczywistych, zatem funkcje

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

II. FUNKCJE WIELU ZMIENNYCH

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

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=

Bardziej szczegółowo

Teoria wyboru konsumenta (model zachowań konsumenta) Gabriela Przesławska Uniwersytet Wrocławski Instytut Nauk Ekonomicznych Zakład Polityki

Teoria wyboru konsumenta (model zachowań konsumenta) Gabriela Przesławska Uniwersytet Wrocławski Instytut Nauk Ekonomicznych Zakład Polityki Teoria wyboru konsumenta (model zachowań konsumenta) Gabriela Przesławska Uniwersytet Wrocławski Instytut Nauk Ekonomicznych Zakład Polityki Gospodarczej Analiza postępowania konsumenta może być prowadzona

Bardziej szczegółowo

Mikroekonomia. Wykład 5

Mikroekonomia. Wykład 5 Mikroekonomia Wykład 5 Model czystej wymiany Brak produkcji, tylko zasoby początkowe, czyli nie wiadomo jak czynniki produkcji zostały przekształcone w produkt końcowy. Równowaga ogólna: wszystkie rynki

Bardziej szczegółowo

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)

Bardziej szczegółowo

Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz:

Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz: Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy jego obraz: f(a) = {f(x); x A} = {y Y : x A f(x) = y}. Dla dowolnego zbioru B Y określamy jego przeciwobraz: f 1 (B) = {x X; f(x) B}. 1 Zadanie.

Bardziej szczegółowo

Mikroekonomia A.4. Mikołaj Czajkowski

Mikroekonomia A.4. Mikołaj Czajkowski Mikroekonomia A.4 Mikołaj Czajkowski Funkcja użyteczności Jeśli preferencje są racjonalne i ciągłe mogą zostać opisane za pomocą funkcji użyteczności Funkcja użyteczności to funkcja, która spełnia warunki:

Bardziej szczegółowo

1 Pochodne wyższych rzędów

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

Bardziej szczegółowo

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1 SNM - Elementy analizy wektorowej - 1 Całki krzywoliniowe Definicja (funkcja wektorowa jednej zmiennej) Funkcją wektorową jednej zmiennej nazywamy odwzorowanie r : I R 3, gdzie I oznacza przedział na prostej,

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=

Bardziej szczegółowo

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra

Bardziej szczegółowo

Wstęp do matematyki. Marcin Orchel

Wstęp do matematyki. Marcin Orchel Wstęp do matematyki Marcin Orchel Spis treści 1 Ogólne działy 4 1.1 Logika...................................... 4 2 Metody numeryczne 5 2.1 Wprowadzenie do metod numerycznych................... 5 2.1.1

Bardziej szczegółowo

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013 Zdzisław Dzedzej Politechnika Gdańska Gdańsk, 2013 1 PODSTAWY 2 3 Definicja. Przestrzeń metryczna (X, d) jest zwarta, jeśli z każdego ciągu {x n } w X można wybrać podciąg zbieżny {x nk } w X. Ogólniej

Bardziej szczegółowo

Zbiory. Specjalnym zbiorem jest zbiór pusty nie zawierajacy żadnych elementów. Oznaczamy go symbolem.

Zbiory. Specjalnym zbiorem jest zbiór pusty nie zawierajacy żadnych elementów. Oznaczamy go symbolem. Zbiory Pojęcie zbioru jest w matematyce pojęciem pierwotnym, którego nie definiujemy. Gdy a jest elementem należacym do zbioru A to piszemy a A. Stosujemy również oznaczenie a / A jeżeli (a A). Będziemy

Bardziej szczegółowo

2.7 Przestrzenie unormowane skończenie wymiarowe

2.7 Przestrzenie unormowane skończenie wymiarowe 2.7 Przestrzenie unormowane skończenie wymiarowe Rozważamy teraz przestrzenie unormowane X skończenie wymiarowe. Załóżmy, że dimx = m. Niech dalej e,e 2,...,e m będzie bazą algebraiczną tej przestrzeni

Bardziej szczegółowo

4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość

4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość 4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny 4b. wbadanie Krakowie)

Bardziej szczegółowo

1 Podstawowe oznaczenia

1 Podstawowe oznaczenia Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.

Bardziej szczegółowo

y(t) = y 0 + R sin t, t R. z(t) = h 2π t

y(t) = y 0 + R sin t, t R. z(t) = h 2π t SNM - Elementy analizy wektorowej - 1 Całki krzywoliniowe Definicja (funkcja wektorowa jednej zmiennej) Funkcją wektorową jednej zmiennej nazywamy odwzorowanie r : I R 3, gdzie I oznacza przedział na prostej,

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.

1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze

Bardziej szczegółowo

Uogólniona Metoda Momentów

Uogólniona Metoda Momentów Uogólniona Metoda Momentów Momenty z próby daż a do momentów teoretycznych (Prawo Wielkich Liczb) plim 1 n y i = E (y) n i=1 Klasyczna Metoda Momentów (M M) polega na szacowaniu momentów teoretycznych

Bardziej szczegółowo

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

Bardziej szczegółowo

Ubezpieczenia majątkowe

Ubezpieczenia majątkowe Funkcje użyteczności a składki Uniwersytet Przyrodniczy we Wrocławiu Instytut Nauk Ekonomicznych i Społecznych 2016/2017 Funkcja użyteczności Niech ω wielkość majątku decydenta wyrażona w j.p., u (ω) stopień

Bardziej szczegółowo

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (bazę) rozwijamy sygnał w wybranej

Bardziej szczegółowo

Analiza matematyczna - Przykładowe zestawy egzaminacyjne

Analiza matematyczna - Przykładowe zestawy egzaminacyjne Analiza matematyczna - Przykładowe zestawy egzaminacyjne Ogólne informacje Egzamin będzie trwać 90 minut. Zestaw egzaminacyjny składa się z pięciu zadań: czterech praktycznych i jednego teoretycznego.

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

Uniwersytet Mikołaja Kopernika w Toruniu

Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika w Toruniu Wydział Matematyki i Informatyki Krzysztof Frączek Analiza Matematyczna II Wykład dla studentów II roku kierunku informatyka Toruń 2009 Spis treści 1 Przestrzenie

Bardziej szczegółowo

Geometria Lista 0 Zadanie 1

Geometria Lista 0 Zadanie 1 Geometria Lista 0 Zadanie 1. Wyznaczyć wzór na pole równoległoboku rozpiętego na wektorach u, v: (a) nie odwołując się do współrzędnych tych wektorów; (b) odwołując się do współrzędnych względem odpowiednio

Bardziej szczegółowo

1 Rozwiązywanie układów równań. Wyznaczniki. 2 Wektory kilka faktów użytkowych

1 Rozwiązywanie układów równań. Wyznaczniki. 2 Wektory kilka faktów użytkowych Rozwiązywanie układów równań. Wyznaczniki. 2 Wektory kilka faktów użytkowych 2. Wektory. 2.. Wektor jako n ka liczb W fizyce mamy do czynienia z pojęciami lub obiektami o różnym charakterze. Są np. wielkości,

Bardziej szczegółowo

FUNKCJE. (odwzorowania) Funkcje 1

FUNKCJE. (odwzorowania) Funkcje 1 FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru

Bardziej szczegółowo

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy funkcję

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska RACHUNEK MACIERZOWY METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany

Bardziej szczegółowo

BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH

BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH WSTĘP Zbiór liczb całkowitych można definiować na różne sposoby. Jednym ze sposobów określania zbioru liczb całkowitych jest

Bardziej szczegółowo