Gora czka Zachodniego Nilu: dynamika infekcji
|
|
- Przybysław Kamiński
- 8 lat temu
- Przeglądów:
Transkrypt
1 Gora czka Zachodniego Nilu: dynamika infekcji Joanna Rencławowicz & Mark Lewis & Pauline van den Driessche BIOFIZMAT2 Gora czka Zachodniego Nilu:dynamika infek
2 Wirus Zachodniego Nilu w Ameryce Północnej zachorowalność i śmiertelność Ptaki (0-100%) Konie (~40%) Ludzie (<0.1%) Komary - zero
3 Wirus Zachodniego Nilu Gospodarze wtórni Ptak (rezerwuar) Komar (wektor) Bird reservoir host Ludzie cykl życiowy wirusa Konie
4 West Nile Virus Model Larval mosquitoes Dead birds bird death rate (WNV) Recovered birds Infectious birds Biting rate x Transmission probability Susceptible mosquitoes Infectious mosquitoes Susceptible birds Removed mosquitoes
5 West Nile Virus Model Larval mosquitoes mosquito death rate (natural) Dead birds bird death rate (WNV) Recovered birds Infectious birds biting rate x transmission probability Susceptible mosquitoes Exposed Infectious mosquitoes mosquito birth rate Susceptible birds Removed Infectious mosquitoes
6 Wirus Zachodniego Nilu - Model Larwy komarów współczynnik umieralności (naturalnej) Zmarłe ptaki Wyleczone ptaki współczynnik ukąszeń x prawdopodobieństwo transmisji Podatne komary współczynnik urodzeń współczynnik umieralności (WNV) Zarażone ptaki Zainfekowane komary Podatne ptaki Zarażone komary
7 Compartments (klasy) Vectors: mosquitoes L V - larval (larwy) S V - susceptible (podatne) E V - exposed (zainfekowane) I V - infectious (zarażone)
8 Compartments (klasy) Vectors: mosquitoes L V - larval (larwy) S V - susceptible (podatne) E V - exposed (zainfekowane) I V - infectious (zarażone) Reservoirs: birds S R - susceptible (podatne) I R - infectious (zarażone) R R - recovered (wyleczone)
9 Parametry b V współczynnik urodzeń komarów d L,d V współczynnik śmiertelności larw/ komarów m V współczynnik dojrzałości komarów α V,α R prawdopodobieństwo transmisji wirusa przy uka szeniu dla komarów/ ptaków β R współczynnik uka szeń ptaków przez komary κ V współczynnik inkubacji wirusa u komarów γ R współczynnik zdrowienia ptaków η R współczynnik utraty odporności ptaków ε, D współczynnik dyfuzji komarów/ ptaków
10 Model zależny przestrzennie (P) Vectors (komary) L V t S V t E V t I V t = b V (S V +E V +I V ) m V L V d L L V = ε 2 S V x 2 α Vβ R I R N R S V +m V L V d V S V = ε 2 E V x 2 +α V β R I R N R S V (κ V +d V )E V = ε 2 I V x 2 +κ VE V d V I V
11 Model zależny przestrzennie (P) Reservoirs (ptaki) S R t I R t R R t = D 2 S R x 2 α Rβ R S R N R I V +η R R R = D 2 I R x 2 +α Rβ R S R N R I V γ R I R = D 2 R R x 2 +γ R I R η R R R
12 Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0
13 Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0
14 Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t),
15 Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t), N R t = D 2 N R x 2
16 Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t), N R t = D 2 N R x 2 N R (x,0) = N R = const. N R (x,t) = N R
17 Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), Uproszczenia
18 Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V
19 Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V A V (x,0) = A V = const, L V (x,0) = L V = const. A V (x,t) = A V (t)
20 Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V A V (x,0) = A V = const, L V (x,0) = L V = const. A V (x,t) = A V (t) b V = d V(m V +d L ) m V stacjonarnego A V,L V istnienie rozwia zania
21 Niech A V i N R bȩda stałymi. Uproszczony układ (S)
22 Uproszczony układ (S) Niech A V i N R bȩda stałymi. Układ (S) I V t I R t = ε 2 I V x 2 +α Vβ R I R N R (A V I V ) d V I V = D 2 I R x 2 +α N R I R Rβ R I V γ R I R N R
23 Postać macierzowa Układ (S) można zapisać jako ] ] [ IV [ IV ([ IV ]) I R t = D I R xx +f I R gdzie f = (f 1,f 2 ) T definiujemy jako f 1 (I V,I R ) = α V β R I R N R (A V I V ) d V I V N R I R f 2 (I V,I R ) = α R β R I V γ R I R N R [ ] ε 0 oraz D = 0 D
24 Własności (S) Własności układu (S), potrzebne, aby zastosować ogólne twierdzenia o falach biegna cych i tempie rozprzestrzeniania siȩ infekcji. f 1,f 2 sa niemaleja ce w wyrazach poza przeka tna. f nie zależy wprost od x ani od t. Macierz D jest diagonalna, o wyrazach na przeka tnej ściśle dodatnich.
25 Przestrzennie niezależny układ (S*) Przestrzennie jednorodne rozwia zania (S) spełniaja (S*), tj. układ ODE, : di V dt di R dt = α V β R I R N R (A V I V ) d V I V = α R β R N R I R N R I V γ R I R czyli [ IV ] ([ IV ]) I R t = f I R
26 Basic reproduction number Definicja Poziom namnażania siȩ wirusa (basic reproduction number) R 0 jest wartościa oczekiwana wtórnych zakażeń spowodowanych przez wprowadzenie pojedyńczej zarażonej jednostki do układu. WyznaczmyR Zapiszmy układ (S*) w postaci macierzowej: nowe zakażenia ( f ) minus pozostałe wyrazy (v). [ IV I R ] t = α V β R I R N R (A V I V ) α R β R N R I R N R I V [ dv I V γ R I R ]
27 Basic reproduction number 2. Linearyzujemy f i v wokół stanu równowagi (I V,I R ) = (0,0), gdzie wszystkie ptaki i komary sa podatne na zarażenie. F = 0 α V β R A V N R α R β R 0,V = d V 0 0 γ R
28 Basic reproduction number 3. R 0 jest promieniem spektralnym (dominuja ca wartościa własna ) dla FV 1. FV 1 = R 0 = 0 α V β R γ R α R β R d V 0 A V N R α V α R β 2 R d V γ R A V N R,
29 Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S).
30 Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S). I V = α Vα R β 2 R A V d V γ R N R α R β R (d V +α V β R ) I R = α Vα R β 2 R A V d V γ R N R α V β R (γ R +α R β R A V N R )
31 Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S). I V = α Vα R β 2 R A V d V γ R N R α R β R (d V +α V β R ) I R = α Vα R β 2 R A V d V γ R N R α V β R (γ R +α R β R A V N R ) jest dodatnim rozwia zaniem stacjonarnym jeśli czyli R 0 > 1. ( ) α V α R β 2 R A V d V γ R N R > 0
32 Płaszczyzna fazowa Macierz Jacobiego w punkcie (0, 0) J = Df(0) = d V α V β R A V N R α R β R γ R λ 1 +λ 2 = trj = (d V +γ R ) < 0 λ 1 λ 2 = detj = d V γ R α V α R β 2 R A V N R = d V γ R (1 R 2 0) Zauważmy, że ( ) jest równoważny warunkowi detj < 0 R 0 > 1.
33 Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł).
34 Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł). R 0 > 1 Stan stacjonarny (0, 0) jest liniowo niestabilny (siodło) oraz istnieje endemiczny stan stacjonarny (I V,I R ) - stabilny wȩzeł.
35 Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł). R 0 > 1 Stan stacjonarny (0, 0) jest liniowo niestabilny (siodło) oraz istnieje endemiczny stan stacjonarny (IV,I R ) - stabilny wȩzeł. Stwierdzenie[Globalna stabilność endemicznego stanu stacjonarnego] Jeśli R 0 > 1 oraz I V (0)+I R (0) > 0, to endemiczny stan stacjonarny (IV,I R ) jest globalnie asymptotycznie stabilny w pierwszej ćwiartce.
36 Portret fazowy I V,I R (R 0 > 1) I R I R = dv I V N R α β R A I V V V N R I * R I V = γ R IR N R α R βr N I R R 0 A I V * V I V
37 Fale biegna ce Definicja Fala biegna ca z prȩdkościa c dla układu (S) nazywamy rozwia zanie u (I V,I R ), które ma postać u(x ct) i ła czy stany stacjonarne, a przy tym u( ) = u (IV,I R ) oraz u( ) = 0 (0,0). c u(x ct) z=x ct
38 Fale biegna ce Twierdzenie Istnieje minimalna prȩdkość fal biegna cych c 0 taka, że dla każdego c c 0 nieliniowy układ (S) ma nierosna ce rozwia zanie postaci fali biegna cej (I V (x ct),i R (x ct)) o prȩdkości c takie, że (I V ( ),I R ( )) = (I V,I R ) oraz (I V ( ),I R ( )) = (0,0). Jeśli c < c 0, nie istnieje fala biegna ca o tej postaci. Korzystamy z ogólniejszego twierdzenia (Li, Weinberger, Lewis, Volpert).
39 Prȩdkość rozprzestrzeniania siȩ infekcji i fale biegna ce Definicja Prȩdkościa rozprzestrzeniania siȩ infekcji dla nieliniowego układu u t = Du xx +f(u), z macierza dyfuzji D, gdzie f(0) = 0,f(u ) = 0 oraz u > 0, z niezerowymi warunkami pocza tkowymi na zwartym zbiorze, nazywamy liczbȩ c taka, że dla małych ǫ > 0 { } } lim t sup u(t, x) x (c +ǫ)t = lim t { sup u(t,x) u x (c ǫ)t =0
40 Prȩdkość fali vs c Twierdzenie Minimalna prȩdkość fali c 0 dla układu (S) jest równa c, czyli prȩdkości rozprzestrzeniania siȩ infekcji dla tego układu.
41 Prȩdkość fali vs c Twierdzenie Minimalna prȩdkość fali c 0 dla układu (S) jest równa c, czyli prȩdkości rozprzestrzeniania siȩ infekcji dla tego układu. Prȩdkość fali trudno znaleźć, ale wielkość c można wyznaczyć badaja c zlinearyzowany układ; zastosujemy rezultat Weinbergera, Lewisa, Li.
42 Zlinearyzowany układ (L) [ IV ] [ IV ] [ IV ] I R t = D I R xx +J I R gdzie J = Df(0) = d V α V β R A V N R oraz D = [ ε 0 0 D ] α R β R γ R
43 Funkcja f f 1 (I V,I R ) = α V β R I R N R (A V I V ) d V I V f 2 (I V,I R ) = α R β R N R I R N R I V γ R I R spełnia warunek podstyczności, czyli dla ρ > 0 ( ]) ] ] f ρ [ IV I R ρdf(0) [ IV I R = ρj [ IV I R
44 Liniowa odpowiedniość Twierdzenie (i) Prȩdkość rozprzestrzeniania siȩ infekcji c nieliniowego układu (S) oraz prȩdkość c dla zlinearyzowanego układu (L) istnieja oraz c = c. (ii) Prȩdkość rozprzestrzenienia siȩ c dla układu (L) jest dana wzorem c = inf λ>0 σ 1(λ) gdzie σ 1 (λ) jest najwiȩksza wartościa własna macierzy B λ = J +λ2 D λ
45 Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2
46 Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2
47 Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2 Q - rugownik (resultant) wielomianu P i pochodnej P λ
48 Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2 Q - rugownik (resultant) wielomianu P i pochodnej P λ Twierdzenie Przy ε 0, prȩdkość rozprzestrzeniania siȩ c = c dla nieliniowego układu (S) zbiega do pierwiastka z najwiȩkszej wartości własnej wielomianu Q(x).
49 Wielomian Q Q(c 2 ) = c 6 +c 4 D( 4θ 3 +12d V j 2d V θ 2 +18θj) +c 2 D 2 ( 18θd V j 12d 2 V j +d2 V θ 27j2 )+4D 3 d 3 V j gdzie j = detj, θ = trj oraz D jest współczynnikiem dyfuzji ptaków.
50 Oszacowania numeryczne dla c = c z ε = c*(d) D c ([ km dzien ]) jako funkcja dyfuzji D. Dla A V/N R = 20,β R = 0.3,γ R = 0.01,d V = 0.029,α V = 0.16,α R = 0.88/dzien, obserwowana prȩdkość rozprzestrzeniania siȩ 2.74km/dzien odpowiada współczynnikowi dyfuzji D rzȩdu 5.94km 2 /dzien.
51 Układ (P) L V t S V t E V t I V t S R t I R t R R t = b V (S V +E V +I V ) m V L V d L L V = ε 2 S V x 2 α Vβ R I R N R S V +m V L V d V S V = ε 2 E V x 2 +α V β R I R N R S V (κ V +d V )E V = ε 2 I V x 2 +κ VE V d V I V = D 2 S R x 2 α Rβ R S R N R I V +η R R R = D 2 I R x 2 +α Rβ R S R N R I V γ R I R = D 2 R R x 2 +γ R I R η R R R
52 Układ (P) Układ (S) I V t I R t = ε 2 I V x 2 +α Vβ R I R N R (A V I V ) d V I V = D 2 I R x 2 +α N R I R Rβ R I V γ R I R N R
53 Układ (P) Układ (S) Układ (S*) di V dt di R dt = α V β R I R N R (A V I V ) d V I V = α R β R N R I R N R I V γ R I R
54 Układ (P) Układ (S) Układ (S*) Układ (L) I V t I R t = ε 2 I V x 2 +α Vβ R A V I R N R d V I V = D 2 I R x 2 +α Rβ R I V γ R I R
55 Układ (P) Podsumowanie
56 Podsumowanie Układ (P) Układ uproszczony (S)
57 Podsumowanie Układ (P) Układ uproszczony (S) fale biegna ce Układ jednorodny (S*) (rozwia zania stacjonarne)
58 Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce
59 Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania)
60 Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce liniowa odpowiedniość Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania) Układ jednorodny (S*) (rozwia zania stacjonarne)
61 Podsumowanie Układ (P) twierdzenie porównawcze Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce liniowa odpowiedniość Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania) Układ jednorodny (S*) (rozwia zania stacjonarne)
62 Układ uproszczony (S) przy ÃV,ÑR. I V t I R t = ε 2 I V x 2 +α Vβ R I R Ñ R (ÃV I V ) d V I V = D 2 I R x 2 +α Ñ R I R Rβ R I V γ R I R Ñ R gdzie à V,Ñ R sa stałymi.
63 Twierdzenia porównawcze Twierdzenie Załóżmy, że N R (x,0) = Ñ R, b V = d V(m V +d L ) m V, L V (x,0) = L V0 = const., A V (x,0) = A V0 = const. Wtedy składowe (I V,I R ) rozwia zania układu (P) sa ograniczone z góry przez rozwia zania (ĪV,ĪR) uproszczonego układu (S) jeśli ( ) max A V0,A V0 d VA V0 m V L V0 m V +d V +d L Ã V oraz (I V (0)+E V (0),I R (0)) (ĪV(0),ĪR(0)).
64 Twierdzenia porównawcze Twierdzenie Załóżmy, że założenia poprzedniego twierdzenia sa spełnione oraz ) d V γ R ( 1+ d V κ V < α V α R β 2 R Ã V Ñ R Jeśli prȩdkość rozprzestrzeniania siȩ infekcji dla układu (P) istnieje i jest równa c P, to c P c, gdzie c jest prȩdkościa rozprzestrzeniania siȩ dla uproszczonego układu (S).
65 Twierdzenia porównawcze Uwaga Warunek ( d V γ R 1+ d V κ V ) < α V α R β 2 R Ã V Ñ R jest równoważny nierówności R 0 = α V α R β 2 RÃVκ V d V γ R Ñ R (κ V +d V ) > 1, gdzie R 0 jest poziomem namnażania siȩ wirusa (basic reproduction number) dla układu ODE odpowiadaja cego układowi (P).
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Wykład z modelowania matematycznego.
Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Rodzina funkcji
Zaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych
Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych [ ] e Zadanie 1 Pokazać, że X(t) = 2t cos t sin t e 2t jest specjalną macierzą fundamentalną w sin t cos t [ 2 cos chwili τ = 0 układu
Metody dekompozycji macierzy stosowane w automatyce
Metody dekompozycji macierzy stosowane w automatyce Grzegorz Mzyk Politechnika Wrocławska, WydziałElektroniki 23 lutego 2015 Plan wykładu 1 Wprowadzenie 2 Rozkład LU 3 Rozkład spektralny 4 Rozkład Cholesky
2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.
Wniosek 1 Rozpatrzmy układ równań postaci: y 1 = a 11 (x)y 1 + + a 1n (x)y n y 2 = a 21 (x)y 1 + + a 2n (x)y n y n = a n1 (x)y 1 + + a nn (x)y n (1) o współczynnikach ciągłych w przedziale J 1 Rozwiązanie
Fale biegnące w równaniach reakcji-dyfuzji
Fale biegnące w równaniach reakcji-dyfuzji Piotr Bartłomiejczyk Politechnika Gdańska Między teorią a zastosowaniami: Matematyka w działaniu Będlewo, 25 30 maja 2015 P. Bartłomiejczyk Fale biegnące 1 /
Zaawansowane metody numeryczne
Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F
Układy autonomiczne. Rozdział Stabilność w sensie Lapunowa. Przedmiotem analizy w tym rozdziale będą układy równań autonomicznych
Rozdział 5 Układy autonomiczne 5.1 Stabilność w sensie Lapunowa Przedmiotem analizy w tym rozdziale będą układy równań autonomicznych ẋ = f(x), (5.1) z funkcją f : Q R m, gdzie Q jest otwartym zbiorem
Równania różniczkowe liniowe wyższych rzędów o stałych współcz
Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym
Zagadnienia stacjonarne
Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,
10. Metody obliczeniowe najmniejszych kwadratów
10. Metody obliczeniowe najmniejszych kwadratów 1. Dowód twierdzenia o faktoryzacji macierzy Twierdzenie 1 Każdadodatniookreślon aisymetryczn amacierzm można przedstawíc wpostaci M = PP T gdzie P jest
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
UKŁADY RÓWNAŃ LINIOWYCH
Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +
Metody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 9 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
Stabilność II Metody Lapunowa badania stabilności
Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli
Inżynieria Systemów Dynamicznych (4)
Inżynieria Systemów Dynamicznych (4) liniowych (układów) Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili? 1 2 WE OKREŚLO 3 ASYMPTO 4 DYNAMICZ
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
Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50
Metody numeryczne Układy równań liniowych, część II Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Układy równań liniowych, część II 1. Iteracyjne poprawianie
Optymalizacja ciągła
Optymalizacja ciągła 4. Metody kierunków poprawy (metoda spadku wzdłuż gradientu) Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 21.03.2019 1 / 41 Plan wykładu Minimalizacja
1 Podobieństwo macierzy
GAL (Informatyka) Wykład - zagadnienie własne Wersja z dnia 6 lutego 2014 Paweł Bechler 1 Podobieństwo macierzy Definicja 1 Powiemy, że macierze A, B K n,n są podobne, jeżeli istnieje macierz nieosobliwa
P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja
19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca
ϕ(t k ; p) dla pewnego cigu t k }.
VI. Trajektorie okresowe i zbiory graniczne. 1. Zbiory graniczne. Rozważamy równanie (1.1) x = f(x) z funkcją f : R n R n określoną na całej przestrzeni R n. Będziemy zakładać, że funkcja f spełnia założenia,
Równania różniczkowe. Notatki z wykładu.
Równania różniczkowe Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument
Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017
Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2017 Mirosław Sobolewski (UW) Warszawa, 2017 1 / 10 Definicja Funkcja
Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski
Notatki z Analizy Matematycznej 2 Jacek M. Jędrzejewski Definicja 3.1. Niech (a n ) n=1 będzie ciągiem liczbowym. Dla każdej liczby naturalnej dodatniej n utwórzmy S n nazywamy n-tą sumą częściową. ROZDZIAŁ
Układy równań i równania wyższych rzędów
Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem
MODELOWANIE I PROGNOZOWANIE ZAGROŻEŃ EPIDEMIOLOGICZNYCH
MODELOWANIE I PROGNOZOWANIE ZAGROŻEŃ EPIDEMIOLOGICZNYCH Epidemia - wystąpienie na danym obszarze zakażeń lub zachorowań na chorobę zakaźną w liczbie wyraźnie większej niż we wcześniejszym okresie albo
Obliczenia naukowe Wykład nr 2
Obliczenia naukowe Wykład nr 2 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [1] D. Kincaid, W. Cheney, Analiza
Ważne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:
9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym
1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler
GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy
Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.
Stopy zbieżności Stopę zbieżności ciagu zmiennych losowych a n, takiego, że a n oznaczamy jako a n = o p (1 p 0 a Jeśli n p n α 0, to a n = o p (n α i mówimy a n zbiega według prawdopodobieństwa szybciej
Układy równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Modele epidemiologiczne
Modele epidemiologiczne Anna Zesławska 20 maj 2013 Wstęp Wstęp Przyjrzymy się dwóm podstawowym modelom epidemiologicznym: bez nabywania odporności Model Kermacka-McKendricka SIR z jej uwzględnieniem Celem
Krzysztof Rykaczewski. Szeregi
Krzysztof Rykaczewski Spis treści 1 Definicja szeregu 2 Zbieżność szeregu 3 Kryteria zbieżności szeregów 4 Iloczyn Cauchy ego szeregów 5 Bibliografia 1 / 13 Definicja szeregu Niech dany będzie ciąg (a
Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
5 Równania różniczkowe zwyczajne rzędu drugiego
5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =
RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska
RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE Marta Zelmańska Toruń 009 1 Rozdział 1 Wstęp Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie: F (t, x, x, x,..., x (n) ) = 0 (1.1) Rozwiązaniem równania
Układy liniowo niezależne
Układy liniowo niezależne Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 3.wykład z algebry liniowej Warszawa, październik 2016 Mirosław Sobolewski (UW) Warszawa, październik 2016 1
Równania różniczkowe liniowe rzędu pierwszego
Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to
Twierdzenie 2: Własności pola wskazujące na istnienie orbit
Cykle graniczne Dotychczas zajmowaliśmy się głównie znajdowaniem i badaniem stabilności punktów stacjonarnych. Wiele ciekawych procesów ma naturę cykliczną. Umiemy już sobie poradzić z cyklicznością występującą
ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ
ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ FUNKCJE DWÓCH ZMIENNYCH RZECZYWISTYCH Definicja 1. Niech A będzie dowolnym niepustym zbiorem. Metryką w zbiorze A nazywamy funkcję rzeczywistą
Całki krzywoliniowe skierowane
Całki krzywoliniowe skierowane Zamiana całki krzywoliniowej skierowanej na całkę pojedyńcza. Twierdzenie Greena. Zastosowania całki krzywoliniowej skierowanej. Małgorzata Wyrwas Katedra Matematyki Wydział
Układy równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
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
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1 Tomasz Chwiej 6 czerwca 2016 1 Równania różniczkowe zwyczajne Zastosowanie szeregu Taylora do konstrukcji ilorazów różnicowych: iloraz
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
Przekształcenia liniowe
Przekształcenia liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 4. wykład z algebry liniowej Warszawa, październik 2010 Mirosław Sobolewski (UW) Warszawa, wrzesień 2006 1 / 7
Analiza matematyczna. 1. Ciągi
Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n
Własności wyznacznika
Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy
2. Definicja pochodnej w R n
2. Definicja pochodnej w R n Niech będzie dana funkcja f : U R określona na zbiorze otwartym U R n. Pochodną kierunkową w punkcie a U w kierunku wektora u R n nazywamy granicę u f(a) = lim t 0 f(a + tu)
Sekantooptyki owali i ich własności
Sekantooptyki owali i ich własności Magdalena Skrzypiec Wydział Matematyki, Fizyki i Informatyki Uniwersytet Marii Curie-Skłodowskiej 19 października 2009r. Informacje wstępne Definicja Owalem nazywamy
Rozwiazywanie układów równań liniowych. Ax = b
Rozwiazywanie układów równań liniowych Ax = b 1 PLAN REFERATU: Warunki istnienia rozwiazań układu Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów - algorytm rekurencyjny Rozwiazanie układu
1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Estymacja w regresji nieparametrycznej
Estymacja w regresji nieparametrycznej Jakub Kolecki Politechnika Gdańska 28 listopada 2011 1 Wstęp Co to jest regresja? Przykład regresji 2 Regresja nieparametryczna Założenia modelu Estymacja i jej charakterystyki
Równania różniczkowe w technice
Równania różniczkowe w technice Lista 5: Układy równań różniczkowych 1. Zamień poniższe równanie trzeciego rzędu na układ trzech równań oraz przetransformuj podany układ na równanie różniczkowe. Podaj
Wykład Analiza jakościowa równań różniczkowych
Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie
Analiza matematyczna dla informatyków 3 Zajęcia 14
Analiza matematyczna dla informatyków 3 Zajęcia 14 Metoda rozwiązywania (Jednorodne równanie różniczkowe liniowe rzędu n o stałych współczynnikach). gdzie a 0,..., a n 1 C. Wielomian charakterystyczny:
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009
Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Definicja Niech V, W,
Metody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 8 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia
Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej
Reakcja Bielousowa-Żabotyńskiego
Reakcja Bielousowa-Żabotyńskiego 1 Kryteria pomocne przy badaniu stabilności punktów stacjonarnych Często badamy układy dynamiczne w pobliżu punktów stacjonarnych. Rozważamy wtedy ich postać zlinearyzowaną:
Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 2 - podstawy matematyczne Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Rzeczywiste obiekty regulacji, a co za tym idzie układy regulacji, mają właściwości nieliniowe, n.p. turbulencje, wiele
Przekształcenia liniowe
Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )
1 Relacje i odwzorowania
Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X
Analiza funkcjonalna 1.
Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.
VI. Równania różniczkowe liniowe wyższych rzędów
VI. 1. Równanie różniczkowe liniowe n-tego rzędu o zmiennych współczynnikach Niech podobnie jak w poprzednim paragrafie K = C lub K = R. Podobnie jak w dziedzinie rzeczywistej wprowadzamy pochodne wyższych
Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Wyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems)
Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems) P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Wprowadzenie Rozważmy
Wykład 3 Równania rózniczkowe cd
7 grudnia 2010 Definicja Równanie różniczkowe dy dx + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to równanie (1) czyli równanie dy dx + p (x) y = 0 nazywamy
wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów
KOINACJA LINIOWA UKŁADU WEKTORÓW Definicja 1 Niech będzie przestrzenią liniową (wektorową) nad,,,, układem wektorów z przestrzeni, a,, współczynnikami ze zbioru (skalarami). Wektor, nazywamy kombinacją
2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych
2. Równania o rozdzielonych zmiennych 2 1 2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych Równaniem różniczkowym zwyczajnym pierwszego rzędu o rozdzielonych zmiennych nazywamy równanie różniczkowe
28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w
Metody numeryczne. Sformułowanie zagadnienia interpolacji
Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej
13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Aerodynamika I. wykład 3: Ściśliwy opływ profilu. POLITECHNIKA WARSZAWSKA - wydz. Mechaniczny Energetyki i Lotnictwa A E R O D Y N A M I K A I
Aerodynamika I Ściśliwy opływ profilu transoniczny przepływ wokół RAE-8 M = 0.73, Re = 6.5 10 6, α = 3.19 Ściśliwe przepływy potencjalne Teoria pełnego potencjału Wprowadźmy potencjał prędkości (zakładamy
1 Zacznijmy od początku... 2 Tryb tekstowy. 2.1 Wyliczenia
1 Zacznijmy od początku... L A TEX 1 jest systemem składu umożliwiającym między innymi tworzenie dokumentów naukowych i technicznych o wysokiej jakości typograficznej. Oczywiście oprócz tego L A TEXumożliwia
[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)
PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES wykład 4 Element trójkątny płaski stan (naprężenia lub odkształcenia) Obszar zdyskretyzowany trójkątami U = [ u v u v u v ] T stopnie swobody elementu P = [ P ]
Rachunek różniczkowy i całkowy w przestrzeniach R n
Rachunek różniczkowy i całkowy w przestrzeniach R n Na dzisiejszym wykładzie rozważać będziemy funkcje f : R m R n Każda taka funkcję f można przedstawić jako wektor funkcji (f 1, f 2,, f n ), gdzie każda
Przestrzenie liniowe
Rozdział 4 Przestrzenie liniowe 4.1. Działania zewnętrzne Niech X oraz F będą dwoma zbiorami niepustymi. Dowolną funkcję D : F X X nazywamy działaniem zewnętrznym w zbiorze X nad zbiorem F. Przykład 4.1.
I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.
I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na
O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)
(niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie
19 Własności iloczynu skalarnego: norma, kąt i odległość
19 Własności iloczynu skalarnego: norma, kąt i odległość Załóżmy, że V jest przestrzenią liniową z iloczynem skalarnym.,.. Definicja 19.1 Normą (długością) wektora v V nazywamy liczbę v = v, v. Uwaga 1
3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Metoda największej wiarogodności
Wprowadzenie Założenia Logarytm funkcji wiarogodności Metoda Największej Wiarogodności (MNW) jest bardziej uniwersalną niż MNK metodą szacowania wartości nieznanych parametrów Wprowadzenie Założenia Logarytm
Przyczynowość Kointegracja. Kointegracja. Kointegracja
korelacja a związek o charakterze przyczynowo-skutkowym korelacja a związek o charakterze przyczynowo-skutkowym Przyczynowość w sensie Grangera Zmienna x jest przyczyną w sensie Grangera zmiennej y jeżeli
Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1
Algebra liniowa II Lista Zadanie Udowodnić, że jeśli B b ij jest macierzą górnotrójkątną o rozmiarze m m, to jej wyznacznik jest równy iloczynowi elementów leżących na głównej przekątnej: det B b b b mm
V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach
V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach 1. Niezależność wielomianów, funkcji wykładniczych i trygonometrycznych W paragrafie tym podamy pewien lemat 1 potrzebny w
Równanie przewodnictwa cieplnego (II)
Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego
Metody numeryczne. Równania nieliniowe. Janusz Szwabiński.
Metody numeryczne Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl nm_slides-9.tex Metody numeryczne Janusz Szwabiński 7/1/2003 20:18 p.1/64 Równania nieliniowe 1. Równania nieliniowe z pojedynczym
WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej
WEKTORY I WARTOŚCI WŁASNE MACIERZY Ac λ c (*) ( A λi) c nietrywialne rozwiązanie gdy det A λi problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej A - macierzowa
Obliczenia naukowe Wykład nr 6
Obliczenia naukowe Wykład nr 6 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [1] D. Kincaid, W. Cheney, Analiza
R k v = 0}. k N. V 0 = ker R k 0
Definicja 1 Niech R End(V ). Podprzestrzeń W przestrzeni V nazywamy podprzestrzenią niezmienniczą odwzorowania R jeśli Rw W, dla każdego w W ; równoważnie: R(W ) W. Jeśli W jest różna od przestrzeni {0}
CAŁKI NIEOZNACZONE C R}.
CAŁKI NIEOZNACZONE Definicja 1 Funkcja F jest funkcją pierwotną funkcji f na przedziale I, jeżeli F (x) = f(x) dla każdego x I. Np. funkcjami pierwotnymi funkcji f(x) = sin x na R są cos x, cos x+1, cos
Tydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L
Tydzień nr 9-10 (16 maja - 29 maja) Równania różniczkowe wartości własne funkcja wykładnicza od operatora - Matematyka II 2010/2011L Wszelkie pytania oraz uwagi o błędach proszę kierować na przemek.majewski@gmail.com
RÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU
X. RÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU Równanie Schrődingera niezależne od czasu to równanie postaci: ħ 2 2m d 2 x dx 2 V xx = E x (X.1) Warunki regularności na x i a) skończone b) ciągłe c) jednoznaczne