Ekstrema funkcji wielu zmiennych.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekstrema funkcji wielu zmiennych."

Transkrypt

1 Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień / 13

2 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu P 0 (x 0, y 0 ). Mówimy, ze funkcja posiada w punkcie (x 0, y 0 ) maksimum (minimum) lokalne, je zeli istnieje otoczenie punktu (x 0, y 0 ) takie, ze dla ka zdego punktu (x, y) nale z ¾acego do tego otoczenia spe niona jest nierówność f (x, y) f (x 0, y 0 ) (f (x, y) f (x 0, y 0 )). Maksima i minima lokalne ¾acznie określa si ¾e mianem ekstremów lokalnych. Bardzo cz ¾esto sprawdzenie tych warunków nie jest takie proste i dlatego opracowano specjalne twierdzenie, które jest zarówno warunkiem koniecznym i dostacznym istnienia ekstremum lokalnego funkcji dwóch zmiennych. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

3 Theorem Je zeli dana jest funkcja dwóch zmiennych f (x, y) majaca ¾ w otoczeniu punktu P 0 (x 0, y 0 ) wszystkie drugie pochodne czastkowe ¾ ciag e ¾ oraz je zeli spe nione sa¾ nastepuj ¾ ace ¾ warunki: (x 0, y 0 ) x = 0 ^ (x 0, y 0 ) y = 0 (warunek konieczny) W (x 0, y 0 ) = 2 f (x 0, y 0 ) x 2 2 f (x 0, y 0 ) 2 2 f (x 0, y 0 ) y 2 > 0 x y (warunek dostateczny) to w punkcie P 0 = (x 0, y 0 ) funkcja ma ekstremum, przy czym je zeli 2 f (x 0,y 0 ) > 0 to w punkcie P x 2 0 jest minimum lokalne; je zeli 2 f (x 0,y 0 ) < 0 to w punkcie P x 2 0 jest maksimum lokalne. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

4 Uwaga. Je zeli warunek konieczny jest spe niony ale W (x 0, y 0 ) < 0 to funkcja nie ma ekstremum w punkcie P 0, jeśli zaś W (x 0, y 0 ) = 0 to ekstremum w punkcie P 0 mo ze istniej lub nie. Przyk ad. Niech f (x, y) = 3x 2 y 6xy + y Wyznaczanie ekstremów rozpoczniemy od obliczenia pochodnych cz ¾astkowych pierwszego i drugiego rz ¾edu. Mamy zatem x = 6xy 6y y = 3x 2 6x + 3y 2 2 f x 2 = 6y 2 f y 2 = 6y 2 f x y = 6x 6 Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

5 Nast ¾epnie przyrównujemy pochodne cz ¾astkowe pierwszego rz ¾edu do zera i rozwi ¾azujemy uk ad równań 6xy 6x = 0 3x 2 6x + 3y 2 = 0, Rozwi ¾azaniem s ¾a dwa punkty: [x = 1, y = 1], [x = 0, y = 0] Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

6 Interesuj ¾a nas wartości tego wyznacznika w punktach podejrzanych o ekstremum. Mamy zatem W (0, 0) = 36 < 0 W (1, 1) = 36 > 0 Warunek dostateczny spe niony jest tylko w ostatnim punkcie, zatem w nich wyst ¾epuj ¾a ekstrema. Poniewa z 2 f (1, 1) = 6 > 0 zatem w tym x 2 punkcie wyst ¾epuje minimum lokalne, Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

7 Omówimy teraz zastosowania rachunku ró zniczkowego dwóch zmiennych w ekonomii. Jako pierwsze omówimy poj ¾ecie elastyczności funkcji. Elastycznaość cz ¾astkowa funkcji dwóch zmiennych de niuje si ¾e analogicznie jak elastyczność funkcji jednej zmiennej. Je zeli istniej ¾a pochodne cz ¾astkowe x i y to elastyczności ¾a funkcji f (x, y) wzgl ¾edem zmiennej x nazywamy wyra zenie E xf (x,y ) = x f (x, y) x natomiast elastyczności ¾a wzgl ¾edem zmiennej y nazywamy wyra zenie E yf (x,y ) = y f (x, y) y. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

8 W tym miejscu nale zy sobie odpowiedzieć na pytanie, w jaki sposób mo zna wykorzystać elastyczności. Otó z E xf (x,y ) określa w przybli zeniu o ile procent wzrośnie wartość funkcji f (x, y), gdy zmienna niezale zna x wzrośnie o 1% przy ustalonej wartości zmiennej y. Przyk ad Obliczyć elastyczności cz ¾astkowe funkcji produkcji Cobba-Douglasa f (x, y) = 4x 0,1 y 0,5, gdzie x jest wielkości ¾a maj ¾atku produkcyjnego, zaś y wielkości ¾a zatrudnienia. Na pocz ¾atku obliczamy pochodne cz ¾astkowe pierwszego rz ¾edu x = 4 0, 1x 0,9 y 0,5 y = 4 0, 5x 0,1 y 0,5. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

9 St ¾ad elastyczności wynosz ¾a podobnie E xf (x,y ) = E yf (x,y ) = x f (x, y) x = y f (x, y) y = x 4x 0,1 y 0,5 4 0, 1 x 0,9 y 0,5 = 0, 1 y 4x 0,1 y 0,5 4 0, 5 x 0,1 y 0,5 = 0, 5 Jak widzimy wartości te s ¾a sta e oraz wzrost wartośći maj ¾atku o 1% spododuje wzrost produkcji o 0, 1%, zaś wzrost zatrudnienia o 1% poci ¾agnie za sob ¾a wzrost produkcji o 0, 5%. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

10 Omówimy teraz wielkości krańcowe. Wielkość krańcowa funkcji f (x, y) w punkcie (x, y) wzgl ¾edem zmiennej x mówi, o ile jednostek w przybli zeniu zmieni si ¾e (wzrośnie lub spadnie) wartość funkcji f (x, y) jeśli argument x wzrośnie o jedn ¾a jednostk¾e. Obiczamy j ¾a licz ¾ac wartość pochodnej cz ¾astkowej x.w analogiczny sposób wyznacza si ¾e wartość krańcow ¾a wzgl ¾edem zmiennej y. W poprzenim przyk adzie postaramy si ¾e oszacować wzrost produkcji, gdy wartość maj ¾atku wynosi x=9, a zatrudnienie y=30. Dysponuj ¾ac obliczonymi pochodnymi cz ¾astkowymi obliczamy ich wartości w punkcie (9, 30) x (9, 30) = 4 0, 1 9 0,9 30 0,5 0, y (9, 30) = 4 0, 5 90,1 30 0,5 0, Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

11 Stopa wzrostu to przyrost funkcji wyra zony w procentach wtedy, gdy argument wzrasta o jedn ¾a jednostk ¾e. Wprzypadku funkcji dwóch zmiennych wyraza si ¾e wzorem S x f = x f (x, y) 100% w przypadku stopy wzrostu dla zmiennej x oraz S y f = y f (x, y) 100% w przypadku stopy wzrostu dla zmiennej y. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

12 Z uwagi na ograniczoność tego wyk adu nie b ¾edziemy rozwa zać problemu ekstremum funkcji dwóch zmiennych w zadanym podziorze dziedziny. Nale zy w tym miejscu jedynie zaznaczyć, ze istnieje kilka sposobów podejścia do tego zagadnienia, przy czym w jelu przypadkach wygodnie jest zastosować metod ¾e mno zników Lagrange a. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

13 Dzi ¾ekuj ¾e za uwag ¾e Przypominam studentom moich grup, ze za tydzień mamy kolokwium. Adam Kiersztyn (KUL) Ekstrema funkcji wielu zmiennych. kwiecień / 13

Pochodne cz ¾astkowe i ich zastosowanie.

Pochodne cz ¾astkowe i ich zastosowanie. Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych

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

Wprowadzenie do równań ró znicowych i ró zniczkowych.

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

Bardziej szczegółowo

Wyznaczniki, macierz odwrotna, równania macierzowe

Wyznaczniki, macierz odwrotna, równania macierzowe Wyznaczniki, macierz odwrotna, równania macierzowe Adam Kiersztyn Katolicki Uniwersytet Lubelski Jana Paw a II Lublin 013 Adam Kiersztyn (KUL) Wyznaczniki, macierz odwrotna, równania macierzowe marzec

Bardziej szczegółowo

Funkcje dwóch zmiennych

Funkcje dwóch zmiennych Funkcje dwóch zmiennych Je zeli ka zdemu punktowi P o wspó rzednych x; y) z pewnego obszaru D na p aszczyźnie R 2 przyporzadkujemy w sposób jednoznaczny liczb e rzeczywista z, to przyporzadkowanie to nazywamy

Bardziej szczegółowo

Równania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody".

Równania ró znicowe wg A. Ostoja - Ostaszewski Matematyka w ekonomii. Modele i metody. Równania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody". Przyk ad. Za ó zmy, ze w chwili t = 0 populacja liczy P 0 osób. Roczny wskaźnik urodzeń wynosi b = 00, a roczna

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

1 Rozk ad normalny. Szczególnym przypadkiem jest standardowy rozk ad normalny N (0; 1), wartości

1 Rozk ad normalny. Szczególnym przypadkiem jest standardowy rozk ad normalny N (0; 1), wartości Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki matematycznej Adam Kiersztyn 2 godziny lekcyjne 2011-10-23 8.20-9.50 1 Rozk ad normalny Jednym z najwa

Bardziej szczegółowo

Funkcje wielu zmiennych

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

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

Wyk ad II. Stacjonarne szeregi czasowe.

Wyk ad II. Stacjonarne szeregi czasowe. Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych

Bardziej szczegółowo

Temat: Funkcje. Własności ogólne. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1

Temat: Funkcje. Własności ogólne. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Temat: Funkcje. Własności ogólne A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Kody kolorów: pojęcie zwraca uwagę * materiał nieobowiązkowy A n n a R a

Bardziej szczegółowo

Matematyka II. De nicje, twierdzenia 21 czerwca 2011

Matematyka II. De nicje, twierdzenia 21 czerwca 2011 Matematyka II De nicje, twierdzenia 2 czerwca 20 K. Dobrowolska, W. Dyczka, H. Jakuszenkow, Matematyka dla studentów studiów technicznych, cz. 2, HELPMATH, ódź 2007 M. Gewert, Z. Skoczylas, Analiza matematyczna

Bardziej szczegółowo

22 Pochodna funkcji definicja

22 Pochodna funkcji definicja 22 Pochodna funkcji definicja Rozważmy funkcję f : (a, b) R, punkt x 0 b = +. (a, b), dopuszczamy również a = lub Definicja 33 Mówimy, że funkcja f jest różniczkowalna w punkcie x 0, gdy istnieje granica

Bardziej szczegółowo

Funkcje wielu zmiennych

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

Bardziej szczegółowo

1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach

1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach 1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach Czasami chcemy rekodować jedynie cz ¾eść danych zawartych w pewnym zbiorze. W takim przypadku stosujemy rekodowanie z zastosowaniem warunku

Bardziej szczegółowo

1 Praktyczne metody wyznaczania podstawowych miar bez zastosowania komputerów

1 Praktyczne metody wyznaczania podstawowych miar bez zastosowania komputerów Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 8.03.014 - godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

KURS FUNKCJE WIELU ZMIENNYCH KURS FUNKCJE WIELU ZMIENNYCH Lekcja 8 Ekstrema warunkowe (mnożnik Lagrange a) ZADANIE DOMOWE www.etrapez.pl Strona 1 Częśd 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Jak

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla

Bardziej szczegółowo

1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL

1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 9.03.2014-3 godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Mikroekonomia II. Narz ¾edzia matematyczne. f 0 (x) = 0. f (x) = 5. f 0 (x) = ax a 1 = ax a 1. f (x) = p x = x 1 2. d (bf(x)) dx.

Mikroekonomia II. Narz ¾edzia matematyczne. f 0 (x) = 0. f (x) = 5. f 0 (x) = ax a 1 = ax a 1. f (x) = p x = x 1 2. d (bf(x)) dx. Mikroekonomia II Narz edzia matematczne Pochodne. Funkcja sta a f () = b f 0 () = 0 f () = 5 f 0 () = 0 2. Funkcja wk adnicza f () = a f 0 () = a a = a a f () = p = 2 f 0 () = 2 2 = 2 2. Funkcja logartmiczna

Bardziej szczegółowo

Wyk lad 3 Wyznaczniki

Wyk lad 3 Wyznaczniki 1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1

Bardziej szczegółowo

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10)

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) 5.5. Wyznaczanie zer wielomianów 79 gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) gdzie stopieñ wielomianu p 1(x) jest mniejszy lub równy n, przy

Bardziej szczegółowo

Funkcje dwóch zmiennych

Funkcje dwóch zmiennych Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.

Bardziej szczegółowo

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi

Bardziej szczegółowo

1 Wieloczynnikowa analiza wariancji

1 Wieloczynnikowa analiza wariancji Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Wieloczynnikowa analiza wariancji

Bardziej szczegółowo

1 Regresja liniowa cz. I

1 Regresja liniowa cz. I Regresja liniowa cz. I. Model statystyczny Model statystyczny to zbiór za o zeń. Wprowadzamy model, który mo zliwie najlepiej opisuje ineresujacy ¾ nas fragment rzeczywistość. B ¾edy modelu wynikaja¾ z

Bardziej szczegółowo

Definicja pochodnej cząstkowej

Definicja pochodnej cząstkowej 1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem

Bardziej szczegółowo

1 Analiza wariancji H 1 : 1 6= 2 _ 1 6= 3 _ 1 6= 4 _ 2 6= 3 _ 2 6= 4 _ 3 6= 4

1 Analiza wariancji H 1 : 1 6= 2 _ 1 6= 3 _ 1 6= 4 _ 2 6= 3 _ 2 6= 4 _ 3 6= 4 Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Analiza wariancji Na wst¾epie zapoznamy

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

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

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

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

Bardziej szczegółowo

O zgodności procedur jednoczesnego testowania zastosowanych do problemu selekcji zmiennych w modelu liniowym

O zgodności procedur jednoczesnego testowania zastosowanych do problemu selekcji zmiennych w modelu liniowym O zgodności procedur jednoczesnego testowania zastosowanych do problemu selekcji zmiennych w modelu liniowym Konrad Furmańczyk Katedra Zastosowań Matematyki SGGW Wis a 2010 Plan referatu 1. Modele liniowe

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

1 Miary asymetrii i koncentracji

1 Miary asymetrii i koncentracji Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki opisowej Adam Kiersztyn 3 godziny lekcyjne 2011-10-22 10.10-12.30 1 Miary asymetrii i koncentracji

Bardziej szczegółowo

Rys Mo liwe postacie funkcji w metodzie regula falsi

Rys Mo liwe postacie funkcji w metodzie regula falsi 5.3. Regula falsi i metoda siecznych 73 Rys. 5.1. Mo liwe postacie funkcji w metodzie regula falsi Rys. 5.2. Przypadek f (x), f (x) > w metodzie regula falsi 74 V. Równania nieliniowe i uk³ady równañ liniowych

Bardziej szczegółowo

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych

Bardziej szczegółowo

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA Metody kolejnych przybli e Twierdzenie. (Bolzano Cauchy ego) Metody kolejnych przybli e Je eli funkcja F(x) jest ci g a w przedziale domkni tym [a,b] i F(a) F(b)

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

Pochodne funkcji wraz z zastosowaniami - teoria

Pochodne funkcji wraz z zastosowaniami - teoria Pochodne funkcji wraz z zastosowaniami - teoria Pochodne Definicja 2.38. Niech f : O(x 0 ) R. Jeżeli istnieje skończona granica f(x 0 + h) f(x 0 ) h 0 h to granicę tę nazywamy pochodną funkcji w punkcie

Bardziej szczegółowo

Wykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.

Wykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach. Wykład Przebieg zmienności funkcji. Celem badania przebiegu zmienności funkcji y = f() jest poznanie ważnych własności tej funkcji na podstawie jej wzoru. Efekty badania pozwalają naszkicować wykres badanej

Bardziej szczegółowo

Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty

Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty November 20, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Znajdź równanie asymptot funkcji f jeśli: a) f(x)

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

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

Bardziej szczegółowo

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

KURS FUNKCJE WIELU ZMIENNYCH KURS FUNKCJE WIELU ZMIENNYCH Lekcja Ekstrema (lokalne) funkcji wielu zmiennych ZADANIE DOMOWE www.etrapez.pl Strona Częśd : TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie Wykres

Bardziej szczegółowo

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu:

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu: Funkcja jednej zmiennej - przykładowe rozwiązania Zadanie 4 c) Badając przebieg zmienności funkcji postępujemy według poniższego schematu:. Analiza funkcji: (a) Wyznaczenie dziedziny funkcji (b) Obliczenie

Bardziej szczegółowo

Pochodna funkcji odwrotnej

Pochodna funkcji odwrotnej Pochodna funkcji odwrotnej Niech będzie dana w przedziale funkcja różniczkowalna i różnowartościowa. Wiadomo, że istnieje wówczas funkcja odwrotna (którą oznaczymy tu : ), ciągła w przedziale (lub zależnie

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

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl

Bardziej szczegółowo

Rachunek różniczkowy funkcji dwóch zmiennych

Rachunek różniczkowy funkcji dwóch zmiennych Rachunek różniczkowy funkcji dwóch zmiennych Definicja Spis treści: Wykres Ciągłość, granica iterowana i podwójna Pochodne cząstkowe Różniczka zupełna Gradient Pochodna kierunkowa Twierdzenie Schwarza

Bardziej szczegółowo

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe. Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie

Bardziej szczegółowo

Pochodna funkcji. Zastosowania pochodnej. Badanie przebiegu zmienności

Pochodna funkcji. Zastosowania pochodnej. Badanie przebiegu zmienności Temat wykładu: Pochodna unkcji. Zastosowania pochodnej. Badanie przebiegu zmienności Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy 1 1. Pochodna Zagadnienia

Bardziej szczegółowo

Temat: Zastosowania pochodnej

Temat: Zastosowania pochodnej Temat: Zastosowania pochodnej A n n a R a j u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga A n n a R a j u r a, M a

Bardziej szczegółowo

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )

Bardziej szczegółowo

Pochodną funkcji w punkcie nazywamy granicę ilorazu różnicowego w punkcie gdy przyrost argumentu dąży do zera: lim

Pochodną funkcji w punkcie nazywamy granicę ilorazu różnicowego w punkcie gdy przyrost argumentu dąży do zera: lim Definicja pochodnej Niech będzie funkcją określoną w pewnym przedziale i niech będzie punktem wewnętrznym tego przedziału. Liczbę dowolną, ale taką, że nazywamy przyrostem argumentu, a różnicę nazywamy

Bardziej szczegółowo

Ocena ryzyka kredytowego

Ocena ryzyka kredytowego Marcin Studniarski http://math.uni.lodz.pl/marstud/ marstud@math.uni.lodz.pl Ocena ryzyka kredytowego (semestr letni 2013/14) 1 Informacje wst epne Celem tego rozdzia u jest powtórzenie pewnych wiadomości

Bardziej szczegółowo

RACHUNEK RÓŻNICZKOWY FUNKCJI JEDNEJ ZMIENNEJ. Wykorzystano: M A T E M A T Y K A Wykład dla studentów Część 1 Krzysztof KOŁOWROCKI

RACHUNEK RÓŻNICZKOWY FUNKCJI JEDNEJ ZMIENNEJ. Wykorzystano: M A T E M A T Y K A Wykład dla studentów Część 1 Krzysztof KOŁOWROCKI RACHUNEK RÓŻNICZKOWY FUNKCJI JEDNEJ ZMIENNEJ Wykorzystano: M A T E M A T Y K A Wykład dla studentów Część 1 Krzyszto KOŁOWROCKI Przyjmijmy, że y (, D, jest unkcją określoną w zbiorze D R oraz niec D Deinicja

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

Obligacje. nazywamy papier warto sciowy maj acy, po_zyczki przez instytucj e, obligacj e, u jej nabywcy.

Obligacje. nazywamy papier warto sciowy maj acy, po_zyczki przez instytucj e, obligacj e, u jej nabywcy. Obligacje De nicja Obligacj nazywamy papier warto sciowy maj acy, charakter wierzycielski. Obligacj jest zaci agni, eciem, po_zyczki przez instytucj e, sprzedaj ac, obligacj e, u jej nabywcy. Sprzedaj

Bardziej szczegółowo

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

Dyskretne modele populacji

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

Bardziej szczegółowo

Analiza Matematyczna MAEW101 MAP1067

Analiza Matematyczna MAEW101 MAP1067 1 Analiza Matematyczna MAEW101 MAP1067 Wydział Elektroniki Przykłady do Listy Zadań nr 14 Funkcje wielu zmiennych. Płaszczyzna styczna. Ekstrema Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania

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

1 Pochodne wyższych rzędów

1 Pochodne wyższych rzędów Pochodne wyższych rzędów Pochodną rzędu drugiego lub drugą pochodną funkcji y = f(x) nazywamy pochodną pierwszej pochodnej tej funkcji. Analogicznie definiujemy pochodne wyższych rzędów, jako pochodne

Bardziej szczegółowo

II semestr. Jan Kubarski

II semestr. Jan Kubarski II semestr Jan Kubarski 0. Funkcje wielu zmiennych, granice De nition 0.. Ka zd a funkcje f : A! R określona na podzbiorze A R n nazywamy funkcja n-zmiennych. Np. Funkcja f (x; y) xy jest funkcja zmiennych,

Bardziej szczegółowo

1 Granice funkcji wielu zmiennych.

1 Granice funkcji wielu zmiennych. AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica

Bardziej szczegółowo

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu.

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu. INSTYTUT MEDICUS Kurs przygotowawczy na studia medyczne Rok szkolny 00/0 tel. 050 38 39 55 www.medicus.edu.pl MATEMATYKA 4 FUNKCJA KWADRATOWA Funkcją kwadratową lub trójmianem kwadratowym nazywamy funkcję

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

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

Bardziej szczegółowo

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja) Matematyka II Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 208/209 wykład 3 (27 maja) Całki niewłaściwe przedział nieograniczony Rozpatrujemy funkcje ciągłe określone na zbiorach < a, ),

Bardziej szczegółowo

9. BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI

9. BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI Ekstrema i monotoniczność funkcji Oznaczmy przez D f dziedzinę funkcji f Mówimy, że funkcja f ma w punkcie 0 D f maksimum lokalne (minimum lokalne), gdy dla każdego

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

Programowanie matematyczne

Programowanie matematyczne dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Programowanie matematyczne Programowanie matematyczne, to problem optymalizacyjny w postaci: f ( x) max przy warunkach g( x) 0 h( x) = 0 x X

Bardziej szczegółowo

Zadanie 1. (0-1 pkt) Liczba 30 to p% liczby 80, zatem A) p = 44,(4)% B) p > 44,(4)% C) p = 43,(4)% D) p < 43,(4)% C) 5 3 A) B) C) D)

Zadanie 1. (0-1 pkt) Liczba 30 to p% liczby 80, zatem A) p = 44,(4)% B) p > 44,(4)% C) p = 43,(4)% D) p < 43,(4)% C) 5 3 A) B) C) D) W ka dym z zada.-24. wybierz i zaznacz jedn poprawn odpowied. Zadanie. (0- pkt) Liczba 30 to p% liczby 80, zatem A) p = 44,(4)% B) p > 44,(4)% C) p = 43,(4)% D) p < 43,(4)% Zadanie 2. (0- pkt) Wyra enie

Bardziej szczegółowo

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. Twierdzenie 1.1. (Rolle a) Jeżeli funkcja f jest ciągła w przedziale domkniętym

Bardziej szczegółowo

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci 56 Za³ó my, e twierdzenie jest prawdziwe dla macierzy dodatnio okreœlonej stopnia n 1. Macierz A dodatnio okreœlon¹ stopnia n mo na zapisaæ w postaci n 1 gdzie A n 1 oznacza macierz dodatnio okreœlon¹

Bardziej szczegółowo

Dyskretne modele populacji

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

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest

Bardziej szczegółowo

1. Rozwiązać układ równań { x 2 = 2y 1

1. Rozwiązać układ równań { x 2 = 2y 1 Dzień Dziecka z Matematyką Tomasz Szymczyk Piotrków Trybunalski, 4 czerwca 013 r. Układy równań szkice rozwiązań 1. Rozwiązać układ równań { x = y 1 y = x 1. Wyznaczając z pierwszego równania zmienną y,

Bardziej szczegółowo

Wykład 11 i 12. Informatyka Stosowana. 9 stycznia Informatyka Stosowana Wykład 11 i 12 9 stycznia / 39

Wykład 11 i 12. Informatyka Stosowana. 9 stycznia Informatyka Stosowana Wykład 11 i 12 9 stycznia / 39 Wykład 11 i 12 Informatyka Stosowana 9 stycznia 2017 Informatyka Stosowana Wykład 11 i 12 9 stycznia 2017 1 / 39 Twierdzenie Lagrange a Jeżeli funkcja f spełnia warunki: 1 jest ciagła na [a, b] 2 f istnieje

Bardziej szczegółowo

Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych) Przy czym błąd, jaki popełniamy zastępując przyrost funkcji

Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych) Przy czym błąd, jaki popełniamy zastępując przyrost funkcji Wykład 5 De.5 (różniczka unkcji Niech unkcja ma pochodną w punkcie. Różniczką unkcji w punkcie nazywamy unkcję d zmiennej określoną wzorem. Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych Jeżeli

Bardziej szczegółowo

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM ROZSZERZONY. S x 3x y. 1.5 Podanie odpowiedzi: Poszukiwane liczby to : 2, 6, 5.

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM ROZSZERZONY. S x 3x y. 1.5 Podanie odpowiedzi: Poszukiwane liczby to : 2, 6, 5. Nr zadania Nr czynno ci... ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM ROZSZERZONY Etapy rozwi zania zadania Wprowadzenie oznacze : x, x, y poszukiwane liczby i zapisanie równania: x y lub: zapisanie

Bardziej szczegółowo

Metody oceny opãlacalno sci inwestycji

Metody oceny opãlacalno sci inwestycji Metody oceny opãlacalno sci inwestycji Podstawowym warunkiem sukcesu rmy jest jej rozw oj. Do rozwoju rmy konieczne s a, wãla sciwe decyzje inwestycyjne. Jednymi z najwa_zniejszych s a, inwestycje polegaj

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji Zadania z analizy matematycznej - sem. I Pochodne funkcji przebieg zmienności funkcji Definicja 1. Niech f : (a b) R gdzie a < b oraz 0 (a b). Dla dowolnego (a b) wyrażenie f() f( 0 ) = f( 0 + ) f( 0 )

Bardziej szczegółowo

Wiedza niepewna i wnioskowanie (c.d.)

Wiedza niepewna i wnioskowanie (c.d.) Wiedza niepewna i wnioskowanie (c.d.) Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Wnioskowanie przybliżone Wnioskowanie w logice tradycyjnej (dwuwartościowej) polega na stwierdzeniu

Bardziej szczegółowo

Wyk³ad INTERPOLACJA.

Wyk³ad INTERPOLACJA. Wyk³ad 1. 3.10.2003 INTERPOLACJA. G³ównym zadaniem interpolacji jest wyznaczenie mo liwie szybki sposób wartoœci funkcji f(x) dla zmiennej niezale nej x, która nie nale y do tablicy danych (x i,y i ).

Bardziej szczegółowo

2.Prawo zachowania masy

2.Prawo zachowania masy 2.Prawo zachowania masy Zdefiniujmy najpierw pewne podstawowe pojęcia: Układ - obszar przestrzeni o określonych granicach Ośrodek ciągły - obszar przestrzeni którego rozmiary charakterystyczne są wystarczająco

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MATEMATYKA EiT. (studia drugiego stopnia, drugi semestr) 3 2i, 2i44 i i )12, (cos 15 + i sin 15 ) 15, ( p 3 i) i)17, (i 1) 9, ( 1 i

MATEMATYKA EiT. (studia drugiego stopnia, drugi semestr) 3 2i, 2i44 i i )12, (cos 15 + i sin 15 ) 15, ( p 3 i) i)17, (i 1) 9, ( 1 i MATEMATYKA EiT (studia drugiego stopnia, drugi semestr) ) Wyznaczyć Re z; Im z; jzj ; z dla z = ( + i)(3 i), ( + i)( i) + (3 5i), (+i) 3 i, i44 i 45 i 46 +3i, 47 (cos 33 + i sin 33 ), ( + p 3 i)7, (i )

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

2.1. Ruch, gradient pr dko ci, tensor pr dko ci odkszta cenia, Ruchem cia a B nazywamy dostatecznie g adko zale ne od czasu t jego odkszta cenie

2.1. Ruch, gradient pr dko ci, tensor pr dko ci odkszta cenia, Ruchem cia a B nazywamy dostatecznie g adko zale ne od czasu t jego odkszta cenie Rozdzia 2 Ruch i kinematyka 2.. Ruch, gradient pr dko ci, tensor pr dko ci odkszta cenia, wirowo Ruchem cia a B nazywamy dostatecznie g adko zale ne od czasu t jego odkszta cenie t, tzn. B X! t (X) =x

Bardziej szczegółowo

'()(*+,-./01(23/*4*567/8/23/*98:)2(!."/+)012+3$%-4#"4"$5012#-4#"4-6017%*,4.!"#$!"#%&"!!!"#$%&"#'()%*+,-+

'()(*+,-./01(23/*4*567/8/23/*98:)2(!./+)012+3$%-4#4$5012#-4#4-6017%*,4.!#$!#%&!!!#$%&#'()%*+,-+ '()(*+,-./01(23/*4*567/8/23/*98:)2(!."/+)012+3$%-4#"4"$5012#-4#"4-6017%*,4.!"#$!"#%&"!!!"#$%&"#'()%*+,-+ Ucze interpretuje i tworzy teksty o charakterze matematycznym, u ywa j zyka matematycznego do opisu

Bardziej szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 9

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 9 Matematyka I Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 9 Przykład z fizyki Rozpatrzmy szeregowe połączenie dwu elementów elektronicznych: opornika i diody półprzewodnikowej.

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

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

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystyczne Podczas sprawdzania hipotez statystycznych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ na odrzuceniu hipotezy zerowej (H 0 ), gdy jest ona prawdziwa,

Bardziej szczegółowo

Wykłady z matematyki inżynierskiej EKSTREMA FUNKCJI. JJ, IMiF UTP

Wykłady z matematyki inżynierskiej EKSTREMA FUNKCJI. JJ, IMiF UTP Wykłady z matematyki inżynierskiej EKSTREMA FUNKCJI JJ, IMiF UTP 05 MINIMUM LOKALNE y y = f () f ( 0 ) 0 DEFINICJA. Załóżmy, że funkcja f jest określona w pewnym otoczeniu punktu 0. MINIMUM LOKALNE y y

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

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

Bardziej szczegółowo