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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Tajemnce funkcj σ oraz τ. Dzelnk lczb naturalnych oraz elementy zaawansowanej teor lczb. Bartłomej Grochal V Lceum Ogólnokształcące m. Augusta Wtkowskego w Krakowe

2 Przedmowa Teora lczb oraz nerównośc to dwa szeroke zagadnena, z którym zawsze mus zmerzyć sę każdy olmpjczyk. Nnejsza praca łączy je w sobe. Po perwsze traktuje o funkcj σ, czyl sume dzelnków całkowtych dodatnch lczby naturalnej. Po druge parę słów pośwęcę funkcj τ - lośc dzelnków całkowtych dodatnch lczby naturalnej. Po trzece zaś, z wymenonym funkcjam wążą sę bardzo nteresujące fakty dotyczące ogranczeń ch wartośc. Praca ta została przygotowana na Konkurs organzowany przez Krakowske Młodzeżowe Towarzystwo Przyjacół Nauk Sztuk, jednak skerowana jest równeż do wszystkch sympatyków teor lczb oraz szeroko pojętej matematyk. W poprzednm roku zajmowałem sę zagadnenam algebracznym zwązanym z nerównoścą mędzy średnm oraz zwązkam mędzy sumą loczynem n lczb. Na początku wprowadzę podstawowe pojęca przytoczę fakty, których późnej użyję do wykazywana wspomnanych własnośc funkcj σ oraz τ, a także do rozwązywana zadań pochodzących z rozmatych olmpad matematycznych. W welu mejscach zameszczam komentarze wprowadzające w technkę oraz zastosowany schemat rozumowana, aby Czytelnk mógł w pełn poznać sposób rozwązana danego zadana. Ponadto praca traktuje równeż o funkcjach arytmetycznych, a w szczególnośc znanych funkcjach teorolczbowych. Wykażę mędzy nnym ch multplkatywność oraz własnośc w sploce Drchleta, jak równeż same własnośc splotu jako dzałana grupy abelowej. Praca zawera w sobe także elementy wedzy nformatyczno - algorytmcznej. Chcałbym w tym mejscu podzękować mojemu opekunow - Prof. Jackow Dymelow - za pomoc podczas tworzena tej oraz nnych prac, a także za cenne wskazówk. Bartłomej Grochal

3 Sps oznaczeń użytych w pracy P - zbór lczb perwszych N = Z + {0} - zbór lczb naturalnych Z - zbór lczb całkowtych Z + - zbór lczb całkowtych dodatnch Q - zbór lczb wymernych R - zbór lczb rzeczywstych R + oraz Q + - analogczne jak powyżej C - zbór lczb zespolonych x - podłoga z lczby x x - suft z lczby x (x, y) = - lczby x oraz y są względne perwsze k n - lczba k dzel lczbę n k n - lczba k ne dzel lczby n 2

4 Wstęp Defncja Funkcją τ : N N nazywamy taką funkcję, która dowolnej lczbe naturalnej n przypsuje lość jej dodatnch dzelnków całkowtych. Twerdzene (Wzór jawny na lczbę dzelnków) Jeżel n = p α... pα k to: k τ(n) = (α + ). Dowód Zauważmy na początku, że powyższy rozkład jest jednoznaczny, co wnoskujemy z podstawowego twerdzena arytmetyk. W dalszej częśc pracy, stosując ten zaps, omnę tę uwagę. Przeprowadzmy dowód kombnatoryczny. Zauważmy, że każdy dzelnk lczby n mus zawerać te same (choć oczywśce ne wszystke) lczby perwsze p, p 2,..., p k, co lczba n w wykładnkach neujemnych oraz ne wększych od odpowedno: α, α 2,..., α k. Każdy tak dzelnk możemy węc zapsać w postac: p β... pβ k k, gdze: {,2,...,k} : β {0,, 2,..., α }. Wynka stąd, że wykładnk lczby p możemy dobrać na α + sposobów, wykładnk lczby p 2 - na α 2 + sposobów tak dalej. Otrzymujemy zatem (α + )(α 2 + )... (α k + ) różnych lczb, które są dzelnkam lczby n. Są to oczywśce wszystke take lczby, poneważ rozważylśmy wszystke możlwe wartośc wykładnków α, α 2,..., α k. Defncja Sumą dzelnków nazywamy lczbę: σ(n) = d n d, k, gdze: d, n Z +. Twerdzene (Wzór jawny na sumę dzelnków) Nech n = k {,2,...,k} : p P. Wówczas: σ(n) = k p α + p. pα, gdze: Dowód Wnoskujemy jak powyżej. Skoro d jest dzelnkem lczby n, to mus zawerać w swom rozkładze te same lczby perwsze w potęgach ne wększych, 3

5 co lczba n. Zatem jest on postac: d = p β pβ pβ k k, gdze: {,2,...,k} : β {0,,..., α }. Zatem: α β =0 p β σ(n) = α α 2 α 2 β =0 β 2 =0 β 2 =0 p β α k β k =0 α k... β k =0 p β pβ pβ k k = p β k k = k p α + p. Ostatne przejśce otrzymujemy przez wykorzystane wzoru skróconego mnożena: a n b n. Przyjrzyjmy sę teraz nnemu algorytmow oblczana wartośc funkcj σ. Dla człoweka, który wykonuje podane w nm operacje na kartce może być on nepraktyczny ucążlwy, jednak komputer radz sobe z nm całkem dobrze. Stosując go, możemy w bardzo krótkm czase uzyskać wartośc σ(n) dla bardzo dużych złożonych lczb n. Przedstawę go w trzech wersjach. Perwsza z nch to słowny ops dzałana, druga - zaps w tak zwanym "pseudokodze", zaś trzeca - mplementacja w języku C++. Ops słowny dzałana algorytmu na oblczane wartośc σ(n) Idea algorytmu jest bardzo prosta. Berzemy daną lczbę n chcemy wyznaczyć sumę dzelnków wszystkch lczb mnejszych lub równych od nej w złożonośc O(n n). W tym celu, dla każdej z lczb powtórzymy następującą procedurę:. Sprawdzamy, czy któraś z lczb ze zboru: {, 2,..., n } dzel lczbę n n. Jeżel tak, to dodajemy jej wartość do sumy, jeżel ne - przechodzmy do kolejnej lczby z tego zboru. 2. Zauważmy, że jeśl pewna lczba n ma dzelnk p mnejszy od n, to ma równeż dzelnk p wększy od n tak, że: n p = p. 3. Zatem do naszej sumy możemy dodać równeż lczbę n p, czyl tak zwany dzelnk komplementarny do p. Należy jednak pamętać o tym, że jeżel lczba n jest kwadratem, to dzelnk n dodajemy tylko raz! W ten sposób znaleźlśmy zsumowalśmy wszystke dzelnk pewnej lczby n n w czase O( n ), poneważ wykonalśmy n teracj. 4

6 Szacunkowo zatem złożoność algorytmu wynos O(n n), poneważ dla każdej z n lczb wykonujemy co najwyżej n operacj. Zapsy algorytmu w pseudokodze oraz w języku C++ znajdują sę na końcu mojej pracy. Są to algorytmy opatrzone odpowedno nazwam: Algorthm Algorthm 2. Funkcje arytmetyczne Defncja Funkcją arytmetyczną nazywamy każdą taką funkcję f, która spełna warunek: f : N C. Defncja Funkcję arytmetyczną f nazywamy multplkatywną, jeżel dla wszystkch par (a, b) lczb względne perwszych spełnona jest równość: f(ab) = f(a) f(b). Defncja Tocjentem nazywamy taką funkcję ϕ : N N, która dowolnej dowolnej lczbe naturalnej n przypsuje lość lczb względne perwszych z ną ne wększych od nej samej. Jeżel n = p α... pα k, to: ϕ(n) = n k ( p ). Defncja Funkcją π : N N nazywamy taką funkcję, która dowolnej lczbe naturalnej n przypsuje lość lczb perwszych ne wększych od nej samej. Defncja Funkcją µ : N {, 0, } nazywamy funkcję określoną dla dowolnej lczby naturalnej n w sposób następujący: µ() =, µ(n) = 0 jeżel n jest lczbą podzelną przez kwadrat lczby perwszej oraz µ(n) = ( ) k jeżel lczba n jest loczynem k różnych lczb perwszych. Defncja Funkcją I : N {} nazywamy taką funkcję, która dowolnej lczbe naturalnej n przyporządkowuje wartość. Defncja Funkcją T : N N nazywamy taką funkcję, która dowolnej lczbe naturalnej n przyporządkowuje lczbę n. k 5

7 Defncja Funkcją e : N {0, } nazywamy taką funkcję, która dowolnej lczbe naturalnej n przyporządkowuje lczbę 0 jeżel n oraz, gdy n =. Funkcję tę defnujemy jako: { ; n = e(n) = =. n 0; n > Od tego momentu powyższe oznaczena będą odnosć sę do przedstawonych funkcj, chyba że zaznaczono naczej. Ich szczegółowe własnośc zostaną omówone w dalszej częśc pracy. 6

8 Splot Drchleta, multplkatywność Defncja Nech f, g : N C będą funkcjam arytmetycznym. Splotem Drchleta funkcj f, g nazywamy funkcję f g określoną dla dowolnej lczby naturalnej n wzorem: (f g)(n) = ( n ) f (d) g = f(d )g(d 2 ), d d n d d 2 =n gdze: d n oznacza sumowane po wszystkch dzelnkach lczby n, zaś oznacza sumowane po parach dzelnków komplementarnych. d d 2 =n Od tego momentu pod pojęcem "dzelnk lczby n" używał będę sformułowana: "dodatne całkowte dzelnk lczby n", chyba że zaznaczono naczej. Ponżej znajduje sę omówene klku podstawowych własnośc splotu Drchleta. Twerdzene Zbór funkcj multplkatywnych tworzy grupę ze splotem Drchleta jako dzałanem grupowym. Dowód Aby wspomnany zbór był grupą, musmy wykazać następujące własnośc splotu Drchleta: łączność, stnene elementu przecwnego oraz stnene elementu neutralnego. Dodatkowo wykażemy, że splot ten jest przemenny, co skutkuje tym, że powyższa grupa będze w stoce grupą abelową. Dowód stnena elementu neutralnego. Nech f będze dowolną funkcją arytmetyczną. Wówczas dla dowolnej lczby naturalnej n: (f e)(n) = f(d )e(d 2 ) = f(n), d d 2 =n poneważ funkcja e(n) przyjmuje wartość różną od zera jedyne dla n =, co oznacza, że d = n d 2 =, zaś pozostałe składnk sumy zerują sę. Dowód łącznośc. Nech f, f 2, f 3 będą dowolnym funkcjam arytmetycznym. Wówczas dla dowolnej lczby naturalnej n: [f (f 2 f 3 )] = f (d )(f 2 f 3 )(d 4 ) = d d 4 =n f (d ) d d 4 =n d 2 d 3 =d 4 f 2 (d 2 )f 3 (d 3 ) = 7 d d 2 d 3 =n f (d )f 2 (d 2 )f 3 (d 3 ) =

9 d 3 d 5 =n d 3 d 5 =n f 3 (d 3 ) d d 2 =d 5 f (d )f 2 (d 2 ) = f 3 (d 3 )(f f 2 )(d 5 ) = [(f f 2 ) f 3 ](n). Istnene elementu odwrotnego. Nech f będze dowolną funkcją arytmetyczną taką, że: f() 0. Nech c = f(). Nech funkcja g, czyl element odwrotny dzałana splotu Drchleta będze określona następująco: c; n= g(n) = c d. d 2 =n f(d )g(d 2 ); n> d Oczywśce podana zależność spełna warunk elementu odwrotnego, to znaczy: (f g)(n) = e(n), co w bardzo łatwy sposób sprawdzamy za pomocą defncj. Dowód przemennośc splotu. Nech f, g będą pewnym funkcjam arytmetycznym. Zanotujmy prostą obserwację - jeżel przez d, d 2,..., d k oznaczymy dzelnk pewnej lczby naturalnej n, to: { n {d, d 2,..., d k } =, n,..., n }. d d 2 d k Wynka stąd zatem, że: (f g)(n) = d n ( n ) f(d)g = ( n ) f g(d) = (g f). d d d n Wynka stąd zatem, że splot funkcj multplkatywnych jest funkcją multplkatywną. Dowód ten można przeprowadzć równeż elementarne, stosując podstawowe własnośc multplkatywnośc funkcj. W ten sposób natychmast wykażemy następujące twerdzene: Twerdzene Funkcja σ jest funkcją multplkatywną. Dowód Zauważmy, że dla dowolnego n N zachodz: (I T )(n) = ( n ) I(d)T = ( n ) T = T (d) = d = σ(n). d d d n d n d n d n 8

10 Skoro zaś splot funkcj multplkatywnych jest funkcją multplkatywną, to funkcja σ jest funkcją multplkatywną, poneważ tą własność posadają funkcje I oraz T : a,b N : = I(ab) = I(a) I(b) = =, (a,b)= a,b N : ab = T (ab) = T (a) T (b) = a b = ab. (a,b)= Przedstawona powyżej własność ne jest jedyną, która charakteryzuje splot Drchleta dla wcześnej przedstawonych funkcj teorolczbowych. Przyjrzyjmy sę zatem nnym, równe cekawym tożsamoścom, które udało m sę wykazać. Prezentuję cztery sposoby podejśca do dowodzena zależnośc splotowych. Perwszy z nch to wykorzystane własnośc funkcj dla dowolnej lczby naturalnej (dowód multplkatywnośc funkcj σ za pomocą splotu I T ). Drug z nch to wykorzystane multplkatywnośc funkcj, co znaczne upraszcza przebeg dowodu (wększość z przeprowadzonych rozumowań). Trzec z nch to wykorzystane zależnośc splotowych mędzy nnym funkcjam, z czego skorzystamy dowodząc Tożsamość 6. Ostatnm, czwartym sposobem jest przekształcene obu stron splotu w tak sposób, aby otrzymać to samo wyrażene. Ten rodzaj dowodu prezentuję przede wszystkm w dwóch ostatnch przykładach. Tożsamość : (ϕ I) = T. Wykażemy najperw, że funkcja ϕ jest multplkatywna. Weźmy dwe względne perwsze lczby o rozkładach na czynnk perwsze: a = p α... pα k k oraz b = q β... pβ l l. Wówczas zachodz: ) ) ) ) ϕ(ab) = ab ( p... ( ( pk q... ( ql = [ ) )] [ ) )] a ( p... ( pk b ( q... ( ql = ϕ(a)ϕ(b). Funkcje I oraz T równeż są multplkatywne, co wykazalśmy wcześnej, zatem równeż funkcja ϕ I jest multplkatywna. Skoro tak, to równość (ϕ I)(n) = T (n) wystarczy sprawdzć wyłączne wtedy, gdy n = p k, gdze: p P. Wówczas: (ϕ I)(p k ) = ( n ) ϕ(d)i = ϕ(d) = d d n d n k ϕ(p k ) = =0 9

11 + (p ) + (p 2 p) (p k p k ) = p k = T (p k ). Tożsamość 2: ϕ = (µ T ). Wykażemy, że I = µ, gdze: I jest funkcją odwrotną do I względem splotu Drchleta. Aby to zrobć pokażemy równeż, że funkcja µ jest multplkatywna. Weźmy dwe lczby względne perwsze o rozkładach na czynnk perwsze: a = p α... pα k k oraz b = q β... qβ l l. Wówczas, jeżel jedna z nch jest jedynką, to zachodz w sposób oczywsty: µ(ab) = µ(b) oraz µ(a)µ(b) = µ(b) = µ(b), czyl µ(ab) = µ(a)µ(b). Załóżmy węc, że a, b 2 rozpatrzmy przypadk: Jeżel co najmnej jedna z lczb a, b jest podzelna przez kwadrat lczby perwszej, to równeż lczba ab jest przez nego podzelna. Oznacza to, że µ(ab) = 0 oraz µ(a) = 0 lub µ(b) = 0, czyl µ(a)µ(b) = 0 = µ(ab). Jeżel żadna z lczb a, b ne jest podzelna przez kwadrat lczby perwszej, to równeż lczba ab ne jest podzelna przez każdą lczbę perwszą w potędze wększej od, gdyż lczba ab składa sę z dokładne tych samych czynnków, co lczby a, b, gdyż są one względne perwsze. Oznacza to, że: µ(ab) = ( ) k+l, µ(a) = ( ) k oraz µ(b) = ( ) l, skąd: µ(a)µ(b) = ( ) k+l = µ(ab), co kończy dowód multplkatywnośc. Wykażemy teraz część drugą twerdzena mówącą o odwrotnośc funkcj I oraz µ względem splotu Drchleta. Musmy zatem wykazać, że: (µ I) = e. Oczywśce funkcja µ I jest multplkatywna, gdyż obe te funkcje są multplkatywne. Zatem wykazujemy, że dla dowolnej lczby perwszej p zachodz: (µ I)(p k ) = e(p k ) = 0. Mamy zatem: (µ I)(p k ) = ( n ) µ(d)i = µ(d) = µ() + µ(p) µ(p k ) = d d p k d p k + ( ) = 0. Mamy węc, że: I = µ. Z Tożsamośc mamy równeż: (ϕ I) = T. Wynka stąd łatwo, że: co kończy dowód. ϕ = (T I ) = (T µ), Tożsamość 3: τ = (I I). Wykażemy najperw, że funkcja τ jest multplkatywna. Weźmy dwe względne perwsze lczby o rozkładach kanoncznych: a = p α... pα k k oraz b = 0

12 q β... qβ l l. Wówczas oczywśce: ab = p α... pα k k qβ... qβ l l. Stąd mamy: τ(ab) = (α + )... (α k + )(β + )... (β l + ), τ(a) = (α + )... (α k + ), τ(b) = (β + )... (β l + ). Stąd faktyczne dostajemy, że: τ(ab) = τ(a)τ(b). Skoro węc funkcje: I, (I I) oraz τ są multplkatywne, to wystarczy sprawdzć tożsamość dla n = p k. Zatem: (I I)(p k ) = ( ) p k I(d)I = = k + = τ(p k ), d d p k d p k poneważ dzelnkam lczby p k są lczby:, p, p 2,..., p k. Tożsamość 4: (µ I) = e. Na początek wykażemy multplkatywność funkcj e. Weźmy dwe względne perwsze lczby a, b. Zauważmy, że jeżel a = b =, to: e(ab) = e() = = = e(a) e(b). W każdym z pozostałych wypadków (czyl gdy ab > ) mamy: e(ab) = 0, zaś co najmnej jedna z lczb a, b jest wększa od. Załóżmy bez straty ogólnośc, że jest to lczba a, wówczas: e(a) = 0, czyl e(a)e(b) = 0 = e(ab), co kończy dowód. Ponowne zatem równość splotową sprawdzamy wyłączne dla n = p k, gdyż funckje: µ, I, µ I, e są multplkatywne. Mamy zatem: (µ I)(p k ) = ( ) p k µ(d)i = µ() + µ(p) = + ( ) = 0 = e(ab). d d p k Oczywśce dla k = 0 otrzymujemy: µ() = = e(), co kończy dowód. Tożsamość 5: (µ τ) = I. Wemy, że funkcje: µ, τ, (µ τ) oraz I są multplkatywne, węc zależność sprawdzamy wyłączne dla n = p k. Zatem: (µ τ)(p k ) = ( ) p k µ(d)τ = µ()τ(p k ) + µ(p)τ(p k ) = d d p k k + k = = I(p k ).

13 Tożsamość 6: τ = (µ µ). Korzstając z wczesnej udowodnonych tożsamośc oraz łącznośc splotu mamy: (µ µ) τ = µ (µ τ) = µ I = e. Tożsamość 7: σ = (ϕ τ). Na podstawe wcześnej stwerdzonych multplkatywnośc mamy, że dla dowolnego p P: (ϕ τ)(p k ) = ( ) p k ϕ(d)τ = ϕ()τ(p k )+ϕ(p)τ(p k )+...+ϕ(p k )τ() = d d p k (k + ) + (p )k (p k p k ) = k + k + kp (k )p + (k )p 2... p k + p k = + p + p p k + p k = σ(p k ). Tożsamość 8: (µ σ) = T. Ponowne stwerdzamy multplkatywność funkcj oraz złożeń dla dowolnej lczby perwszej p zachodz: (µ σ)(p k ) = µ()σ(p k ) + µ(p)σ(p k ) = σ(p k ) σ(p k ) = p k = T (p k ), poneważ pozostałe składnk zerują sę (kolejne argumenty funkcj µ są podzelne przez p 2 ). Tożsamość 9: (σ I) = (τ T ). Udowodnlśmy wcześnej, że wszystke funkcje będące składnkam złożeń są multplkatywne. Stąd dla dowolnego p P: (σ I) = σ(d )I(d 2 ) = σ(d) = σ() + σ(p) σ(p k ) = d p k d d 2 =n () + ( + p) ( + p p k ) = k + + kp + (k )p p k. }{{} k+ Natomast prawą stronę równośc możemy rozpsać jako: (τ T ) = ( ) p k τ(d)t = τ()t (p k ) + τ(p)t (p k ) τ(p k )T () = d d p k 2

14 p k + 2p k kp + k + = (σ I). Tożsamość 0: (σ T ) = (T τ I). Wyrażene T τ(x) oznacza T (x) τ(x). Oczywśce funkcja T τ jest multplkatywna, gdyż dla dowolnych względne perwszych lczb a, b zachodz: T τ(ab) = T (ab)τ(ab) = T (a)t (b)τ(a)τ(b) = T (a)τ(a) T (b)τ(b) = T τ(a)t τ(b). Skoro wszystke funkcje ch złożena są multplkatywne, to dla dowolnej lczby perwszej p mamy: (σ T )(p k ) = ( ) p k σ(d)t = d d p k σ()t (p k ) + σ(p)t (p k ) σ(p k )T () = (p k ) + (p k + p k ) (p k + p k ) = }{{} k+ (k + )p k + kp k p +. Drugą stronę równana rozpsujemy następująco: (T τ I) = ( ) p k T τ(d)i = T τ(d) = d d p k d p k T ()τ() + T (p)τ(p) T (p k )τ(p k ) = + 2p p k (k + ) = (σ T ). Tym samym zakończylśmy dowodzene zależnośc spolotowych funkcj arytmetycznych. Na konec wykażemy jeszcze jedną, bardzo cekawą własność zachodzącą dla dowolnej funkcj arytmetycznej f oraz pokażemy, w jak sposób prezentuje sę ona dla funckj: σ τ wraz ze szkcam dowodów. Twerdzene Dla dowolnej funkcj arytmetycznej f : N C oraz lczby naturalnej n zachodz: (f I)() = 3 n f().

15 Dowód Zauważmy, że dla dowolnych lczb naturalnych k, n zachodz: n n k n = = ; k k n n k n = = 0. k k Przyjmjmy, że: F (n) = n f(), G(n) = (f I)(n) = d n f(d). Wówczas zachodzą następujące zwązk: Stąd mamy: F (n) F (n ) = ( n n f() n n f() (f I)() = n n n f() = f() = ) f() = f(d) = G(n). d n G() = F () + (F (2) F ()) + (F (3) F (2)) (F (n) F (n )) = n F (n) = f(). Nech zatem funkcją arytmetyczną f będze funkcja σ. Skorzystamy z udowodnonej wcześnej zależnośc: (T I) = σ. Mamy wówczas: σ() = (T I)() = n T () = n. 4

16 Nech teraz f = τ. Wykorzystamy udowodnoną tożsamość: τ = (I I). Wtedy: n n τ() = (I I)() = I() =. UWAGA! Korzystając z udowodnonych splotów oraz poprzednego twerdzena możemy bardzo łatwo wykazać, że: n µ() = ; n ϕ() = n(n + ). 2 5

17 Problemy ogólne W tym rozdzale zajmemy sę klkoma problemam teorolczbowym zwązanym z przedstawonym funkcjam arytmetycznym. Pochodzą one oczywśce z olmpad matematycznych z różnych zakątków śwata, w tym także z Polsk. W każdym przypadku omówę szczegółowo schemat rozwązana oraz tok rozumowana, który doprowadzł mne do rozwązana omawanego problemu. Nektóre pomysły zgodne są z rozwązanam frmowym, jednak znajdują sę tu także rozwązana neszablonowe rzucające nowe śwatło na tenże problem. Wyznaczyć wszystke lczby całkowte dodatne n, mające dokładne n dzelnków dodatnch. Oczywstym jest, że lczba n = jest rozwązanem. Przyjmjmy zatem n >. Oznaczmy jako n lczbę n. Z warunków zadana wemy, że n Z +, zatem lczba n jest kwadratem lczby całkowtej n. Skorzystajmy z poprzednej obserwacj: jeżel lczba n ma dzelnk d < n, to posada równeż dzelnk komplementarny d 2 > n równy n d. Dzelnk te możemy zatem połączyć w take pary, a ponadto n n. Wynka stąd, że lczba dzelnków lczby n jest neparzysta (pary dzelnków komplementarnych oraz lczba n, która dzelnka komplementarnego ne ma). Skoro tak, to n (mod 2), a węc równeż n 2 = n (mod 2). Szukamy zatem takch lczb n = n 2, dla których lczba dzelnków mnejszych od n jest równa n 2. Zauważmy, że w zborze: {, 2,..., n } jest dokładne n 2 lczb parzystych oraz dokładne tyle samo lczb neparzystych (bo n jest lczbą neparzystą). Oczywśce żadna lczba parzysta ne jest dzelnkem lczby n, poneważ jest ona neparzysta. Wynka stąd, że każda lczba neparzysta mnejsza od n mus dzelć n. W szczególnośc zatem n 2 n 2. Skoro jednak n2 = (n 2)(n +2)+4, to lczba n 2 mus być neparzystym dzelnkem lczby 4. Stąd otrzymujemy, że n 2 =, czyl n = 3. Oczywśce lczba n = 3 2 = 9 spełna warunk zadana. Dana jest lczba całkowta n posadająca 6 dzelnków: d = < d 2 <... < d 6 = n. Wyznaczyć wszystke take lczby n, jeżel d 6 = 8 oraz d 9 d 8 = 7. Przeanalzujmy kolejno dane założena. Skoro 8 n, to oczywśce 2 n oraz 9 n, co mplkuje 3 n 6 n. Dostajemy zatem: d =, d 2 = 2, d 3 = 3, d 4 = 6, d 5 = 9 oraz d 6 = 8. Możemy zatem zapsać, że n = k dla pewnej lczby całkowtej k. Zauważmy, że w tym loczyne trójka mus występować 6

18 w neparzystej potędze. Gdyby tak ne było, to znaczy gdyby trójka występowała w wykładnku 2l, to (2l + ) τ(n) = 6, co daje oczywśce sprzeczność. Ponadto wykładnk trójk ne jest równy 5, gdyż wtedy 6 τ(n) = 6. Gdyby natomast trójka występowała w wykładnku 7, to n = Wówczas jednak nemożlwy jest warunek: d 9 = d Oczywśce w wyższych wykładnkach trójka występować ne może, poneważ dawałaby zbyt dużą lczbę τ(n). Wynka stąd, że n = p, gdze: p jest pewną lczbą perwszą występującą w perwszej potędze. Wówczas τ(n) = = 6. Wynka stąd, że: 3 3 = 27 n oraz = 54 n. Udowodnmy teraz, że lczba perwsza p ne należy do zboru {9, 20,..., 26}. Rozpatrzmy następujące przypadk:. Nech p = 9. Wówczas: d 7 = 9, d 8 = 27, d 9 = 38 otrzymujemy sprzeczność z d 9 = d Nech p = 23. Wówczas: d 7 = 23, d 8 = 27, d 9 = 46 znów sprzeczność jak wyżej. Wynka stąd, że d 7 = 27 zachodz jeden z dwóch warunków:. Jeżel d 8 = p oraz d 9 = 54, to p = Jeżel d 8 = 54 oraz d 9 = p, to p = 7. Ne może zajść oczywśce przypadek: d 8 = p oraz d 9 = 2p, gdyż p > 27, skąd 2p > 54. Otrzymujemy zatem, że rozwązanam są: n = oraz n = Podczas pracy nad zagadnenam zwązanym z funckją τ postawłem sobe następujący problem: Nech k będze pewną lczbą naturalną dodatną. Która z lczb należących do zboru: {, 2, 3,..., k} posada najwęcej dzelnków całkowtych dodatnch? W tej częśc pracy zaprezentuję algorytm, za pomocą którego można znaleźć rozwąne tego problemu dla dowolnej lczby całkowtej dodatnej k. Pomysł opera sę przede wszystkm na prostym, ale efektywnym oszacowanu oraz optymalzacj wartośc. Nech p, p 2,..., p l, p l+ będą kolejnym najmnejszym lczbam perwszym (to znaczy p = 2, p 2 = 3 tak dalej), które spełnają jednocześne ponższe warunk: p p 2... p l k, p p 2... p l p l+ > k. Skoro spełnony jest tak warunek, to wemy, że dowolna lczba mnejsza lub równa k w rozkładze kanoncznym ma co najwyżej l różnych lczb perwszych, poneważ loczyn l + najmnejszych lczb perwszych jest wększy 7

19 od maksymalnej wartośc tego zboru. Oznaczmy szukaną lczbę posadającą najwęcej dzelnków przez t. Zauważmy, ze lczba t w rozkładze kanoncznym ne posada lczby perwszej q wększej od p l. Jest to oczywśce neopłacalne, gdyż z pewnoścą lczbę tą będzemy mogl zastąpć przez taką potęgę lczby p, która jest mnejsza od q, zaś loczyn wykładnków powększonych o (czyl wartość τ(n)) na pewno wzrośne. Wystarczy zatem sprawdzć przypadk, gdy lczba n w rozkładze ma odpowedno jeden, dwa, trzy ( tak dalej...) dzelnk perwsze. Oczywśce znów możemy odnotować proste obserwacje:. Jeżel lczba n ma jeden dzelnk perwszy, to najwększy wykładnk otrzymamy dla lczby p, poneważ jest najmnejsza wśród wszystkch lczb perwszych, węc możemy ją "domnażać" najwększą lość razy. 2. Jeżel lczba n ma dwa dzelnk perwsze, to optymalnym rozwązanem jest wząć loczyn p p 2 (dwóch najmnejszych lczb perwszych), a następne przemnożyć go przez take potęg lczb p, p 2, aby wartość końcowa p α pα 2 2 była najwększa możlwa jednocześne mnejsza lub równa k. 3. Dla dowolnych l dzelnków perwszych lczby l postępujemy w ten sam sposób: loczyn p p 2... p mnożymy przez take potęg lczb p, p 2,..., p, aby loczyn p α... pα był najwększy możlwy, podobne jak loczyn (α + )... (α + ). Wystarczy rozważyć odpowedne przypadk. Na konec pozostaje już tylko wyznaczene takej lczby n, która w opsanych przypadkach osągnęła najwększą wartość τ(n). Okazało sę równeż, że moje rozumowane mogę efektywne wykorzystać do rozwązywana pewnej klasy zadań, które powszechne uznawane są za trudne, gdyż pojawają sę na mędzynarodowych olmpadach matematycznych. Spójrzmy na dwa przykłady: Która spośród lczb:, 2,..., 983 ma najwększą lczbę dzelnków całkowtych dodatnch? (IMO 983 Longlsted Problems) Nech n będze szukaną lczbą posadającą najwęcej dzelnków. Wzorując sę na przedstawonych przeze mne obserwacjach pozostaje rozpatrzyć następujące przypadk:. Lczba n ma w rozkładze jedną lczbę perwszą. Zgodne z tym, co pokazalśmy wcześnej, lczbą tą jest 2 0 = 024, dla której τ(n) =. 8

20 2. Lczba n ma w rozkładze dwe lczby perwsze. Zatem najwększą lczbę dzelnków otrzymamy wtedy, gdy lczbę 2 3 pomnożymy przez przez Otrzymamy wówczas lczbę , która ma dokładne 7 4 = 28 dzelnków. Rozważane pozostałych przypadków omjam pozostawam jako ewentualne ćwczene dla Czytelnka. 3. Lczba n ma w rozkładze trzy lczby perwsze. Wynka stąd, że optymalną strategą jest pomnożene lczby przez Wówczas lczba ma = 36 dzelnków. 4. Lczba n ma w rozkładze cztery lczby perwsze. Postępując jak wcześnej otrzymujemy, że lczbę możemy pomnożyć przez 2 3 otrzymamy najwększą możlwą w tym przypadku lczbę dzelnków. Stąd lczba ma 40 dzelnków. Jest to szukana wartość maksymalna. Jaka jest najmnejsza dodatna lczba neparzysta mająca tyle samo dzelnków co lczba 360? (Baltc Way 200) Powyższe zadane rozwążemy przez analogę do poprzednego. Zauważmy najperw, że: 360 = Wynka stąd następująca własność: τ(360) = = 24. Bardzo łatwo równeż sprawdzć, że: 24 = Wynka stąd, że poszukwana lczba będze loczynem czterech najmnejszych lczb perwszych neparzystych o wykładnkach: 2,,,. Na tej podstawe wnoskujemy, że szukaną lczbą jest: Przejdźmy do zadań zwązanych z funkcją σ. Perwsze z nch pochodz z bałoruskej olmpady matematycznej. Przedstawę dwa sposoby rozwązana. Perwszy z nch, frmowy, uczy zastosoawna ważnych twerdzeń algebracznych oraz teorolczbowych. Dowód ten wymaga jednak sporej wedzy, którą prawdopodobne posada wększość olmpjczyków w weku lcealnym. Dla osób, które ne znają tak dużej bazy twerdzeń zaproponuję moje autorske rozwązane. Jego dodatkową zaletą jest to, że dowodz lepszego ogranczena! Treść problemu jest następująca: Udowodnć, że dla dowolnej lczby naturalnej n 2 zachodz nerówność: τ(n) d < n 2τ(n). Rozwązane frmowe. Z nerównośc Cauchy ego mędzy średnm (kwadratową arytmetyczną, lub naczej - z nerównośc mędzy średnm potęgo- 9

21 wym rzędu 2) otrzymujemy: τ(n) d τ(n) Z drugej strony mamy równeż: τ(n) n 2 τ(n) d2, τ(n) = σ(n) τ(n) τ(n) σ(n) τ(n) d 2. d 2 = τ(n), d 2 poneważ dla dowolnego d 2 : n2 = d 2 d2 j, gdze: d j jest dzelnkem komplementarnym do d. Skoro sumowane po lewej strone odbywa sę po wszystkch dzelnkach, to po prawej strone otrzymujemy odwrotnośc wszystkch dzelnków komplementarnych do nch. Wemy, że take przyporządkowane jest jednoznaczne, węc po prawej strone znajdują sę odwrotnośc wszystkch dzelnków lczby n. Dalej dokonujemy prostego szacowana: τ(n) d 2 τ(n) j= j 2 < j= j 2 = π2 6. Zatem otrzymujemy zależność: τ(n) d 2 < π2 6 n2. Wstawając ją do nerównośc otrzymanej na początku mamy: τ(n) σ(n) τ(n) d 2 < τ(n) π2 6 = π n τ(n) < n 2τ(n). 6 Moje rozwązane opera sę na dwóch nerównoścach. Spróbujmy zapsać w nny sposób obe strony nerównośc. Oczywśce naturalnym skojarzenem jest rozkład kanonczny lczby n. Jeśl n = p α... pα k, to oczywśce: k σ(n) = ( + p + p p α )... ( + p k + p 2 k pα k k ), poneważ po rozwnęcu nawasów otrzymamy sumę lczb będących loczynam lczb perwszych dzelących n we wszystkch potęgach mnejszych lub 20

22 równych α. Lczbę τ(n) możemy przedstawć jako: (α + )... (α k + ), ponadto prawa strona jest przemnożona przez stałą równą 2. Mając tak rozpsaną nerówność od razu nasuwa sę hpoteza, że dla dowolnego p P, p 3: α p < p α α +, zaś dla p = 2: =0 β 2 < 2 β 2(β + ). =0 Jeżel nerównośc te będą prawdzwe, to po przemnożenu ch dla wszystkch p, p 2,..., p k otrzymamy tezę zadana. Udało m sę wykazać ogranczene mocnejsze. Wystarczy, że w drugej nerównośc stałą 2 zamenmy na 9 8. Ogranczene to jest równeż mocnejsze, nż π 6 otrzymujemy nerówność słabą (najbardzej efektywne ogranczene)!. Obe nerównośc w bardzo prosty sposób dowodzmy przez ndukcję po wartośc wykładnka. Ponżej przedstawam szkce dowodów: Weźmy nerówność dla dowolnej neparzystej lczby perwszej p. Jeśl α =, to: + p < p 2, p 3 < 4 0 < 2. Załóżmy, że dla pewnego α teza jest prawdzwa. Wówczas: α+ p = =0 α =0 Zakładamy hpotetyczne, że: p + p α+ < p α α + + p α+ = p α+ ( α + p p α+ ( α + p ) + < p α+ α + 2. Powyższa nerówność jest równoważna kolejno: α + + < α + 2, p α + < p( α + 2 ), α + < p. α + 2 ) +. 2

23 Ostatna równość jest oczywśce prawdzwa, gdyż: k. k k+ < 3 już dla Nerówność dla lczby p = 2 dowodzmy dokładne w ten sam sposób, co powyżej. Otrzymujemy zależność: 9 8 (α + ) < 2, 9 8 (α + 2) która jest prawdzwa już dla α = (obydwa powyższe wnosk wycągamy chocażby z badana przebegu zmennośc funkcj, którego ne zawarłem w tej pracy), co kończy dowód. Równość zachodz wyłączne dla α = 2. Ostatn problem pochodz z Olmpady Matematycznej z Sankt Petersburga. Na perwszy rzut oka wydaje sę on trudny do rozwązana, jednak dowód jest bardzo przyjemny prosty. Nech m, n, k będą lczbam całkowtym dodatnm, a dodatkowo n >. Wykazać, że: σ k (n) n m. Nech n = p α... pα. Załóżmy przecwne, że σ k (n) = n m. Skoro zachodz równość, to lczba σ(n) mus meć w rozkładze te same czynnk perwsze, co lczba n. Oczywśce σ(n) > n, poneważ lczby: oraz n są dzelnkam n. Powyższe dwe nformacje oznaczają, że: σ(n) = p β... pβ, gdze: β j > α j = β j α j + dla dowolnego j =, 2,...,. Na tej podstawe wnoskujemy, że: σ(n) p α +... p α + > ( + p p α )... ( + p p α ) = p α + p... pα + = σ(n), p co oznacza sprzeczność, gdyż ne może zajść nerówność: σ(n) > σ(n). Z własnośc dowodu ne wprost - teza prawdzwa. 22

24 Nerównośc Ponżej przedstawam klka problemów zwązanych z nerównoścam zawerającym funkcje σ oraz τ. Nektóre z nch pochodzą równeż z olmpad matematycznych z całego śwata. Zachęcam do zapoznana sę z nm oraz z ch dowodam, poneważ zawerają one wele nteresujących faktów teorolczbowych często wykorzystywanych do rozwązywana zadań zwązanych z dzelnkam lczb całkowtych. Jednym z problemów, nad którym pochylłem sę podczas tworzena pracy było efektywne ogranczene wartośc funkcj τ(n) dla dowolnej lczby naturalnej n. Bardzo łatwo jest domyślć sę ogranczeń: τ(n) 3 4 n oraz τ(n) < 2 n. Udało m sę jednak wskazać ogranczene mocnejsze: τ(n) 3n. Wykażemy najperw perwsze, ntucyjne ogranczene. Oczywstym jest fakt, że wszystke dzelnk lczby n mnejsze od nej samej są mnejsze lub równe n 2, co wynka z defncj dzelnków komplementarnych. Przyjmjmy, że wszystke lczby całkowte z przedzału [; n 2 ] dzelą n. Wówczas: τ(n) n 2 +. Jeśl n = 3, to τ(n) = Jeżel zaś n > 3, to: τ(n) + n 2 3n 4. Spójrzmy na druge ogranczene. Jak wskazalśmy wcześnej - jeżel lczba n posada dzelnk d mnejszy od n, to posada równeż dzelnk komplementarny n d wększy od n. Przyjmjmy węc, że wszystke lczby mnejsze lub równe n dzelą lczbę n. Wówczas mamy n dzelnków mnejszych lub równych n, a zatem także n dzelnków komplementarnych. Jak wemy z poprzednch rozważań, są to wszystke dzelnk lczby n. Wynka stąd, że: τ(n) n + n < 2 n. Przyjrzymjmy sę zatem trzecej, ostatnej nerównośc. Załóżmy, że lczba n posada dzelnk perwszy p będący lczbą neparzystą występujący w rozkładze kanoncznym lczby n w potędze α 2. Z nerównośc Bernoullego mamy: p α α α 2 = ( + p ) 2 + (p ) + α, 2 23

25 poneważ p 2. Zauważmy, że dla α = lczby perwszej p 5 mamy: p α + = 2. Nech równeż lczba 2 występuje w rozkładze kanoncznym n w potędze a 4. Wówczas prawdzwa jest nerówność: 2 a a 2. Mamy stąd: 2 a+ + 2 a (a + ) 2 + a 2 (a + ) 2, 2 a (2 + ) a +, 3 2 a + a. Mnożąc zatem stronam powyższą nerówność z nerównoścą: p α + α dla wszystkch lczb perwszych neparzystych p, p 2,..., p k występujących w potęgach odpowedno: α, α 2,..., α k dzelących n otrzymujemy: 3 2 a p α... p α k k ( + a)( + α )... ( + α k ) = τ(2 a p α... pα k k ) = τ(n). Pozostaje zatem sprawdzć przypadk, kedy n w rozkładze kanoncznym ma dwójkę w potędze trzecej, drugej, perwszej oraz zerowej, a także gdy lczba n jest potęgą dwójk. Perwsze cztery przypadk otrzymujemy rozważając kolejno zadane nerównośc: = = 4 = 6, = = 3 = 9, 3 2 = 6 + = 2 = 4, 3. Otrzymujemy zatem, że w każdym z przypadków: 3 2 a + a. Zatem mnożąc przez potęg pozostałych lczb perwszych jak wyżej otrzymujemy tezę. Rozpatrzmy zatem przypadek, gdy n = 2 q. Wykazalśmy powyżej, że dla dowolnej lczby całkowtej q 0 zachodz: 3 2 q + q = τ(2 q ), 24

26 co dowodz poprawnośc tego przypadku kończy dowód. Pozostańmy jeszcze przez chwlę przy potęgach dwójk. Istneje bardzo prosta, ale jednocześne cekawa zależność, której dowód podpowada uogólnene prowadzące do ważnego twerdzena teorolczbowego. Przyjrzyjmy sę jej blżej. Wykażemy, że dla dowolnej lczby naturalnej n: τ(2 n ) τ(n). Załóżmy, że lczba całkowta dodatna d dzel n. Wykażemy, że: 2 d 2 n. Skoro d n, to stneje taka lczba k Z +, że: n = kd. Wykorzystując wzór skróconego mnożena (a n b n ) dostajemy: ( 2 n = 2 kd = 2 d) k [ ] [ ] k k = 2 d 2 d. Wdzmy zatem, że w rozkładze lczby 2 n występuje lczba 2 d, co kończy dowód podzelnośc. Zatem, jeżel lczba n ma dzelnk: d, d 2,..., d l, to lczba 2 n ma dzelnk: 2 d, 2 d 2,..., 2 d l. Oczywśce ne muszą być to wszystke dzelnk lczby 2 n, stąd uzyskujemy wskazaną nerówność. =0 Jak wspomnałem wcześnej, udało m sę wykazać wnosek ogólnejszy. Nech x, a, b będą takm lczbam całkowtym dodatnm, że a b. Wykażemy, że x a x b. Postępujemy dokładne w tak sam sposób, jak powyżej. Skoro a b, to stneje taka lczba całkowta dodatna k, że b = ka. Następne ze wzoru skróconego mnożena otrzymujemy: [ k ] x b = [x a ] x a. Stąd: x a dzel x b, co kończy dowód. =0 Zauważmy, że powyższe uogólnene pozwala nam stwerdzć, że dla dowolnej lczby całkowtej dodatnej x 2 zachodz: τ(x n ) τ(n). Dowód przebega oczywśce w sposób analogczny, jak dla przykładu x = 2. Berzemy kolejno wszystke dzelnk d lczby n stwerdzamy na mocy przytoczonego powyżej lematu, że x d x n. 25

27 Tematy zwązane z potęgam lczby 2 zakończymy zadanem z Bałtyckej Olmpady Matematycznej (Baltc Way). Dane są lczby całkowte: a > oraz n > 0 take, że a n + jest lczbą perwszą. Wykazać, że: τ(a n ) n. Rozpatrzmy przypadek, gdy lczba n w rozkładze kanoncznym posada lczbę perwszą neparzystą p. Nech wówczas n = kp dla pewnej lczby całkowtej dodatnej k. Mamy wówczas: a n + = a kp + = (a k + )(a k(p ) a k(p 2) +... a + ), co prowadz do sprzecznośc, gdyż: a k + a n +. Wynka stąd, że n jest postac 2 q. Za pomocą ndukcj po wartośc q bardzo łatwo dowodzmy zadanej nerównośc. Jeśl q = 0, to τ(a ), co jest oczywśce prawdą. Zauważmy bardzo prostą zależność wynkającą ze wzoru skróconego mnożena: ( ) ( ) a 2q = a 2q a 2q +. Z założena ndukcyjnego oraz powyższego warunku otrzymujemy, że każdy dzelnk d lczby a 2q dzel lczbę a 2q, zaś takch dzelnków jest co najmnej 2 q. Ponadto z otrzymanej zależnośc mamy równeż, że każdy wspomnany dzelnk d pomnożony przez a 2q + dzel lczbę a 2q. Oczywśce: d a 2q + > a 2q, węc wszystke te dzelnk z założena są różne wraz ze wzrostem wartośc lczby q o jeden, lczba tychże dzelnków wzrasta co najmnej dwukrotne, węc jest ch co najmnej: 2 2 q = 2 q, co było do udowodnena. Zajmjmy sę teraz ogranczenam wartośc funkcj σ(n) przez wartość n. Perwszym z nch będze dość ntucyjne, proste w dowodze ogranczene dolne. Otóż, dla dowolnej lczby naturalnej złożonej n zachodz: σ(n) n + n +. Wykażmy to twerdzene. Jak pokazalśmy wcześnej, skoro n jest lczbą złożoną, to stneją take dwa dzelnk d, d 2, że: n = d d 2. Spośród nch jeden jest wększy lub równy n, drug jest mnejszy lub równy tej lczbe. Załóżmy bez straty ogólnośc, że: d n. Dzelnkam lczby n są oczywśce lczby: oraz n, zatem prawdzwe jest szacowane: σ(n) n + + d n + + n > n + n. Jeśl lczba n jest postac p α, gdze: p jest lczbą perwszą, to oczywśce: σ(n) = + p + p p α. 26

28 Teraz postaramy sę wyznaczyć ogranczene górne wartośc funkcj σ. Perwsze z nch zachodz dla dowolnej lczby naturalnej n > 2 przedstawa sę następująco: σ(n) < n n. Jako n-tą lczbę harmonczną zdefnujmy następującą lczbę: H n =. Wykażemy najperw, że dla dowolnej lczby harmoncznej wększej lub równej H 5 zachodz szacowane: H n log 2 (n). Dowód przeprowadzmy w sposób ndukcyjny. Dla n = 5 powyższa zależność jest prawdzwa. Załóżmy, że dla pewnego n N, n > 5 zachodz dowodzona nerówność. Wówczas: Należy pokazać, że: H n+ = H n + n + log 2(n) + n +. log 2 (n) + n + < log 2(n + ). Przekształcając równoważne korzystając z własnośc logarytmu: ( ) n + n + < log 2, n ( < (n + ) log 2 + ), n ] ) n+ Oczywśce zachodz równeż: < log 2 ( [ + n [ + n] n+ > 2,. 27

29 poneważ cąg ten jest malejący, a jego grancą jest lczba e. Ogranczene jest zatem prawdzwe. Zauważmy zatem, że dla dzelnków d, d 2,..., d k lczby n zachodz: σ(n) n = d + d d k n = d n + d 2 n d k n = d n d. Zależność tą pokazalśmy już wcześnej. Sumowane odbywa sę po wszystkch dzelnkach, zatem ułamek d n wyznacza nam jednoznaczne dzelnk komplementarny do d. Z każdego składnka otrzymujemy zatem odwrotność jednoznaczne wyznaczonego dzelnka komplementarnego, a skoro sumowane odbywa sę po wszystkch dzelnkach, to dostajemy sumę odwrotnośc wszystkch dzelnków (gdyż dla każdego dzelnka stneje dokładne jeden do nego komplementarny dwa różne dzelnk ne mają tego samego dzelnka komplementarnego). Szacując dalej: d n d H k H n log 2 (n) < n. Ostane szacowane prawdzwe jest dla n > 6. Dla mnejszych wartośc n sprawdzamy ręczne. Zauważmy, że powyższe szacowane jest dość "grube" dla odpowedno dużych lczb. Postawłem sobe zatem pytane - czy w powyższym dowodze można dokonać optymalzacj? Udało m sę wskazać dużo mocnejsze ogranczene, które zachodz dla dowolnej lczby naturalnej n 7. Wówczas: σ(n) < n ln(n). Przyjmując oznaczena jak wcześnej mamy, że: {d, d 2,..., d k } = { n d, n d 2,..., n d k }. Możemy zatem zapsać: ( σ(n) = n ) n H k, d d 2 d k poneważ x 0 przy x +, zatem szacujemy przez k najwększych składnków. Podobne jak wyżej wykazujemy ndukcyjne, że dla dowolnej lczby n 2 zachodz: H n 0, 8 + ln(n). Dowód zachodz analogczne, jak powyżej. Zostawam go jako proste ćwczene dla Czytelnka. Teraz, używając nerównośc: τ(n) 2 n dostajemy: n H k < n(0, 8 + ln(k)) n(0, 8 + ln(2 n)) = 28

30 n (0, 8 + ln(2) + 2 ) ln(n) < n (, ) ln(n). Dla n 2 mamy: ln(n) >, 5+ 2 ln(n). Sprawdzając dla lczb mnejszych dostajemy w efekce zależność: n 7. Wartośc funkcj σ możemy ogranczać równeż poprzez wartośc nnych funkcj teorolczbowych. Nas szczególne nteresują zwązk z funkcją τ. Wykazalśmy już nerówność: σ(n) < n 2τ(n). Okazuje sę, że zwązane jest z ną ścśle równeż ogranczene dolne postac: σ(n) nτ(n). Analogczne jak poprzedno użyjemy zależnośc: {d, d 2,..., d k } = { n d, n d 2,..., n d k }, gdze: τ(n) = k. Wówczas zachodz zależność: ( k ) d (n σ 2 (n) = d n d Stąd uzyskujemy natychmast: 2 ( k ) 2 ( k ) ( k ) n = d = d = d ) ( k k ) ( k ) = n d n d d n σ(n) τ(n) n. 2 = nτ 2 (n). Zajmjmy sę przez chwlę bardzej zaawansowanym technkam teoroloczbowym. Zastanowmy sę, le razy pewne nteresujące nas składnk pojawają sę w specyfcznych sumach. W tym celu udowodnm nerówność zachodzącą dla każdej lczby całkowtej dodatnej n: σ() n 2. Zauważmy, że -ty składnk sumy po lewej strone nerównośc jest sumą wszystkch dzelnków lczby. Jeśl rozpszemy wszystke te składnk w sposób jawny, to otrzymamy, że każdy dzelnk d n pojawa sę w sume dokładne n d razy. Dzeje sę tak wówczas, gdy pewna lczba n jest welokrotnoścą d. Jak łatwo stwerdzć, takch welokrotnośc 29

31 jest dokładne n d (pewna lczba d "meśc sę" w n co najwyżej n d d n d = n). Zatem lewą stronę nerównośc możemy zapsać jako: ( n ) ( n ) = n } + n + {{... + n } = n 2, n co pocąga za sobą tezę. razy, bo: Ostatna nerówność podsumowuje pokazane podczas dowodzena poprzednch zależnośc technk. Wykażemy, że dla każdej lczby całkowtej dodatnej n zachodz: σ() 2n. Jak wykazalśmy wcześnej (przy okazj lczb harmoncznych H n ), dla dowolnej lczby całkowtej dodatnej zachodz: σ() = d d. Oznacza to, że dowodzona nerówność przyjmuje postać: d d + d 2 d d n d = d 2n. Jak pokazalśmy w poprzednm przykładze, każda lczba d n pojawa sę w sume dokładne n d razy. Wykorzystując ten fakt nerówność z tezy możemy zapsać jako: ( n ) < 2n. Zachodz równeż oczywsty zwązek dla dowolnej lczby całkowtej dodatnej : n < n = n 2. Musmy węc pokazać, że: n 2 < 2n. Przekształcając równoważne dostajemy: co kończy dowód. d 2 < 2 = π2 6 < 2, 30

32 Algorthm Oblczane σ(n) functon dvde(p, k) 2: f p mod k = 0 then return true 4: end f return false 6: end functon 8: functon man( ) 0: n, sum for = n do 2: sum 0 for j = j j do 4: f DIV IDE(, j) = true then sum sum + j 6: f j j then sum sum + /j 8: end f end f 20: end for prnt(sum) 22: end for end functon 3

33 Algorthm 2 Oblczane σ(n) #nclude <cstdo> #nclude <ostream> usng namespace std; nt n; unsgned long long nt sum; bool dvde(nt p, nt k) { f(p % k == 0) return true; return false; } nt man() { scanf("%d", &n); for(nt ; <= n; ++) { sum = 0; for(nt j=; j*j <=; j++) { f(dvde(, j) == true) { sum += j; f(j*j!= ) sum += /j; } } prntf("%d: %lld\n",, sum); } system("pause"); } 32

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

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

Bardziej szczegółowo

Laboratorium ochrony danych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zaawansowane metody numeryczne

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

Bardziej szczegółowo

I. Elementy analizy matematycznej

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyka dyskretna. Wykład 5: Funkcje multiplikatywne. Gniewomir Sarbicki

Matematyka dyskretna. Wykład 5: Funkcje multiplikatywne. Gniewomir Sarbicki Matematyka dyskretna Wykład 5: Funkcje multiplikatywne Gniewomir Sarbicki Definicja: Funkcję f : N Z nazywamy: multiplikatywną, jeżeli n, m NW D(n, m) = 1 = f(nm) = f(n)f(m) całkowicie multiplikatywną,

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX

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

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

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

Bardziej szczegółowo

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem:

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem: Zadane 1 Udowodnj, że CAUS PRAM Załóżmy przetwarzane przyczynowo spójne. Dla każdego obrazu hstor hv zachodz zatem: O OW O OW x X p j o O o1 o2 o1 o2 o1 j o2 ( o1 = w( x) v o2 = r( x) v) o1 o2 ( o1 o o2)

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Równania rekurencyjne na dziedzinach

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

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

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

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

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

Bardziej szczegółowo

Funkcje arytmetyczne. Funkcje arytmetyczne

Funkcje arytmetyczne. Funkcje arytmetyczne Definicja 1 Każda arytmetyczna, to funkcja f(n, n N, przyporządkowująca N C, (R. Na przykład: f(n = n. Definicja 2: Funkcję arytmetyczną f : N f(n R nazywamy multyplikatywną, jeżeli m,n N, m n mamy f(mn

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Przykładowe zadania z teorii liczb

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

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Ile wynosi suma miar kątów wewnętrznych w pięciokącie?

Ile wynosi suma miar kątów wewnętrznych w pięciokącie? 1 Ile wynos suma mar kątów wewnętrznych w pęcokące? 1 Narysuj pęcokąt foremny 2 Połącz środek okręgu opsanego na tym pęcokące ze wszystkm werzchołkam pęcokąta 3 Oblcz kąty każdego z otrzymanych trójkątów

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

6. Liczby wymierne i niewymierne. Niewymierność pierwiastków i logarytmów (c.d.).

6. Liczby wymierne i niewymierne. Niewymierność pierwiastków i logarytmów (c.d.). 6. Liczby wymierne i niewymierne. Niewymierność pierwiastków i logarytmów (c.d.). 0 grudnia 008 r. 88. Obliczyć podając wynik w postaci ułamka zwykłego a) 0,(4)+ 3 3,374(9) b) (0,(9)+1,(09)) 1,() c) (0,(037))

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

architektura komputerów w. 3 Arytmetyka komputerów archtektura komputerów w. 3 Arytmetyka komputerów Systemy pozycyjne - dodawane w systeme dwójkowym 100101011001110010101 100111101000001000 0110110011101 1 archtektura komputerów w 3 1 Arytmetyka bnarna.

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

Proces narodzin i śmierci

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Pattern Classification

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

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

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

Bardziej szczegółowo

Statystyka Inżynierska

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

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawowe twierdzenia

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

Bardziej szczegółowo

Funkcje arytmetyczne

Funkcje arytmetyczne Funkcje arytmetyczne wersja robocza Jacek Cichoń Politechnika Wrocławska Wydział Podstawowych Problemów Techniki Liczbami naturalnymi nazywany tutaj zbiór N = {1, 2, 3...}. Zbiór liczb ierwszych oznaczamy

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

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

Bardziej szczegółowo

Sumy kwadratów kolejnych liczb naturalnych

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

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana Kodowane nformacj Instytut Informatyk UWr Studa weczorowe Wykład nr 2: rozszerzone dynamczne Huffmana Kod Huffmana - nemłe przypadk... Nech alfabet składa sę z 2 lter: P(a)=1/16 P(b)=15/16 Mamy H(1/16,

Bardziej szczegółowo

Nieparametryczne Testy Istotności

Nieparametryczne Testy Istotności Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Statystyka. Zmienne losowe

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

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

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

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

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

Bardziej szczegółowo

Dwa równania kwadratowe z częścią całkowitą

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Wstęp do Informatyki zadania ze złożoności obliczeniowej z rozwiązaniami

Wstęp do Informatyki zadania ze złożoności obliczeniowej z rozwiązaniami Wstęp do Informatyki zadania ze złożoności obliczeniowej z rozwiązaniami Przykład 1. Napisz program, który dla podanej liczby n wypisze jej rozkład na czynniki pierwsze. Oblicz asymptotyczną złożoność

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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

Bardziej szczegółowo

V. TERMODYNAMIKA KLASYCZNA

V. TERMODYNAMIKA KLASYCZNA 46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

Bardziej szczegółowo

0.1 Renty. 0.2 Wkłady oszczędnościowe Wkłady proste

0.1 Renty. 0.2 Wkłady oszczędnościowe Wkłady proste 0 Renty W kolejnych rozdzałach zajmemy sę cągam płatnośc dokonywanych w równych odstępach czasu, zwanym rentam annuty Rentę annuty defnujemy jako cąg płatnośc dokonywanych w równych odstępach czasu Przykładam

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE całki pojedyncze

CAŁKOWANIE NUMERYCZNE całki pojedyncze CAŁKOWANIE NUMERYCZNE całk pojedyncze Kwadratury nterpolacyjne Kwadratury nterpolacyjne Rozpatrujemy funkcję f() cągłą ogranczoną w przedzale domknętym [a, b]. Przedzał [a, b] dzelmy na skończoną lczbę

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...

; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze... Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

Algorytmy w teorii liczb

Algorytmy w teorii liczb Łukasz Kowalik, ASD 2004: Algorytmy w teorii liczb 1 Algorytmy w teorii liczb Teoria liczb jest działem matemtyki dotyczącym własności liczb naturalnych. Rozważa się zagadnienia związane z liczbami pierwszymi,

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

1 Przestrzenie statystyczne, statystyki

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

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

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

Bardziej szczegółowo