( n) Łańcuchy Markowa X 0, X 1,...
|
|
- Artur Leszczyński
- 6 lat temu
- Przeglądów:
Transkrypt
1 Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...} jako uroszczenie zaisu { S,,...} S., S Łańcuchem Markowa nazywamy roces będący ciągiem zmiennych losowych X, X,... Określonych na wsólnej rzestrzeni robabilistycznej, rzyjmujących wartości całkowite i sełniające warunek P ( X n j X i, X i,..., X n in ) P ( X ) n j X n in n i,..., i, j {,,,... } n Zatem dla łańcucha Markowa rozkład rawdoodobieństwa warunkowego ołożenia w n-tym kroku zależy tylko od rawdoodobieństwa warunkowego ołożenia w kroku orzednim a nie od wcześniejszych unktów trajektorii (historia). Niech ( X j X i) ( n) ij P n n oznacza rawdoodobieństwo warunkowe rzejścia w n-tym kroku ze stanu i do stanu j. Jeśli (n) ij nie zależą od n to łańcuch nazywamy jednorodnym (jednorodnym w czasie) i stosujemy zais ij. Zakładając, że numery stanów są całkowite, nieujemne można rawdoodobieństwa rzejść zaisać w macierzy P ( n ( n L ) ( n) ( n) ) ( n) L L L L W ierwszym wierszu mamy kolejno rawdoodobieństwo ozostania w stanie w n-tym kroku i rawdoodobieństwa rzejścia w n-tym kroku ze stanu o numerze do stanów o numerach,, itd. Analogicznie określone są ozostałe wiersze.
2 Dla łańcuchów jednorodnych owyższą macierz oznaczamy P i ma ona ostać P L Własności macierzy rawdoodobieństw rzejść: L L L L ( n) a) b) suma każdego wiersza jest równa. ij Zauważmy też, że w macierzy tej nie może istnieć kolumna złożona z samych zer. Każdą macierz sełniającą warunki a), b) nazywamy macierzą stochastyczną. Będziemy dalej rzyjmować najczęściej, że rozatrywane łańcuchy Markowa mają skończona liczbę stanów. i (n) - rawdoodobieństwo znalezienia się w stanie i o n krokach (rozkład zmiennej losowej X n ). Prawdoodobieństwa te stanowią składowe wektora (n), jest to rozkład łańcucha Markowa o n krokach. i () - rawdoodobieństwo znalezienia się w stanie i w chwili oczątkowej (rozkład zmiennej losowej X - rozkład oczątkowy). Prawdoodobieństwa te stanowią składowe wektora (). ij - rawdoodobieństwo rzejścia od stanu i do stanu j w jednym (dowolnym) kroku, P [ ij ]- macierz rawdoodobieństw rzejść (w jednym kroku), jest to macierz stochastyczna. Błądzenie rzyadkowe z odbiciem. N. gdy stany i 4 są odbijające [ ] [ ] [ ] [ 3] [ 4] P
3 Błądzenie rzyadkowe z ochłanianiem. N. gdy stany i 4 są ochłaniające [ ] [ ] [ ] [ 3] [ 4] Problem P ruiny gracza jest szczególnym rzyadkiem błądzenia rzyadkowego z ochłanianiem. Gracz dysonuje oczątkowo kwotą k zł. W kolejnych etaach z rawdoodobieństwem wygrywa zł albo z rawdoodobieństwem - rzegrywa zł. Gra kończy się gdy gracz osiągnie kwotę w > k zł lub rzegra wszystko. Zatem mamy dwa stany ochłaniające i w. Graf i macierz rozatrywanego łańcucha są nastęujące. [ ] [ ] L [ k] L [ w ] [ w] rozkład oczątkowy określa X k P L L L L Jeśli rzez r(k) oznaczymy rawdoodobieństwo ruiny gracza, który rozoczął grę z kwotą k zł to rozwiązując równanie rekurencyjne L r ( k) r( k ) + r( k + ) z warunkami r(), r(w), otrzymujemy, że rawdoodobieństwo ruiny gracza wynosi w k ( ) r k gdy w 3
4 oraz k r( k) gdy w Jeśli rzez z(k) oznaczymy rawdoodobieństwo zdobycia rzez gracza kwoty w, który rozoczął grę z kwotą k zł to rozwiązując równanie rekurencyjne z ( k) z( k + ) + r( k ) z warunkami z(), z(w), otrzymujemy oraz k z ( k) gdy w k ( ) z k gdy w Zauważmy, że r(k) + z(k) co oznacza, że gra musi się skończyć. Elektron może znajdować się w jednym ze stanów (orbit),,...w zależności od osiadanej energii. Przejście z i - tej do j - tej orbity w ciągu sekundy zachodzi z rawdoodobieństwem Wyznacz c i, i macierz P. c e α j i i, α > jest dane. Narysuj graf łańcucha Markowa odowiadający macierzy rawdoodobieństw rzejść / P / / / 3 / / / 6 Zaisz macierz P dla łańcuch a Markowa rzedstawionego grafem 4 [ ] [ ] 3/ [ ] [ 3] / / 4 / 4/ 5 [ 4] /5 4
5 P(n) P n [ ij (n)] - macierz rawdoodobieństw rzejść od stanu i do stanu j w n krokach, Równanie Chamana, - Kołmogorowa: Własność: ( k + l) ( k) ( l) i j m i m m j Znając rozkład oczątkowy i macierz P możemy wyznaczyć rozkład zmiennej losowej X n czyli rawdoodobieństwo znalezienia się w oszczególnych stanach o n krokach: czyli Mamy też własność: ( (n), (n),...) ( (), (),...)P n. (n) (o)p n (m + n) (m)p n Rozatrzmy łańcuch Markowa o macierzy,5,5 P,5,75,5,5 i rozkładzie oczątkowym () (,, ). Po ierwszym kroku rawdoodobieństwa znalezienia się w oszczególnych stanach są równe,5,5 ( ) () P [,,],5,75 [,5;;,5],5,5 Po drugim kroku rawdoodobieństwa znalezienia się w oszczególnych stanach są równe () () P,5,5,5 [,,],375,438,88 [,5;,5;,5],5,5,65 Po trzecim kroku rawdoodobieństwa znalezienia się w oszczególnych stanach są równe (3) () P 3,375,88,438 [,,],8,3,56 [,375;,88;,438],438,344,9 Obliczając kolejne otęgi macierzy P możemy wyliczone wartości (n) zestawić dla n,..., w nastęującej tabeli i rzedstawić na wykresie. 5
6 krok Stan Stan Stan,5,5,5,5,5 3,375,88,438 4,46,66,38 5,367,3,4 6,385,59,356 7,37,43,386 8,379,54,367 9,373,47,38,376,5,37,374,49,377,376,5,374 rawdoodobieństwo,6,5,4,3,, stan stan stan kroki Zauważmy, że rozatrywane rawdoodobieństwa stabilizują się na określonym oziomie i dążą do ewnych granic, co związane jest z regularności rozatrywanej macierzy stochastycznej. Jak okażemy wkrótce, istnieją sosoby wyznaczania tych granicznych rawdoodobieństw bez obliczania otęg macierzy P. Zobaczmy teraz jak zmienia się rawdoodobieństwo znalezienia się w ustalonym stanie w oszczególnych krokach, gdy zmienia się rozkład oczątkowy. Rozatrzmy stan i rozkłady oczątkowe () (,, ), () (,, ), () (,, ). Obliczone rawdoodobieństwa (w odobny sosób jak wyżej) zestawiono w tabeli i rzedstawiono na wykresie dla n,...,. 6
7 () \ krok () (,, ),5,5,375,46,367,385,37,379,373,376,374,376 () (,, ),375,8,398,346,388,364,38,37,378,373,376 () (,, ),5,5,438,38,4,356,386,367,38,37,377,374,6 X ( ) X ( ) X ( ),5 rawdoodobieństwo,4,3,, k r o k i Zauważmy, że rozatrywane rawdoodobieństwo dla dużych n nie zależy od rozkładu oczątkowego. Granicę Π ( ) lim ( n) (o ile istnieje ) nazywamy rozkładem granicznym łańcuch Markowa. n ( Π Π,,...) Π., Π Łańcuch Markowa dla którego istnieje rozkład graniczny niezależny od rozkładu oczątkowego () nazywamy łańcuchem ergodycznym. Twierdzenie. Rozkład graniczny nie zależy od rozkładu oczątkowego () wtedy i tylko wtedy gdy wiersze macierzy granicznej lim P n E są takie same. n Warunek ten jest sełniony dla macierzy P regularnej (jednokrotna wartość własna równa ). 7
8 Uwaga. Jeśli ewna otęga macierzy rzejścia P ma co najmniej jedną kolumnę złożoną wyłącznie z wyrazów dodatnich to rozatrywany łańcuch jest ergodyczny. Sosoby wyznaczania rozkładu granicznego: Sosób I. Rozkład graniczny Π jest jedynym niezerowym rozwiązaniem układu (P T - I) Π T, Uwaga. sełniającym warunek Π i i, Z owyższej równości wynika, że ΠP Π co oznacza, że wektor Π jest wektorem własnym macierzy P odowiadającym wartości własnej równej. Wyznaczyć rozkład ergodyczny łańcucha Markowa o macierzy,3,5, P,6,4,4,6 Należy rozwiązać równanie jednorodne,7,6,5,,4 Π,4 Π,4 Π 3 Jest to układ nieoznaczony z jednym arametrem. Przyjmijmy n. Π, wtedy Π 8/4, Π 3 4/4. Dzieląc te rozwiązania rzez ich sumę otrzymamy rozwiązanie unormowane Π [6/3, 7/3, /3]. Sosób II. Π j gdzie A kk to doełnienia algebraiczne macierzy I - P (wyznacznik macierzy otrzymanej rzez skreślenie k-tego wiersza i k-tej kolumny). k A jj A kk 8
9 Wyznaczyć drugim sosobem rozkład ergodyczny łańcucha z orzedniego rzykładu. Klasyfikacja stanów łańcucha Markowa. Niekiedy będziemy utożsamiać stan s k z liczbą k. Stan s k jest osiągalny ze stanu s j jeśli jk (n) > dla ewnego n, Stany s k i s j nazywamy wzajemnie komunikującymi się jeśli stan s k jest osiągalny ze stanu s j, i odwrotnie. Relacja wzajemnego komunikowania się określona na zbiorze stanów łańcucha Markowa jest: - symetryczna, - rzechodnia (z równości Chamana-Kołmogorowa). Zbiór stanów C nazywamy zamkniętym, jeżeli żaden stan soza C nie da się osiągnąć wychodząc z dowolnego stanu w C. Stan s k jest stanem nieistotnym (chwilowym) gdy istnieje stan s j osiągalny ze stanu s k a stan s k nie jest osiągalny ze stanu s j, Stan, który nie jest nieistotny nazywa się istotny (owracający). Rozatrzmy łańcuch Markowa,5,5 [ ] [ ] [ ],5 [ 3], 5 [ 4],5 Jego macierz P ma ostać,5,5,75 Stany i 4 są nieistotne. Stany, i 3 są istotne. Zbiór stanów {,, 3} jest zamknięty.,5,75,5,5,5,5,5,5,5,5 Pojedynczy stan zamknięty (musi być kk ) nazywamy stanem ochłaniającym. Stan s k jest odbijający gdy kk. Stan odbijający może być zarówno chwilowy jak i owracający. Łańcuch Markowa jest nierzywiedlny, gdy wszystkie jego stany wzajemnie komunikują się, w rzeciwnym rzyadku łańcuch jest rzywiedlny. 9
10 Macierz kwadratowa jest rzywiedlna jeśli istnieje ermutacja ewnej liczby wierszy i kolumn o tych samych numerach, która ozwala ją zaisać w ostaci P, gdzie P, P to macierze kwadratowe A P W rzeciwnym rzyadku macierz jest nierzywiedlna. Twierdzenie. Przestrzeń stanów S łańcucha Markowa można jednoznacznie rzedstawić w ostaci sumy: S T S S... gdzie T - zbiór stanów chwilowych (nieistotnych), S i - nierzywiedlne zamknięte zbiory stanów owracających (istotnych). Wśród nich mogą być odzbiory jednoelementowe stanów ochłaniających. Łańcuchy okresowe. Okresem stanu owracającego j nazywamy liczbę: o(j) NWD(n: jj (n)>) jest to największy wsólny dzielnik takich liczb n, że owrót do stanu j może nastąić o n krokach. Stan j nazywamy okresowym gdy ma okres większy od i nieokresowym gdy ma okres. Rozatrzmy łańcuch Markowa [ ] [ ] [ ] [ 3] Jego macierz P ma ostać Wszystkie stany mają okres 4. P Rozatrzmy łańcuch Markowa Jego macierz P ma ostać,5,5 [ ],75 [ ],75 [ ] [ 3]
11 Wszystkie stany mają okres.,75 P,75,5,5 Rozatrzmy łańcuch Markowa,5 [ ],75 [ ] [ ] [ 3] Jego macierz P ma ostać Wszystkie stany mają okres.,75 P,5 Twierdzenie. W skończonym nierzywiedlnym łańcuchu Markowa wszystkie stany mają ten sam okres. Zatem nierzywiedlny łańcuch Markowa nazywamy okresowym, gdy jego stany mają okres większy od, w rzeciwnym rzyadku łańcuch nazywamy nieokresowym. Stan, który jest owracający, niezerowy i nieokresowy nazywa się ergodyczny. Łańcuch ergodyczny. Łańcuch jest ergodyczny jeśli istnieje lim ij ( n) π j n Rozkład Π nazywamy rozkładem granicznym. j π Π (Π, Π,...) Twierdzenie Jeśli w łańcuchu Markowa o skończenie wielu stanach, wszystkie stany istotne są nieokresowe i tworzą jedną klasę, to istnieją rawdoodobieństwa ergodyczne, rzy czym j dla stanów istotnych są one dodatnie, zaś dla stanów chwilowych są one równe. Łańcuch stacjonarny. Jednorodny łańcuch Markowa jest stacjonarny gdy istnieje rozkład Π jego stanów, zwany rozkładem stacjonarnym, że ΠP Π (tzn. Π jest wektorem własnym macierzy P dla wartości własnej ). Zatem dla dowolnego n, ΠP n Π, oznacza to, że jeśli rozkład oczątkowy jest równy Π, to rozkład łańcucha o dowolnej liczbie kroków jest taki sam i równy Π.
12 Jeśli macierz P łańcucha jest nierozkładalna to rozkład stacjonarny jest dokładnie jeden. Jeśli macierz P łańcucha jest rozkładalna to rozkładów stacjonarnych jest więcej niż jeden. W łańcuchu ergodycznym rozkład stacjonarny (graniczny) nie zależy od rozkładu oczątkowego. Uwaga. ergodyczny stacjonarny Odwrotna imlikacja nie musi zachodzić. Rozatrzmy łańcuch Markowa [ ] [ ] [ ] Jego macierz P ma ostać P Wszystkie stany mają okres 3. Zauważmy, że wielomian charakterystyczny tej macierzy ma ostać W ( λ) λ 3 i 3 + i 3 i jej wartości własne są równe: λ, λ, λ 3. Ponieważ wszystkie wartości własne maja moduł i λ jest jednokrotną wartością własną to rozatrywana macierz jest nierozkładalna i cykliczna. Łańcuch ten jest stacjonarny, jego rozkładem stacjonarnym jest (/3, /3, /3). Rozkład ten można wyznaczyć I lub II sosobem obliczania rozkładów granicznych. Kolejne otęgi macierzy P są równe 3 + P P n, 3 3 n n+ P P, P P P dla n,,,... Zauważmy, że żadna kolumna P n nie składa się wyłącznie z elementów dodatnich. Rozkład graniczny nie istnieje. Weźmy n. rozkład oczątkowy () (,, ).
13 Obliczone rawdoodobieństwa () zestawiono w tabeli i rzedstawiono na wykresie dla s ta n s t a n s t a n (n),, 8, 6, 4, n n,..., 8. (n) \ n Stan Stan Stan Jak widać lim ( n) nie istnieje dla żadnej wsółrzędnej (dla żadnego stanu). n Wniosek. Istnienie rozkładu stacjonarnego nie imlikuje, że łańcuch jest ergodyczny. Każdy łańcuch o skończonej liczbie stanów jest stacjonarny. Rozatrzmy łańcuch o macierzy P równej,5,5,5,5 Łańcuch ten nie jest ergodyczny. Zauważmy, że rozkłady (/, /,, ); (,, /, /); (/4, /4, /4, /4) są stacjonarne (rozkładów stacjonarnych może być więcej niż jeden bo rozatrywana macierz jest rozkładalna). Rozatrzmy łańcuch o macierzy P równej 3
14 /8 7 / 8 / 4 3/ 4 Wszystkie stany są okresowe (mają okres ). / / 4 / 3/ 4 Rozatrzmy łańcuch o macierzy P równej,5,5,5,5 Wyznacz graf tego łańcucha. Jakie są domknięte klasy tego łańcucha?, Czy jest to łańcuch nierzywiedlny? Czy łańcuch ten ma stany okresowe? Czy wszystkie stany są okresowe?. n Srawdź, że lim P nie istnieje i żadna kolumna P n nie składa się wyłącznie z elementów dodatnich. n Rzucamy symetryczną czworościenną kostką (na ściankach liczby,, 3, 4). Rozatrujemy łańcuch Markowa X n określony jako ciąg maksymalnych wyników sośród rzutów,,3,...,n. Srawdź, że łańcuch ten ma macierz P równą,5,5,5,5,5,5,5,75,5 Wyznacz graf tego łańcucha. Czy łańcuch ten ma stany okresowe? Gracze A i B rozoczynają grę z kaitałem zł każdy. W każdej artii gracz A wygrywa z rawdoodobieństwem,6, gracz B wygrywa z rawdoodobieństwem,4. Po każdej artii rzegrywający łaci wygrywającemu zł. a) jakie jest rawdoodobieństwo, że gra zakończy się o artiach? b) jakie jest rawdoodobieństwo, że o 4 artiach kaitał każdego gracza wyniesie zł? c) Ile wynosi wartość oczekiwana kaitału gracza A o artiach? Przyjmijmy, że stany rocesu to kaitał w osiadaniu gracza A czyli {,,, 3, 4}. Macierz P ma ostać,4,6,4,6,4,6 4
15 Stany i są ochłaniające (osiągnięcie któregoś z tych stanów oznacza bankructwo jednego z graczy). Do jakiej klasy należą ozostałe stany? Narysuj odowiedni graf. Rozkład oczątkowy () [,,,, ]. Ad. a) () ()P [,6;,,48,,,36], zatem rawdoodobieństwo zakończenia gry o artiach wynosi () + 4 (),6 +,36,5. Ad. b) (4) ()P 4 [,368;,,34,,,538), zatem rawdoodobieństwo, że każdy z graczy ma o zł o 4 artiach wynosi (4),34. Ad. c) na odstawie () [,6;,,48,,,36], obliczamy wartość oczekiwaną kaitału gracza A o artiach:,48 zł +,36 4zł,4zł. Zatem gdyby gracze wielokrotnie rozegrali o artie mając oczątkowo o zł, to rzeciętna wygrana gracza A wynosiłaby 4 gr. Jeśli ciąg zmiennych losowych X, X, X, X 3,... jest łańcuchem Markowa o macierzy P, to ciąg zmiennych losowych X, X, X 4,... jest łańcuchem Markowa o macierzy P. Wskazówka. Należy skorzystać z równości Chamana-Kołmogorowa. ZADANIA Zadanie. Wyznaczyć wartości własne macierzy a) P b) P Czy odowiedni łańcuch Markowa jest ergodyczny. Narysować graf tego łańcucha. Srawdzić, czy dla tego łańcucha istnieje rozkład graniczny. Zadanie. Wyznaczyć kolejne otęgi macierzy,5 P,5 Czy odowiedni łańcuch Markowa jest ergodyczny. Narysować graf tego łańcucha. Porównać wiersze macierzy P n (n 4, 8, 6) i składowe wektora rozkładu granicznego. Oblicz m ( ), D ( ). 6,67875,385 Od. n. P Π [/3, /3],6565,
16 Zadanie 3. Łańcuch Markowa ma dwa stany i rozkład graniczny [, ]. Wyznaczyć macierz P tego łańcucha. Zadanie 4. Rozkład oczątkowy łańcucha Markowa określonego macierzą rawdoodobieństw rzejść wyraża się wektorem a) (,, ), b) (,5; ;,5),,3 P,6,5,4,,4,6 Wyznaczyć rawdoodobieństwa znalezienia się w oszczególnych stanach tego łańcucha o ) dwóch etaach, Oblicz m (), D (). ) trzech etaach, Oblicz m (3), D (3). 3) nieskończenie wielu etaach. Oblicz m ( ), D ( ). Zadanie 5. Rozkład oczątkowy łańcucha Markowa określonego macierzą rawdoodobieństw rzejść wyraża się wektorem (,, ). P,5,5,5,5,5,5,5,5 Wyznaczyć rawdoodobieństwa znalezienia się w oszczególnych stanach tego łańcucha o kolejnych etaach. Czy łańcuch ten ma określone rawdoodobieństwa graniczne? Zadanie 6. Podaj rzykład łańcucha, którego rozkłady graniczne zależą od rozkładu oczątkowego. Zadanie 7. Uzasadnij własność: Jeśli łańcuch Markowa ma dwa różne rozkłady stacjonarne to nie może to być łańcuch ergodyczny. 6
17 7 Zadanie 8. Wyznaczyć rozkłady graniczne łańcuchów wyznaczonych rzez macierze a) P b) P Narysuj odowiednie grafy. Oblicz ) ( m, ) ( D. Od. a) [6/7, 7/7, /7, /7] b) [/, 3/, 5/, /, /] Zadanie 9. Rzucamy symetryczną czworościenną kostką (na ściankach liczby,, 3, 4). Rozatrujemy łańcuch Markowa X n określony jako ciąg maksymalnych wyników sośród rzutów,,3,...,n. Srawdź, że łańcuch ten ma macierz P równą,5,75,5,5,5,5,5,5,5 Wyznacz graf tego łańcucha. Czy łańcuch ten ma stany okresowe? Zadanie. Dany jest łańcuch Markowa o macierzy rzejścia P,5,5 Wyznacz macierze rawdoodobieństw rzejść o dwóch i o trzech krokach. Sorządź graf łańcucha. Które stany łańcucha są istotne? Które stany łańcucha są okresowe? Czy łańcuch jest ergodyczny? Oblicz rawdoodobieństwa graniczne. Oblicz ) ( m, ) ( D. L.Kowalski..9
Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. 2 Łańcuchem Markowa nazywamy proces będący ciągiem zmiennych
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. Przykład Symetryczne błądzenie przypadkowe na prostej. 1 2 Łańcuchem
Bardziej szczegółowoDyskretny proces Markowa
Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem
Bardziej szczegółowoRysunek 1 Przykładowy graf stanów procesu z dyskretnymi położeniami.
Procesy Markowa Proces stochastyczny { X } t t nazywamy rocesem markowowskim, jeśli dla każdego momentu t 0 rawdoodobieństwo dowolnego ołożenia systemu w rzyszłości (t>t 0 ) zależy tylko od jego ołożenia
Bardziej szczegółowoĆwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II
Ćwiczenia: Ukryte procesy Markowa lista kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II dr Jarosław Kotowicz Zadanie. Dany jest łańcuch Markowa, który może przyjmować wartości,,...,
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Łańcuchy Markowa: zagadnienia graniczne. Ukryte modele Markowa. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ KLASYFIKACJA STANÓW Stan i jest osiągalny
Bardziej szczegółowo19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 19 marzec, 2012 Przykłady procesów Markowa (i). P = (p ij ) - macierz stochastyczna, tzn. p ij 0, j p ij =
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoProcesy stochastyczne
Wykład IV: dla łańcuchów Markowa 14 marca 2017 Wykład IV: Klasyfikacja stanów Kiedy rozkład stacjonarny jest jedyny? Przykład Macierz jednostkowa I wymiaru #E jest macierzą stochastyczną. Dla tej macierzy
Bardziej szczegółowoWłasności 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
Bardziej szczegółowoZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)
ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.
Bardziej szczegółowoLista 1. Procesy o przyrostach niezależnych.
Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa
Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego
Bardziej szczegółowoRachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )
Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby
Bardziej szczegółowoTeoria informacji i kodowania Ćwiczenia Sem. zimowy 2016/2017
Teoria informacji i kodowania Ćwiczenia Sem. zimowy 06/07 Źródła z amięcią Zadanie (kolokwium z lat orzednich) Obserwujemy źródło emitujące dwie wiadomości: $ oraz. Stwierdzono, że częstotliwości wystęowania
Bardziej szczegółowoProcesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.
Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Uogólnienie na przeliczalnie nieskończone przestrzenie stanów zostało opracowane
Bardziej szczegółowoALGORYTMY OPTYMALIZACJI wyklad 3.nb 1. Wykład 3. Sformułujemy teraz warunki konieczne dla istnienia rozwiązań zagadnienia optymalizacyjnego:
ALGORYTMY OPTYMALIZACJI wyklad 3.nb 1 Wykład 3 3. Otymalizacja z ograniczeniami Sformułujemy teraz warunki konieczne dla istnienia rozwiązań zagadnienia otymalizacyjnego: g i HxL 0, i = 1, 2,..., m (3.1)
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz
Bardziej szczegółowo1 Macierze i wyznaczniki
1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)
Bardziej szczegółowoProces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.
Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi
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 szczegółowoObóz Naukowy Olimpiady Matematycznej Gimnazjalistów
Obóz Naukowy Olimiady Matematycznej Gimnazjalistów Liga zadaniowa 01/01 Seria VII styczeń 01 rozwiązania zadań 1. Udowodnij, że dla dowolnej dodatniej liczby całkowitej n liczba n! jest odzielna rzez n!
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą
Bardziej szczegółowoUkłady równań liniowych i metody ich rozwiązywania
Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +
Bardziej szczegółowoPodróże po Imperium Liczb
Podróże o Imerium Liczb Część 08. Liczby Mersenne a, Fermata i Inne Liczby Rozdział 5 5. Okresy rozwinięć liczb wymiernych Andrzej Nowicki 20 maja 2012, htt://www.mat.uni.torun.l/~anow Sis treści 5 Okresy
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 szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowoPrzykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami
8 Liczba 9 jest równa A. B. C. D. 9 5 C Przykładowe zadania z matematyki na oziomie odstawowym wraz z rozwiązaniami Zadanie. (0-) Liczba log jest równa A. log + log 0 B. log 6 + log C. log 6 log D. log
Bardziej szczegółowo1 Wartości własne oraz wektory własne macierzy
Rozwiązania zadania umieszczonego na końcu poniższych notatek proszę przynieść na kartkach Proszę o staranne i formalne uzasadnienie odpowiedzi Za zadanie można uzyskać do 6 punktów (jeżeli przyniesione
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, Spis treści
Wstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, 2012 Spis treści Od Wydawnictwa 5 Z przedmowy autora do wydania pierwszego 7 Z przedmowy autora do wydania drugiego
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 szczegółowo15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej
15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN funkcję A : {1,...,m} {1,...,n} F nazywamy macierzą m n ( macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoDefinicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy funkcję
Bardziej szczegółowoMACIERZE I WYZNACZNIKI
Wykłady z matematyki inżynierskiej IMiF UTP 07 MACIERZ DEFINICJA. Macierza o m wierszach i n kolumnach nazywamy przyporza dkowanie każdej uporza dkowanej parze liczb naturalnych (i, j), gdzie 1 i m, 1
Bardziej szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowo1 Macierz odwrotna metoda operacji elementarnych
W tej części skupimy się na macierzach kwadratowych. Zakładać będziemy, że A M(n, n) dla pewnego n N. Definicja 1. Niech A M(n, n). Wtedy macierzą odwrotną macierzy A (ozn. A 1 ) nazywamy taką macierz
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 szczegółowomacierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same
1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,
Bardziej szczegółowoPrzykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1
Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Zadania rozwiązywane na wykładzie Zadania rozwiązywane na ćwiczeniach Przy rozwiązywaniu zadań najistotniejsze jest wykazanie się rozumieniem
Bardziej szczegółowoWykład 5. Metoda eliminacji Gaussa
1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne
Bardziej szczegółowo1 Zbiory i działania na zbiorach.
Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu
Bardziej szczegółowo2. Układy równań liniowych
2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści
Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, 2012 Spis treści Przedmowa 5 Oznaczenia i konwencje 7 Rozdział I Rozkład wykładniczy i rozkład jednostajny 1. Wprowadzenie
Bardziej szczegółowoPrzekształcanie równań stanu do postaci kanonicznej diagonalnej
Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego
Bardziej szczegółowoRACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska
RACHUNEK MACIERZOWY METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy
Bardziej szczegółowojest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru.
Układy liniowe Układ liniowy pierwszego rzędu, niejednorodny. gdzie Jeśli to układ nazywamy jednorodnym Pamiętamy, Ŝe kaŝde równanie liniowe rzędu m moŝe zostać sprowadzone do układu n równań liniowych
Bardziej szczegółowoProces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką
z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n
Bardziej szczegółowo1 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 szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoLista nr 1 - Liczby zespolone
Lista nr - Liczby zespolone Zadanie. Obliczyć: a) ( 3 i) 3 ( 6 i ) 8 c) (+ 3i) 8 (i ) 6 + 3 i + e) f*) g) ( 3 i ) 77 ( ( 3 i + ) 3i 3i h) ( + 3i) 5 ( i) 0 i) i ( 3 i ) 4 ) +... + ( 3 i ) 0 Zadanie. Przedstawić
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowo, A T = A + B = [a ij + b ij ].
1 Macierze Jeżeli każdej uporządkowanej parze liczb naturalnych (i, j), 1 i m, 1 j n jest przyporządkowana dokładnie jedna liczba a ij, to mówimy, że jest określona macierz prostokątna A = a ij typu m
Bardziej szczegółowoRelacje. opracował Maciej Grzesiak. 17 października 2011
Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla
Bardziej szczegółowo3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B
1. Dla macierzy a) A = b) A = c) A = d) A = 3 1 + i 1 i i i 0 i i 0 1 + i 1 i 0 0 0 0 1 0 1 0 1 + i 1 i Wyznaczyć macierze spełniające własność komutacji: A, X = B. Obliczyć pierwiaski z macierzy: A =
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 szczegółowoMATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ
MATEMATYKA I SEMESTR ALK (PwZ). Sumy i sumy podwójne : Σ i ΣΣ.. OKREŚLENIE Ciąg liczbowy = Dowolna funkcja przypisująca liczby rzeczywiste pierwszym n (ciąg skończony), albo wszystkim (ciąg nieskończony)
Bardziej szczegółowo"Bieda przeczy matematyce; gdy się ją podzieli na więcej ludzi, nie staje się mniejsza." Gabriel Laub
"Bieda przeczy matematyce; gdy się ją podzieli na więcej ludzi, nie staje się mniejsza." Gabriel Laub Def. Macierzą odwrotną do macierzy A M(n) i deta nazywamy macierz A - M(n) taką, że A A - A - A Tw.
Bardziej szczegółowoDB Algebra liniowa semestr zimowy 2018
DB Algebra liniowa semestr zimowy 2018 SPIS TREŚCI Teoria oraz większość zadań w niniejszym skrypcie zostały opracowane na podstawie książek: 1 G Banaszak, W Gajda, Elementy algebry liniowej cz I, Wydawnictwo
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 szczegółowoZadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,
Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podać przykład
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoPrawa wzajemności Gaussa
Kamil Sikorski Prawa wzajemności Gaussa Pytanie 1. Dla jakich liczb ierwszych kongruencja x 2 a() ma rozwiązanie? 1. Theorema Aureum Celem tej części jest okazanie, że x 2 q() ma rozwiązanie ma je x 2
Bardziej szczegółowo26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 212 Łańcuchy z czasem ciągłym S = {, 1,..., }, B S = 2 S, ale T = [, ) lub T = (, ). Gdy S skończone,
Bardziej szczegółowoKomisja Egzaminacyjna dla Aktuariuszy. XL Egzamin dla Aktuariuszy z 9 października 2006 r. Część I. Matematyka finansowa
Komisja Egzaminacyjna dla Aktuariuszy XL Egzamin dla Aktuariuszy z 9 aździernika 006 r. Część I Matematyka finansowa Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 00 minut . Ile wynosi wartość
Bardziej szczegółowoi=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =
Kombinatoryka W tej serii zadań można znaleźć pojawiające się na egzaminach zadania dotyczące problemu wyznaczania prostych parametrów rozkładu w przypadku zgadnień kombinatorycznych. Zadania te wymagają
Bardziej szczegółowowszystkich 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
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnoolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Koernika w Toruniu Wyższa Szkoła Informatyki i Ekonomii
Bardziej szczegółowoTreść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
Bardziej szczegółowoAlgebra 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
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof Żyjewski MiBM; S-I 0.inż. 0 października 04 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Definicja. Iloczynem macierzy A = [a ij m n, i macierzy B = [b ij n p nazywamy macierz
Bardziej szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoAby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania
Chemia Budowlana - Wydział Chemiczny - 1 Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania rozwiązywane na wykładzie, rozwiązywane na ćwiczeniach, oraz samodzielnie
Bardziej szczegółowoZestaw 12- Macierz odwrotna, układy równań liniowych
Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami Załóżmy, że macierz jest macierzą kwadratową stopnia n. Mówimy, że macierz tego samego wymiaru jest macierzą odwrotną
Bardziej szczegółowoWykład 4. Określimy teraz pewną ważną klasę pierścieni.
Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia
Bardziej szczegółowoMet Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn
Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoUkłady równań liniowych. Krzysztof Patan
Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych
Bardziej szczegółowoAnaliza matematyczna i algebra liniowa Macierze
Analiza matematyczna i algebra liniowa Macierze Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: poniedziałek
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowoWyk 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
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowoWykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Bardziej szczegółowoALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska
ALGEBRA LINIOWA Wykład 2 Analityka gospodarcza, sem 1 Wydział Zarządzania i Ekonomii Politechnika Gdańska dr inż Natalia Jarzębkowska, CNMiKnO semzimowy 2018/2019 2/17 Macierze Niech M = {1, 2,, m} i N
Bardziej szczegółowoZadania egzaminacyjne
Rozdział 13 Zadania egzaminacyjne Egzamin z algebry liniowej AiR termin I 03022011 Zadanie 1 Wyznacz sumę rozwiązań równania: (8z + 1 i 2 2 7 iz 4 = 0 Zadanie 2 Niech u 0 = (1, 2, 1 Rozważmy odwzorowanie
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoMetody numeryczne. materiały do wykładu dla studentów
Metody numeryczne materiały do wykładu dla studentów 4. Wartości własne i wektory własne 4.1. Podstawowe definicje, własności i twierdzenia 4.2. Lokalizacja wartości własnych 4.3. Metoda potęgowa znajdowania
Bardziej szczegółowoDr inż. Robert Wójcik, p. 313, C-3, tel Katedra Informatyki Technicznej (K-9) Wydział Elektroniki (W-4) Politechnika Wrocławska
Dr inż. Robert Wójcik, p. 313, C-3, tel. 320-27-40 Katedra Informatyki Technicznej (K-9) Wydział Elektroniki (W-4) Politechnika Wrocławska E-mail: Strona internetowa: robert.wojcik@pwr.edu.pl google: Wójcik
Bardziej szczegółowoCiągłość funkcji jednej zmiennej rzeczywistej. Autorzy: Anna Barbaszewska-Wiśniowska
Ciągłość funkcji jednej zmiennej rzeczywistej Autorzy: Anna Barbaszewska-Wiśniowska 2018 Spis treści Definicja ciągłości funkcji. Przykłady Funkcja nieciągła. Typy nieciągłości funkcji Własności funkcji
Bardziej szczegółowo; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...
Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję
Bardziej szczegółowoZbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa
Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Graniczne własności łańcuchów Markowa Toruń, 2003 Co to jest łańcuch Markowa? Każdy skończony, jednorodny łańcuch Markowa
Bardziej szczegółowo= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3
ZESTAW I 1. Rozwiązać równanie. Pierwiastki zaznaczyć w płaszczyźnie zespolonej. z 3 8(1 + i) 3 0, Sposób 1. Korzystamy ze wzoru a 3 b 3 (a b)(a 2 + ab + b 2 ), co daje: (z 2 2i)(z 2 + 2(1 + i)z + (1 +
Bardziej szczegółowoKrótkie wprowadzenie do macierzy i wyznaczników
Radosław Marczuk Krótkie wprowadzenie do macierzy i wyznaczników 12 listopada 2005 1. Macierze Macierzą nazywamy układ liczb(rzeczywistych, bądź zespolonych), funkcji, innych macierzy w postaci: A a 11
Bardziej szczegółowo07DRAP - Zmienne losowe: dyskretne i ciągłe
07DRAP - Zmienne losowe: dyskretne i ciągłe Definicja Zmienna losowa (rozkład zmiennej losowej X jest skuiona na zbiorze S, jeśli P X (S = P (X S = (Podajemy najmniejszy lub najładniejszy taki zbiór Definicja
Bardziej szczegółowoPierścień wielomianów jednej zmiennej
Rozdział 1 Pierścień wielomianów jednej zmiennej 1.1 Definicja pierścienia wielomianów jednej zmiennej Definicja 1.1 Niech P będzie dowolnym pierścieniem. Ciąg nieskończony (a 0, a 1,..., a n,...) elementów
Bardziej szczegółowoW-23 (Jaroszewicz) 20 slajdów Na podstawie prezentacji prof. J. Rutkowskiego
Bangkok, Thailand, March 011 W-3 (Jaroszewicz) 0 slajdów Na odstawie rezentacji rof. J. Rutkowskiego Fizyka kwantowa fale rawdoodobieństwa funkcja falowa aczki falowe materii zasada nieoznaczoności równanie
Bardziej szczegółowo