7 Funkcja Lagrange a i zadanie dualne
|
|
- Angelika Karczewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 7 Funkcja Lagrange a i zadanie dualne Rozważmy ogólne zadanie programowania liniowego J(u)=hc,ui!min. u U = fu=(u 1,...,u n ) R n ; u i 0dlai I,Au b,au=bg gdzie A= 6 4 Wprowadźmy oznaczenia a 1,1... a 1,n.. a m,1... a m,n b= 6 4 b 1. b m 3 7 5, A= 3 7 5, b= a m+1,1... a m+1,n.. a s,1... a s,n 3 b m+1. b s 7 5. U 0 = fu R n ; u i 0, i Ig, 3 7 5, g i (u)= X n g i (u)= X n j=1 a i,ju j b i,,...,m, j=1 a i,ju j b i, i=m+1,...,s. Możemy więc zapisać wyjściowe zadanie w następujacej postaci 8 < : J(u)=hc,ui!min. u U = fu U 0 ; g i (u) 0dla,...,m, g i (u)=0dlai=m+1,...,sg. (VI.1) W dalszych rozważaniach ważnarolęodegranastępuj aca funkcja gdzie L:U 0 Λ 0!R, L(u,λ)=J(u)+ X s λ ig i (u), Λ 0 = fλ R s ; λ i 0,,...,mg, nazywana regularnafunkcj a Lagrange a. Parę(u,λ ) U 0 Λ 0 nazywamypunktemsiodłowym funkcjilagrange a,jeśli dladowolnychu U 0,λ Λ 0. L(u,λ) L(u,λ ) L(u,λ ) Lemat5 Na to, aby para (u,λ ) U 0 Λ 0 była punktemsiodłowymfunkcji Lagrange a L potrzeba i wystarcza, aby spełnione były nastepuj ace warunki 4
2 1) L(u,λ ) L(u,λ )dladowolnegou U 0, ) λ ig i (u )=0dla,...,s, 3) u U Dowód powyższego lematu pomijamy. Zwi azek między punktami siodłowymi funkcji Lagrange a i rozwiazaniami zadania (VI.1) wyjaśnia częściowo następujace Twierdzenie6 Jeśli(u,λ ) U 0 Λ 0 jestpunktemsiodłowymfunkcjilagrange a L,tou jestrozwi azaniem zadania(vi.1). Dowód. Zwarunków3)i)wynika,że W konsekwencji warunek 1) daje u U orazl(u,λ )=J(u ). J(u ) L(u,λ )=J(u)+ X s dlau U 0 iwszczególnościdlau U (U U 0 ). Ale X s λ ig i (u)= X m λ ig i (u)+ X s i=m+1 λ ig i (u)= X m dlau U,ponieważ Zatem z warunku(vi.4) otrzymujemy g i (u)=0, i=m+1,...,s, u U, λ i 0,,...,m, g i (u) 0,,...,m, u U. J(u ) J(u) dlau U,czyliu jestrozwi azaniem zadania(vi.1). λ ig i (u) (VI.4) λ ig i (u) 0 Uwaga7 Twierdzenie6ilemat5pozostaj a prawdziwe dla znacznie szerszej klasy zadań aniżeli zadania programowania liniowego postaci ogólnej. W dalszym ciagu pokażemy, że w przypadku zadania programowania liniowego w postaci ogólnej prawdziwe jest twierdzenie odwrotne do twierdzenia 6 (odwracaj ac twierdzenie 6 w przypadku zadania programowania wypukłego, należy założyć pewien dodatkowy warunek, nazywany warunkiem regularności). Wdalszymci agu skorzystamy z następujacego twierdzenia. 43
3 Lemat8(Farkasa) Niechdanyb edzie zbiór K postaci K= fe R n ; hd i,ei 0dla,...,p, hd i,ei=0dlai=p+1,...,rg, gdzied 1,...,d r R n. Nato,abywektord R n spełniałwarunek hd,ei 0dlae K potrzebaiwystarcza,abyistniałyliczbyλ 1,...,λ r Rtakie,że λ 1 0,...,λ p 0 oraz d= λ 1 d 1... λ r d r. Dowód powyższego twierdzenia pomijamy. Udowodnimy natomiast następujace odwrócenie twierdzenia 6. Twierdzenie9 Jeśliu jestrozwi azaniemzadania(vi.1),toistniejepunktλ Λ 0 taki,żepara(u,λ )jestpunktemsiodłowymfunkcjilagrange alnazbiorzeu 0 Λ 0. Dowód. Wprowadźmy następujace oznaczenia I 1 = fi f1,...,mg; ha i,u i=b i g, I = fi I; u i =0g, gdzie I jest zbiorem indeksów występujacymwopisiezadania(vi.1),a i jesti-tym wierszem macierzy A. Rozważmy zbiór K postaci K= fe R n ; ha i,ei 0, i I 1, ha i,ei=0, i=m+1,...,s, f i,e 0, i I g, gdzie f i = (0,...,0, 1,0,...,0g (niezerowa jest i-ta współrzędna). Otóż, jeśli dla wektorae R n f0gistniejeliczbat 0 >0taka,że u +te U dlat [0,t 0 ], (VI.7) toe K f0g. Rzeczywiście,zwarunku(VI.7)wynika,że ha i,ei 0, i I 1, ha i,ei=0, i=m+1,...,s, e i 0, i I, czylie K f0g. Naodwrót,jeślieK f0g,toistniejeliczbat 0 >0taka,żespełnionyjestwarunek (VI.7). Wrzeczysamej,jeślii I 1,to ha i,u +tei=b i +tha i,ei b i 44
4 dlat 0. Jeślizaśi f1,...,mg I 1,to iwkonsekwencji ha i,u i<b i ha i,u +tei=ha i,u i+tha i,ei b i dla i f1,...,mg I 1 i dostatecznie małych t 0 (t [0,t 0], gdzie t 0 > 0). Oczywiście ha i,u +tei=ha i,u i+tha i,ei=b i +t 0=b i dlai=m+1,...,sidowolnegot R. Podobnie,jeślii I,to (u +te) i =u i +te i =te i 0 dladowolnegot 0. Jeślizaśi I I,to iwkonsekwencji u i >0 (u +te) i =u i +te i 0 dla i I I i dostatecznie małych t 0 (t [0,t 0], gdzie t 0 > 0). Wystarczy zatem przyjaćt 0 =minft 0,t 0g. Niechteraze K f0git 0 >0niechbędzietakie,że u +te U dlat [0,t 0 ]. Zfaktu,żeu jestrozwi azaniem zadania(vi.1) wynika, że czyli Oczywiście0 hc,0i. Zatem hc,u i hc,u +tei dlat [0,t 0 ], 0 hc,ei. 0 hc,ei dla dowolnego e K. Z twierdzenia Farkasa wynika, że istnieja liczby λ i 0, i I1,λ m+1,...,λ s,µ i 0,i I,takie,że c= X i I 1 λ ia i i=m+1λ ia i X i I µ if i. (VI.8) Jeśli określimy λ i =0dlai f1,...,mg I 1, 45
5 tootrzymamypunktλ =(λ 1,...,λ s) Λ 0. St adizokreśleniazbiorui1 mamy λ ig i (u )=λ i(ha i,u i b i )=0 (VI.9) dla,...,s. Ponadto,równość(VI.8)możemyzapisaćwpostaci c+ λ ia i = X i I µ if i. (VI.10) W konsekwencji, korzystajaczokreśleniazbiorui,warunku oraz równości(vi.10), otrzymujemy µ i 0dlai I L(u,λ ) L(u,λ ) = hc,u u i+ dlau U 0,czyli = * = X i I c+ λ i ha i,u u i * λ ia i,u u += X + µ if i,u u i I µ iu i X i I µ iu i = X i I L(u,λ ) L(u,λ ), u U 0. µ iu i 0 Z powyższego warunku, warunku(vi.9) i lematu 5 wynika teza. Teraz pokażemy, jak przy pomocy funkcji Lagrange a L sformułować zadanie (VI.1). Określmy w tym celu funkcję Oczywiście,jeśliu U,to χ(u)= sup L(u,λ), u U 0. λ i g i (u) 0 dlaλ=(λ 1,...,λ s ) Λ 0,przyczymjeśliλ=0(oczywiście0 Λ 0 ),to St ad wynika, że λ i g i (u)=0. χ(u)=j(u)dlau U. Jeślinatomiastu U 0 U,tomusizajśćjedenzdwóchprzypadków: g i (u)>0dlapewnegoi f1,...,mg 46
6 lub Łatwo widać, że w obu przypadkach iwkonsekwencji Reasumujac St ad wynika, że g i (u) 6=0dlapewnegoi fm+1,...,sg. sup λ i g i (u)=+1 χ(u)=1dlau U 0 U. χ(u)= J(u) ; u U 1 ; u U 0 U. infχ(u)= inf J(u)=J. u U A zatem, zadanie(vi.1) można zapisać w następujacej, równoważnej postaci χ(u)!min.. (VI.11) u U 0 Owa rónoważność oznacza, że zadania(vi.1) i(vi.11) majatensamzbiórrozwi azań U = fv U; J(v)= inf u U J(u)g=fv U 0; χ(v)= inf χ(u)g i tę sam a wartość minimalna J (przez zadanie równoważne zadaniu minimalizacji (maksymalizacji) funkcji tożsamościowo równej +1 ( 1) na zbiorze V rozumiemy zadanie minimalizacji(maksymalizacji) dowolnej funkcji liniowej na zbiorze pustym). Określmy teraz funkcję χ w następujacy sposób irozważmyzadanie ψ(λ)= inf L(u,λ), λ Λ 0 ψ(λ)!max. λ Λ 0. (VI.1) Powyższe zadanie nazywane jest zadaniem dualnym do zadania(vi.1), a zmienne λ 1,...,λ s nazywanes a zmiennymi dualnymi. Oznaczmy ψ = supψ(λ), Λ = fλ Λ 0 ; ψ(λ)=ψ g. Zwi azek między zadaniami(vi.11) i(vi.1) wyraża następujace 47
7 Twierdzenie 10 Na to, aby spełnione były jednocześnie warunki a) U 6= ; b) Λ 6= ; c) J =ψ potrzeba i wystarcza, aby funkcja Lagrange a L miała punkt siodłowy na zbiorze U 0 Λ 0. Wówczas zbiór punktów siodłowych funkcji Lagrange a L jest identyczny zezbioremu Λ. Dowód. Konieczność. Załóżmy, że spełnione sa warunki a), b), c). Istnieje więcpara(u,λ ) U Λ. Pokażemy,żeparatajestpunktemsiodłowymfunkcji Lagrange a L. Otóż, ψ =ψ(λ )= inf L(u,λ ) L(u,λ ) sup L(u,λ)=χ(u )=J. St adizwarunkuc)mamy sk ad L(u,λ )= inf L(u,λ )= sup L(u,λ), L(u,λ) L(u,λ ) L(u,λ ) dla (u,λ) U 0 Λ 0, co oznacza, że (u,λ ) jest punktem siodłowym funkcji Lagrange a L. Jednocześnie pokazaliśmy, że jeśli spełnione sawarunkia),b),c),tozbióru Λ jest zawarty w zbiorze punktów siodłowych funkcji Lagrange a L. Dostateczność. Niech(u,λ ) U 0 Λ 0 będziepunktemsiodłowymfunkcjilagrange alnazbiorzeu 0 Λ 0. St ad w szczególności wynika, że dlaλ Λ 0. Tozkoleioznacza,że L(u,λ) L(u,λ ) χ(u )= sup L(u,λ)=L(u,λ ). Zfaktu,że(u,λ )jestpunktemsiodłowymfunkcjilagrange alwynikateż,że, L(u,λ ) L(u,λ ) dlau U 0,sk ad L(u,λ )= inf L(u,λ )=ψ(λ ). 48
8 Zatem L(u,λ )=ψ(λ ) ψ J χ(u )=L(u,λ ) (nierównośćψ J możnauzasadnićnastępuj aco: zfaktu,że (VI.14) dla(u,λ) U 0 Λ 0,wynika,że dlau U 0,ast ad Z(VI.14) wynika, że ψ(λ)= inf L(u,λ) L(u,λ) ψ = sup ψ(λ) sup L(u,λ)=χ(u) ψ inf χ(u)=j ). ψ(λ )=ψ =J =χ(u ), co oznacza, że spełniony jest warunek c) oraz u U, λ Λ. Jednocześnie pokazaliśmy,żezbiórpunktówsiodłowychfunkcjilagrange alnazbiorzeu 0 Λ 0 jestzawartywzbiorzeu Λ. Z powyższego twierdzenia wynikajanastępuj ace wnioski. Wniosek11 Nast epuj acewarunkis a równoważne: 1) istniejepunktsiodłowyfunkcjilagrange alnazbiorzeu 0 Λ 0 ) spełniones awarunkia),b),c)twierdzenia10 3) istniej apunktyu U 0,λ Λ 0 takie,że 4) zachodzi nierówność χ(u )=ψ(λ ) max inf L(u,λ)=min sup L(u,λ) Wniosek1 Jeśli (u,λ ) i(a,b ) s a punktami siodłowymi funkcji Lagrange a L nazbiorzeu 0 Λ 0,to(u,b )i(a,λ )s a także punktami siodłowymi tej funkcji na U 0 Λ 0. Pokażemy teraz, że zadanie dualne (dokładniej, pewne zadanie równoważne zadaniu dualnemu) do zadania programowania liniowego(kanonicznego, podstawowego i ogólnego) jest również zadaniem programowania liniowego. Rozważmy kanoniczne zadanie programowania liniowego postaci J(u)=hc,ui!min. u U = fu R n ; u 0,Au=bg, (VI.15) 49
9 gdziea R s n,b R s,c R n. Wtymprzypadku dla(u,λ) U 0 Λ 0, U 0 = fu R n ; u 0g, Λ 0 =R s, L(u,λ)=hc,ui+hλ,Au bi= c+a T λ,u hb,λi ψ(λ)= inf L(u,λ)= dlaλ Λ 0. St ad wynika, że zadanie dualne ψ(λ)!max. λ Λ 0 hb,λi ; c+a T λ 0 1 ; w przeciwnym razie można zapisać w następujacej, równoważnej postaci hb,λi!max. λ Λ=fλ R s ; c+a T λ 0g, (VI.16) czyli hb,λi!min. λ Λ=fλ R s ; c A T λ 0g Zatem zadanie dualne jest w tym przypadku zadaniem programowania liniowego w postaciogólnej(zezbioremi= ;). Pokażemy teraz, że zadanie dualne do powyższego zadania jest identyczne z zadaniem wyjściowym(vi.15). Otóż,funkcjaLagrange al 1 dlazadania(vi.16),okreslonana zbiorze Λ 0 U 0 =R s fu R n ; u 0g jest postaci Zatem L 1 (λ,u)=hb,λi+ u, c A T λ = hb Au,λi hc,ui= L(u,λ). hc,ui ; b Au=0 ψ 1 (u)= infl 1 (λ,u)= 1 ; b Au 6=0 dlau U 0. Awięczadaniedualne ψ1 (u)!max. u U 0 można zapisać w następujacej, równoważnej postaci hc,ui!max. u U = fu R n ; u U 0, b Au=0g, 50
10 czyli hc,ui!min. u U = fu R n ; u 0, Au=bg. Rozważmy teraz podstawowe zadanie programowania liniowego postaci J(u)=hc,ui!min. u U = fu R n ; u 0,Au bg, (VI.17) gdziea R m n,b R m,c R n. Wtymprzypadku dla(u,λ) U 0 Λ 0, U 0 = fu R n ; u 0g, Λ 0 = fλ R m ; λ 0g, L(u,λ)=hc,ui+hλ,Au bi= c+a T λ,u hb,λi ψ(λ)= inf L(u,λ)= hb,λi ; c+a T λ 0 1 ; w przeciwnym razie dlaλλ 0. Łatwowidać,żedualnezadaniedozadania(VI.17)jestpodstawowym zadaniem programowania liniowego postaci hb,λi!min. λ Λ=fλ R m ; λ 0, A T λ cg. Nietrudno także pokazać, że zadaniem dualnym do powyższego jest zadanie(vi.17). Na koniec rozważmy ogólne zadanie programowania liniowego postaci 8 < : J(u)=hc,ui!min. u U = fu=(u 1,...,u n ) R n ; u i 0, i I, Au b, Au=bg (VI.18) gdzie I f1,...,ng, A R m n, A R s n, b R m, b R s, c R n. W tym przypadku U 0 = fu=(u 1,...,u n ) R n ; u i 0, i Ig, dla(u,λ) U 0 Λ 0, Λ 0 = fλ=(µ,µ) R m R s ; µ 0g, L(u,λ)=hc,ui+hµ,Au bi+ µ,au b D = c+a T µ+a T µ,u E hb,µi b,µ ψ(λ)= inf L(u,λ)= ( hb,µi b,µ ; λ=(µ,µ) e Λ 1 ; λ=(µ,µ) e Λ 51
11 dlaλ=(µ,µ) Λ 0,gdzie eλ=fλ=(µ,µ) Λ 0 ; (c+a T µ+a T µ) i 0, i I, (c+a T µ+a T µ) i =0, i /Ig, eλ=λ 0 e Λ. Zatem zadanie dualne do zadania(vi.18) jest równoważne następujacemu ogólnemu zadaniu programowania liniowego 8 hb,µi+ b,µ!min. λ=(µ,µ) Λ=fλ=(µ,µ) R m R s ; µ 0, >< (c+a T µ+a T µ) i 0, i I, (c+a T µ+a T µ) i =0, i /Ig = fλ=(µ,µ) R m R s ; µ 0,[ A T j A T µ. (VI.19) ] i c i,i I, >: [ A T j A T ] i µ µ =c i,i /Ig Także i w tym przypadku zadanie dualne do zadania(vi.19) jest równoważne zadaniu wyjściowemu(vi.18). Z twierdzeń 9,10 wynikajanastępuj ace dwa twierdzenia. Twierdzenie13 Nato,abypunktu Ubyłrozwi azaniem zadania(vi.18) potrzeba iwystarcza,abyistniałpunktλ =(µ,µ )należ acy do zbioru Λ = fλ=(µ,µ) R m R s ; µ 0, (c+a T µ+a T µ) i 0, i I, (c+a T µ+a T µ) i =0, i /Ig, spełniajacy równość hc,u i= hb,µ i b,µ. µ (VI.0) Twierdzenie14 Nato,abypunktu Ubyłrozwi azaniem zadania(vi.18) potrzeba iwystarcza,abyistniałtakipunktλ =(µ,µ ) R m R s,żepara(u,λ )spełnia warunki u i 0, i I, Au b, Au =b, µ 0, (c+a T µ +A T µ ) i 0, i I, (c+a T µ +A T µ ) i =0, i /I µ i(au b) i =0,,...,m, u i (c+a T µ +A T µ ) i =0, i I. Ponadto można udowodnić następujace Twierdzenie 15 Zadania(VI.18) i(vi.19) majarozwi azania jednocześnie lub jednocześnie rozwiazań nie maj a, przy czym w pierwszym przypadku spełniona jest równość(vi.0)dladowolnejpary(u,λ )takiej,żeu jestrozwi azaniem zadania wyjściowego(vi.18),λ =(µ,µ )-rozwi azaniem zadania dualnego(vi.19). 5
Wstęp do logistyki. kierunek: Matematyka specjalność: Logistyka z zastosowaniem matematyki i informatyki. wykład. 1.1 Modelowanie
Wstęp do logistyki kierunek: Matematyka specjalność: Logistyka z zastosowaniem matematyki i informatyki wykład Wstęp Przedmiotem logistyki sa min procesy transportu i magazynowania surowców oraz wytworzonych
Bardziej szczegółowoBadania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie
Badania operacyjne kierunek Informatyka studia II stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Producent odzieży powinien określić ile kurtek i płaszczy należy wyprodukować tak aby zysk
Bardziej szczegółowoZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:
A Kasperski, M Kulej Badania Operacyjne- programowanie liniowe 1 ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej: max z = c 1 x 1 + c 2 x 2 + +
Bardziej szczegółowoUkłady 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 + +
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoMetody 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 szczegółowoRachunek 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
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoVI. 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
Bardziej szczegółowoZagadnienie 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 szczegółowoUkłady 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
Bardziej szczegółowoWykład 5. Ker(f) = {v V ; f(v) = 0}
Wykład 5 Niech f : V W będzie przekształceniem liniowym przestrzeni wektorowych Wtedy jądrem przekształcenia nazywamy zbiór tych elementów z V, których obrazem jest wektor zerowy w przestrzeni W Jądro
Bardziej szczegółowoWyk lad 8 macierzy i twierdzenie Kroneckera-Capellego
Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowoMatematyka A kolokwium, 27 maja 2015, godz. 18:15 20:10
Matematyka A kolokwium, 7 maja, godz 8: : Poprawiłem: godz :, 4 września r 3 p Rozwiazać x t x t xt = x t x t xt = 6 + t cos3t + 36te 3t 7e 3t Pierwiastkami równania charakterystycznego = λ λ = λ + 3λ
Bardziej szczegółowoGrzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe
Grzegorz Bobiński Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu 2012 Spis treści Notacja 1 1 Podstawowe pojęcia
Bardziej szczegółowo2. 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)
Bardziej szczegółowoNormy wektorów i macierzy
Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,
Bardziej szczegółowoF t+ := s>t. F s = F t.
M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną
Bardziej szczegółowo1 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
Bardziej szczegółowo2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11
M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X
Bardziej szczegółowoRozwiązania, seria 5.
Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1
Bardziej szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowoTwierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4
Twierdzenie Stolza i metryki Javier de Lucas Zadanie Zbadać zbieżność ci agu i znaleźć granicȩ: a n 4 + 3 4 + + (2n + ) 4 n 5 4 Rozwi azanie: Żeby obliczyć tak a granicȩ korzystamy z twierdzenia Stolza,
Bardziej szczegółowoWprowadzenie 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 szczegółowoTOZ -Techniki optymalizacji w zarządzaniu
TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja
Bardziej szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoMatematyka dyskretna. 1. Relacje
Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoFormy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Bardziej szczegółowo1 Nierówność Minkowskiego i Hoeldera
1 Nierówność Minkowskiego i Hoeldera Na państwa użytek załączam precyzyjne sformułowania i dowody nierówności Hoeldera i Minkowskiego: Twierdzenie 1.1 Nierówność Hoeldera). Niech p, q będą takimi liczbami
Bardziej szczegółowoStandardowe zadanie programowania liniowego. Gliwice 1
Standardowe zadanie programowania liniowego 1 Standardowe zadanie programowania liniowego Rozważamy proces, w którym zmiennymi są x 1, x 2,, x n. Proces poddany jest m ograniczeniom, zapisanymi w postaci
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowo1 Przykładowe klasy zagadnień liniowych
& " 1 PRZYKŁADOWE KLASY ZAGADNIEŃ LINIOWYCH 1 1 Przykładowe klasy zagadnień liniowych Liniowy model produkcji Zakład może prowadzić rodzajów działalności np. produkować różnych wyrobów). Do prowadzenia
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Bardziej szczegółowoMetoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):
może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): 1 Narysuj na płaszczyźnie zbiór dopuszczalnych rozwiazań. 2 Narysuj funkcję
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoWyk lad 5 W lasności wyznaczników. Macierz odwrotna
Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=
Bardziej szczegółowoAnaliza funkcjonalna 1.
Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.
Bardziej szczegółowoProgramowanie liniowe w logistyce
Programowanie liniowe w logistyce kierunek Informatyka, studia I stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Zapisać nast epujace zadanie w postaci zadania programowania liniowego Producent
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowo8 Całka stochastyczna względem semimartyngałów
M. Beśka, Całka Stochastyczna, wykład 8 148 8 Całka stochastyczna względem semimartyngałów 8.1 Całka stochastyczna w M 2 Oznaczmy przez Ξ zbiór procesów postaci X t (ω) = ξ (ω)i {} (t) + n ξ i (ω)i (ti,
Bardziej szczegółowoRozwiazywanie 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
Bardziej szczegółowoSumy kwadratów. Twierdzenie Fermata-Eulera. Lemat Minkowskiego
Sumy kwadratów TWIERDZENIE LAGRANGE A Każda liczba naturalna da się przedstawić w postaci sumy czterech kwadratów. Twierdzenie Fermata-Eulera Każda liczba pierwsza postaci 4k + 1 daje się przedstawić w
Bardziej szczegółowo... [a n,b n ] kn [M 1,M 2 ], gdzie a i M 1, b i M 2, dla i {1,..., n}. Wówczas: [a 1,b 1 ] k 1. ... [a n,b n ] kn =(a 1 b 1 a 1
4. Wykład 4: Grupy rozwiązalne i nilpotentne. Definicja 4.1. Niech (G, ) będzie grupą. Wówczas (1) ciąg podgrup grupy G zdefiniowany indukcyjnie wzorami G (0) = G, G (i) =[G (i 1),G (i 1) ], dla i N nazywamy
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 8, 2016 Łukasz Kowalik (UW) LP April 8, 2016 1 / 15 Problem diety Tabelka wit. A (µg) wit. B1 (µg) wit. C (µg) (kcal)
Bardziej szczegółowoRozdział 6. Ciągłość. 6.1 Granica funkcji
Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz
Bardziej szczegółowoRozdzia l 2. Najważniejsze typy algebr stosowane w logice
Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=
Bardziej szczegółowoWyznaczniki 3.1 Wyznaczniki stopni 2 i 3
3 Wyznaczniki 31 Wyznaczniki stopni 2 i 3 Wyznacznik macierzy 2 2 Dana jest macierz [ ] a b A Mat c d 2 2 (R) Wyznacznikiem macierzy A nazywamy liczbę mamy a A c b ad bc d Wyznacznik macierzy A oznaczamy
Bardziej szczegółowoZastosowania wyznaczników
Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17
Bardziej szczegółowoRozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone
Rozdział 4 Ciągi nieskończone W rozdziale tym wprowadzimy pojęcie granicy ciągu. Dalej rozszerzymy to pojęcie na przypadek dowolnych funkcji. Jak zauważyliśmy we wstępie jest to najważniejsze pojęcie analizy
Bardziej szczegółowo19 Własności iloczynu skalarnego: norma, kąt i odległość
19 Własności iloczynu skalarnego: norma, kąt i odległość Załóżmy, że V jest przestrzenią liniową z iloczynem skalarnym.,.. Definicja 19.1 Normą (długością) wektora v V nazywamy liczbę v = v, v. Uwaga 1
Bardziej szczegółowoPROGRAMOWANIE NIELINIOWE
PROGRAMOWANIE NIELINIOWE Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie programowania nieliniowego (ZPN) min f(x) g i (x) 0, h i (x) = 0, i = 1,..., m g i = 1,..., m h f(x) funkcja celu g i (x) i
Bardziej szczegółowoWyk 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 szczegółowodomykanie relacji, relacja równoważności, rozkłady zbiorów
1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i
Bardziej szczegółowo1 Ciągłe operatory liniowe
1 Ciągłe operatory liniowe Załóżmy, że E, F są przestrzeniami unormowanymi. Definicja 1.1. Operator liniowy T : E F nazywamy ograniczonym, jeżeli zbiór T (B) F jest ograniczony dla dowolnego zbioru ograniczonego
Bardziej szczegółowoy 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =
Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,
Bardziej szczegółowoWyk lad 4 Warstwy, dzielniki normalne
Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b
Bardziej szczegółowoEkonomia matematyczna - 1.2
Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x
Bardziej szczegółowoJak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).
Odwzorowania n-liniowe; formy n-liniowe Definicja 1 Niech V 1,..., V n, U będą przestrzeniami liniowymi nad ciałem K. Odwzorowanie G: V 1 V n U nazywamy n-liniowym, jeśli dla każdego k [n] i wszelkich
Bardziej szczegółowoFormy 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
Bardziej szczegółowoWykłady... b i a i. i=1. m(d k ) inf
Wykłady... CŁKOWNIE FUNKCJI WIELU ZMIENNYCH Zaczniemy od konstrukcji całki na przedziale domkniętym. Konstrukcja ta jest, w gruncie rzeczy, powtórzeniem definicji całki na odcinku domkniętym w R 1. Przedziałem
Bardziej szczegółowoMetody optymalizacji. notatki dla studentów matematyki semestr zimowy 2015/2016
Metody optymalizacji notatki dla studentów matematyki semestr zimowy 2015/2016 Aktualizacja: 11 stycznia 2016 Spis treści Spis treści 2 1 Wprowadzenie do optymalizacji 1 11 Podstawowe definicje i własności
Bardziej szczegółowoWykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej
Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoRównania różniczkowe cz astkowe rzȩdu pierwszego
Równania różniczkowe cz astkowe rzȩd pierwszego 1 Równania liniowe jednorodne Rozważmy równanie a 1 ( 1,..., n ) 1 +... + a n ( 1,..., n ) n = 0, (1) gdzie a i, i = 1,..., n s a dane, a fnkcja = ( 1,...,
Bardziej szczegółowoA. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1
A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe ZAGADNIENIE DUALNE Z każdym zagadnieniem liniowym związane jest inne zagadnienie nazywane dualnym. Podamy teraz teraz jak budować zagadnienie
Bardziej szczegółowoUkłady 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
Bardziej szczegółowoPochodne 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 szczegółowo13 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 +...
Bardziej szczegółowoWniosek Niech R będzie pierścieniem, niech I R. WówczasI R wtedy i tylko wtedy, gdy I jest jądrem pewnego homomorfizmu.
11. Wykład 11: Pierścień ilorazowy, twierdzenie o homomorfizmie. Ideały pierwsze i maksymalne. 11.1. Pierścień ilorazowy, twierdzenie o homomorfizmie. Definicja i Uwaga 11.1. Niech R będzie pierścieniem,
Bardziej szczegółowoMetoda Karusha-Kuhna-Tuckera
Badania operacyjne i teoria optymalizacji Poznań, 2015/2016 Plan 1 Sformułowanie problemu 2 3 Warunki ortogonalności 4 Warunki Karusha-Kuhna-Tuckera 5 Twierdzenia Karusha-Kuhna-Tuckera 6 Ograniczenia w
Bardziej szczegółowo3. 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 + +
Bardziej szczegółowojest ciągiem elementów z przestrzeni B(R, R)
Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 3: WYZNACZANIE ROZKŁADU CZASU PRZYSZŁEGO ŻYCIA 1 Hipoteza jednorodnej populacji Rozważmy pewną populację osób w różnym wieku i załóżmy, że każda z tych osób
Bardziej szczegółowoO pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
Bardziej szczegółowoDystrybucje, wiadomości wstępne (I)
Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoB jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.
8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą
Bardziej szczegółowoBadania Operacyjne Ćwiczenia nr 2 (Materiały)
Zbiór rozwiązań dopuszczalnych programu liniowego Zbiór rozwiązań dopuszczalnych programu linowego to taki zbiór, który spełnia warunki ograniczające (funkcyjne oraz brzegowe) programu liniowego. Przy
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 2
RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 Równania różniczkowe o zmiennych rozdzielonych Równania sprowadzalne do równań o zmiennych rozdzielonych Niech f będzie funkcją ciągłą na przedziale (a, b), spełniającą na
Bardziej szczegółowo9 Przekształcenia liniowe
9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2
Bardziej szczegółowoBadania Operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia. wyklad. 1.1 Modelowanie
Badania Operacyjne kierunek Informatyka, studia II stopnia wyklad 1 Programowanie liniowe Programowanie liniowe jest jednym z działów teorii zadań ekstremalnych i głównym nurtem badań operacyjnych Podstawy
Bardziej szczegółowoWyk lad 6 Podprzestrzenie przestrzeni liniowych
Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)
Bardziej szczegółowoWyk 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 szczegółowoDziałanie grupy na zbiorze
Działanie grupy na zbiorze Definicja 0.1 Niech (G, ) będzie dowolną grupą oraz X niepustym zbiorem, to odwzorowanie : G X X nazywamy działaniem grupy G na zbiorze X jeślinastępujące warunki są spełnione:
Bardziej szczegółowoWyk 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 szczegółowoŁatwy dowód poniższej własności pozostawiamy czytelnikowi.
Rozdział 3 Logarytm i potęga 3.1 Potęga o wykładniku naturalnym Definicja potęgi o wykładniku naturalnym. Niech x R oraz n N. Potęgą o podstawie x i wykładniku n nazywamy liczbę x n określoną następująco:
Bardziej szczegółowoZadania o liczbach zespolonych
Zadania o liczbach zespolonych Zadanie 1. Znaleźć takie liczby rzeczywiste a i b, aby zachodzi ly równości: a) a( + i) + b(4 i) 6 i, b) a( + i) + b( + i) 8i, c) a(4 i) + b(1 + i) 7 1i, ( ) a d) i + b +i
Bardziej szczegółowoPochodne 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 szczegółowoAnaliza Algorytmów - Moduł 2- Ćwiczenia
Analiza Algorytmów - Moduł 2- Ćwiczenia Aleksandra Orpel 1 Niezmienniki pętli Ćwiczenie 1. Wykaż, że podany warunek "k 4 > 2m 6 " jest niezmiennikiem pętli 1while 1 mdo 2 3 m := 2m; 4 k := 3k; 5 end: Rozwiazanie:
Bardziej szczegółowoEkstrema funkcji wielu zmiennych.
Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień 2013 1 / 13 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu
Bardziej szczegółowo