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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam o wspó lczynnkach w Z 5 Rozw azane 2 Z twerdzena dzelena welomanów, mamy, że f 1 X) = gx)f 2 X) + rx), dla pewnych welomamów gx) rx) gdze rx) ma stopeń jeden, czyl rx) = c 1 X+c 0 dla c 1, c 0 R Aby zagwarantować, że f 1 jest podzelny przez f 2, to musmy szukać a, b takch, że rx) = 0 Wdać, że weloman f 2 ma wszystke swoje perwastk, tj 1, 2, w R Wȩc, jeżel weloman f 1 można podzelć przez f 2, czyl f 1 X) = gx)f 2 X), to f 1 1) = f 1 2) = 0 Odwrotne, jeżel f 1 1) = f 2 1) = 0, to r1) = r2) = 0 rx) = 0 Krótko mów ac, f 1 X) jest podzelny przez f 2 X) f 1 1) = f 1 2) = 0 w naszym przypadku musmy oblczyć wartośc a, b, żeby f 1 1) = f 1 2) = 0 Korzystaj ac ze schemata Hornera, czyl psz ac f 1 X) = a n X n +a n 1 X n 1 +, a 1 X+a 0 = a n X+a n 1 )X+a n 2 )X+ +a 1 )X+a 0, można oblczyć wartość welomanu f 1 dla pewnej wartośc ξ szybcej nż przez oblczena wszystkch wyrazów f 1 W laśne, oblczena wartość welomanu stopna n dla X = ξ wymaga n + 1)n + 2)/2 oblczeń Natomast, schemat Hornera wymaga 2n + 1 W naszym przypadku f 1 X) = X 2 3)X + a)x b Wȩc, Z tego a = 6, b = 8 f 1 1) = 2 + a b, f 1 2) = 2a + 4 b f 1 1) = 2 + a b = 0, f 1 2) = 2a + 4 b = 0 a b = 2, 2a b = 4

2 Jeżel zak ladamy, że f 1 f 2 s a welomanam o wspó lczynnkach w Z 5, musmy najperw sprawdzć, czy perwastk f 2 należ a do Z 5 Aby to zrobć, trzeba zauważyć, że wzór perwastków welomanu drugego stopna o wspó lczynkach w cele F jest tak sam jak dla lczb rzeczywstych: ξ ± = b ± b 2 4ac 2a Można sprawdzć, że perwastk welomanu f 2 s a tak samo jak w poprzednym przypadku Z tego, procedura jest taka sama jak wcześnej Na samym końcu dostajemy a = 4, b = 2 Ćwczene 3 Dane welomany o wspó lczynnkach z ca la R wzorem f 1 X) = X b)x a + 5b)X 3 + 5a 6b + ab)x 2 a6 + 5b)X + 6ab, f 2 X) = X 3 X 2 + X 1, ustal dla których a, b R można podzelć f 1 przez f 2 Rozw azane 4 Z twerdzena dzelena welomanów, mamy, że f 1 X) = gx)f 2 X) + rx), dla pewnych welomanów gx) rx) gdze rx) ma stopeń mnejszy od f 2 X) Wȩc, rx) ma stopeń dwa, czyl rx) = c 2 X 2 + c 1 X + c 0 dla pewnych c 2, c 1, c 0 R Aby zagwarantować, że f 1 jest podzelny przez f 2, to musmy szukać a, b takch, że rx) = 0 Wdać, że weloman f 2 ma tylko jeden perwastek, tj 1, w R Wȩc, jeżel weloman f 1 można podzelć przez f 2, to f 1 1) = 0 To warunek koneczny, ale ne wystarczaj acy, aby zagwarantować, że rx) = 0 W naszym przypadku, musmy oblczyć wartośc a, b, żeby f 1 1) = 0 Korzystaj ac ze schematu Hornera, f 1 1) = 2ab 2a 2b + 2 = 2b 1)a 1) = 0 Wȩc, a = 1 lub b = 1 Natomast, to ne wystarczy Aby zagwarantować, że f 1 jest podzelny przez f 2 możemy skorzystać z nastȩpuj acej metody Zak ladamy, że f 1 f 2 s a welomanam o wspó lczynnkach w cele F, 1,, +, ), które spe lna, że R F dzalana ca la F s a tak samo na R jak dza lana R mów sȩ, że R jest podca lem ca la F) Na przyk lad, R jest podca lem C Zalet a ca la C jest to, że każdy weloman jest rozk ladalny jako mnożene welomanów perwszego stopna o wspó lczynnkach w C Ponadto, jeżel f 1 f 2 maj a wspó lczynnk w R można podzelć f 1 przez f 2 jako welomany o wspó lczynnkach w R to też można podzelć je jako welomany o wspó lczynnkach w C

3 Teraz mamy, że f 2 ma perwastk Twerdzene nerozk ladalnośc Abla twerdz, że jeżel weloman f o wspó lczynnkach w cele F jest podzelny przez nerozk ladalny weloman g maj a wspólny perwastek, to wtedy f ma wszystke perwastk g Wȩc, jeżel można podzelć f 1 przez f 2, to f 2 ) = 0 z tego wynka, że f 2 ) = 0 f) = 5 b 5a 6b + ab) + 6ab a + 5b) a6 + 5b)) = 0 Skoro a, b R, to a + 1)b 1) = 0, b + 1)a + 1) = 0 Z f ) = 0 wynkaj a te same równana Wȩc, mamy, że a = 1 b = 1 Ćwczene 5 Za pomoc a algorytmu Eukldesa dla welomanów, podaj najwȩkszy wspólny dzelnk welomanów f 1 X) = X 5 2X 4 + X 3 X 2 X 2, f 2 X) = X 2 3X + 2 f 3 X) = X 5 + X 4 X 3 + X 2 X + 1, f 4 X) = X 2 4X + 3 o wspó lczynnkach z ca la R Rozw azane 6 Aby oblczyć najwȩkszy wspólny czynnk za pomoc a algorytmu Eukldesa, trzeba oblczyć podzelene z reszt a f 1 przez f 2 Można udowodnć, że wtedy najwȩkszy wspólny czynnk mȩdzy f 1 f 2 jest tak sam jak najwȩkszy wspólny czynnk mȩdzy f 2 reszt a dzelena f 1 przez f 2 Z twerdzena dzelena welomanów wynka, że ta reszta ma stopeń jeden Wȩc, ma postać rx) = c 1 X + c 0, gdze c 1, c 0 R f 1 X) = gx)f 2 X) + rx) dla pewnego welomanu gx) Skoro dla ξ = 1 ξ = 2 mamy, że f 1 1) = r1), f 2 2) = r2), to c 1 + c 2 = 4, 0 = 2c 1 + c 2 = c 1 = 4, c 2 = 8 Teraz trzeba podzelć f 2 przez resztȩ Wdać, że wspólny czynnk to 2 Mamy, że f 2 X) = g 2 X)4X 8) + c 0 Wdać, że f 2 2) = 0 Wȩc, c 0 = 0 4X 8 jest najwȩkszy wspólny czynnk mȩdzy f 1 f 2

4 Aby oblczyć najwȩkszy wspólny czynnk za pomoc a algorytmu Eukldesa welomanów f 3 f 4, trzeba oblczyć podzelene z reszt a f 3 przez f 4 Z twerdzena dzelena welomanów wynka, że ta reszta ma stopeń jeden Wȩc, ma postać rx) = c 0 X + c 1 f 3 X) = gx)f 4 X) + rx) dla pewnego welomanu gx) Skoro dla ξ = 1 ξ = 3 mamy, że f 3 1) = r1), f 3 3) = r3), to 3c 1 + c 2 = 182, 0 = c 1 + c 2 = c 1 = 91, c 2 = 91 Teraz trzeba podzelć f 4 przez resztȩ Mamy, że f 4 X) = 91g 2 X) X + 1) + c 0 Wdać, że c 0 = f 4 1) = 0 Wȩc, X + 1 jest najwȩkszym wspólnym czynnkem mȩdzy f 3 f 4 Ćwczene 7 Udowodnj, że dla lczby zespolonej z z mamy, że z = ± z z + z z + z, gdze z to modu l lczby zespolonej z = a + b, gdze a, b R, czyl z = a 2 + b 2 Korzystaj ac z tego, oblcz rozw azana równań z 4 = , z )z = 0, z )z )z = 0 Rozw azane 8 Wdać, ze z + z z = ± z z + z, z = ± z z + z ) 2 z + z ± z z + z ) 2 z + z )2 = z z + z z + z = z z2 + 2 z z + z 2 2 z + z ) z + z ) = z z2 + 2 z z + z 2 2 z 2 + z + z) z Skoro z z, to z 0 ± z z + z ) 2 = z2 + 2 z z + z 2 z + z 2 z + z + z) = zz + 2 z + z) 2 z + z + z) = z Trzeba zauważyć, że skoro z + z 0 to Rez + z ) 0 z + z + 2 z 0

5 a) Zdefnujemy w = z 2, wȩc, w 2 = Korzystaj ac z powyższego wzoru, mamy, że w = ±5 = ±5 = ±3 + 4) Wȩc, z 1) ± = ± = ± z 2) ± = ± = ± = ±2 + ) = ±1 2) b) Aby rożw azać z )z = 0 korzystamy z wzoru Wȩc, z = b ± b 2 4ac 2a z ± = ± = ± 2 2 z + = 2 +, z = = ± + 1) 2 Wzory Veta s a zawsze prawdzwe dla lczb zespolonych Lepej sprawdzć za pomoc a tych wzorów czy pomyllśmy sȩ c) Mamy z )z )z = 0 Istnej a wzory aby oblczyć pertwastk welomanów trzecego czwartego stopna Natomast, jeżel to możlwe, lepej korzystać z nnej metody, skoro take wzory s a ogólne bardzo skomplkowane Na przyk lad, możemy szukać perwastków postac z = p/q gdze p q s a lczbam ca lkowtym wzglȩdnym perwszym Jeżel stneje tak perwastek dla welomanu fx) = n a kx k, to 0 = fz) = n p a k q ) k n a k p k q n k = a 0 q n

6 Skoro p, q Z lczby a k C maj a postać a R k + ai k, gdze ar k, ai k R, to wdać, że lewa strona jest podzelna przez p To prawa strona też Poneważ q n ne jest podzelny przez p to a 0 ma być To oznacza, że cześć rzeczywsta urojona s a podzelne przez p Tak samo można powedzeć, że q podzel czȩść rzeczywst a urojon a a n Powyższy wynk sugeruje nam, że perwastek p/q dla naszego welomanu ma p = 3 q = 1 W laśne, wdać, że czȩść urojona rzeczywsta lczby s a podzelne przez p = 3 Korzystaj ac z tego, z )z )z = z + 3)z )z )) = 0 Perwastk z )z )) można oblczyć za pomoc a poprzednej metody z = 3 + 2, z = 2 3 Ćwczene 9 Nech z 1, z 2, z 3, bȩd a lczbam zespolonym takm, że z 1 = z 2 = z 3 = 2 Udowodnj, że z 1 z 2 + z 1 z 3 + z 2 z 3 = 2 z 1 + z 2 + z 3 = z z dla dowolnej lczby ze- Rozw azane 10 W dowodze wykorzystamy, że z 2 spolonej z Poneważ z 1 = z 2 = z 3 = 2, wȩc z 1 z 1 = z 2 z 2 = z 3 z 3 = 4 St ad mamy, że z 1 z 2 + z 1 z 3 + z 2 z 3 2 = z 1 z 2 + z 1 z 3 + z 2 z 3 ) z 1 z 2 + z 1 z 3 + z 2 z 3 ) = z 1 z 1 )z 2 z 2 ) + z 1 z 1 )z 2 z 3 + z 1 z 2 z 2 ) z 3 + z 1 z 1 )z 3 z 2 + z 1 z 1 )z 3 z 3 ) + z 1 z 2 z 3 z 3 ) + z 2 z 2 )z 3 z 1 + z 2 z 1 z 3 z 3 ) + z 2 z 2 )z 3 z 3 ) = z 2 z 3 + z 1 z 3 + z 3 z 2 + z 1 z 2 + z 3 z 1 + z 2 z 1 ) Ponadto, 4 z 1 + z 2 + z 3 2 = 4z 1 + z 2 + z 3 ) z 1 + z 2 + z 3 ) = 4z 1 z 1 + z 1 z 2 + z 1 z 3 + z 2 z 1 + z 2 z 2 + z 2 z 3 + z 3 z 1 + z 3 z 2 + z 3 z 3 ) = z 2 z 3 + z 1 z 3 + z 3 z 2 + z 1 z 2 + z 3 z 1 + z 2 z 1 )

7 Sk ad, Zatem z 1 z 2 + z 1 z 3 + z 2 z 3 2 = 2 z 1 + z 2 + z 3 ) 2 z 1 z 2 + z 1 z 3 + z 2 z 3 = 2 z 1 + z 2 + z 3 Ćwczene 11 Oblcz przedstaw w postac kanoncznej 1 + ) k, 0 1 k + )k 1 + ) Rozw azane 12 Najperw, 1 + ) k to szereg geometryczny lczb zespolonych o loraze 1 + Dla dowolnego szeregu geometrycznego n S n = q k k=k 0 o wspó lczynnkach z ca la, to dla q 1 qs n S n = q n+1 q k 0 S n = qn+1 q k 0 q ) k = Wdać, że 1 + ) 2 = ) 1 + ) = 1 + ) ) 100 ) 1 + ) k = 1 + ) 1 2) 50 ) = 1 + ) ) = 1) ) Mamy, że k + )k 1 + ) = 1 k ) k + =

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T

Bardziej szczegółowo

Laboratorium ochrony danych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Cia la i wielomiany Javier de Lucas

Cia la i wielomiany Javier de Lucas Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

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

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

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

Bardziej szczegółowo

Zaawansowane metody numeryczne

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

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk 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 szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE Definicja 1 Algebra abstrakcyjna nazywamy teorie, której przedmiotem sa dzia lania na

Bardziej szczegółowo

Wyk lad 3 Wielomiany i u lamki proste

Wyk lad 3 Wielomiany i u lamki proste Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

Bardziej szczegółowo

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

Tajemnice funkcji σ oraz τ. Dzielniki liczb naturalnych oraz elementy zaawansowanej teorii liczb. Tajemnce funkcj σ oraz τ. Dzelnk lczb naturalnych oraz elementy zaawansowanej teor lczb. Bartłomej Grochal V Lceum Ogólnokształcące m. Augusta Wtkowskego w Krakowe Przedmowa Teora lczb oraz nerównośc to

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

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

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE całki pojedyncze

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

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

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

Bardziej szczegółowo

I. Elementy analizy matematycznej

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

Bardziej szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

Bardziej szczegółowo

Ile wynosi suma miar kątów wewnętrznych w pięciokącie?

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

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

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

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

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

Bardziej szczegółowo

Wersja testu A 15 lutego 2011 r. jest, że a) x R y R y 2 > Czy prawda. b) y R x R y 2 > 1 c) x R y R y 2 > 1 d) x R y R y 2 > 1.

Wersja testu A 15 lutego 2011 r. jest, że a) x R y R y 2 > Czy prawda. b) y R x R y 2 > 1 c) x R y R y 2 > 1 d) x R y R y 2 > 1. 1. Czy prawda jest, że a) x R y R y 2 > 1 1+x 2 ; b) y R x R y 2 > 1 1+x 2 ; c) x R y R y 2 > 1 1+x 2 ; d) x R y R y 2 > 1 1+x 2? 2. Czy naste puja ca relacja na zbiorze liczb rzeczywistych jest relacja

Bardziej szczegółowo

Ćwiczenie 10. Metody eksploracji danych

Ćwiczenie 10. Metody eksploracji danych Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

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

Bardziej szczegółowo

Grupy i cia la, liczby zespolone

Grupy i cia la, liczby zespolone Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n

Bardziej szczegółowo

Wykład 15 Elektrostatyka

Wykład 15 Elektrostatyka Wykład 5 Elektostatyka Obecne wadome są cztey fundamentalne oddzaływana: slne, elektomagnetyczne, słabe gawtacyjne. Slne słabe oddzaływana odgywają decydującą ole w budowe jąde atomowych cząstek elementanych.

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

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

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Tomasz Grębski. Liczby zespolone

Tomasz Grębski. Liczby zespolone Tomas Grębsk Lcby espolone Kraśnk 00 Sps Treśc: Lcby espolone Tomas Grębsk- Wstęp. Podstawowe wadomośc o lcbe espolonej.. Interpretacja geometrycna lcby espolonej... Moduł lcby espolonej. Lcby sprężone..

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Zadania o liczbach zespolonych

Zadania 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 szczegółowo

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

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

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk 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 szczegółowo

KLASA II LO Poziom rozszerzony (wrzesień styczeń)

KLASA II LO Poziom rozszerzony (wrzesień styczeń) KLASA II LO Poziom rozszerzony (wrzesień styczeń) Treści nauczania wymagania szczegółowe: ZAKRES PODSTAWOWY: 1) na podstawie wykresu funkcji y = f(x) szkicuje wykresy funkcji y = f(x), y = c f(x), y =

Bardziej szczegółowo

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1 3 Szeregi zespolone 3. Szeregi liczbowe Mówimy, że szereg o wyrazach zespolonych jest zbieżny, jeżeli ci ag jego sum czȩściowych {S n }, gdzie S n = z + z +... + jest zbieżny do granicy w laściwej. Granicȩ

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

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

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

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

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

Bardziej szczegółowo

Matematyka obliczeniowa, II rok Matematyki (2015/2016) Metody numeryczne, III rok Informatyki, (2013/2014)

Matematyka obliczeniowa, II rok Matematyki (2015/2016) Metody numeryczne, III rok Informatyki, (2013/2014) Matematyka oblczenowa, II rok Matematyk (2015/2016) Metody numeryczne, III rok Informatyk, (2013/2014) 1. Rozwązywane równań nelnowych 2. Arytmetyka zmennopozycyjna 3. Błędy w oblczenach. Uwarunkowane

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

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

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

WIELOMIANY. Poziom podstawowy

WIELOMIANY. Poziom podstawowy WIELOMIANY Poziom podstawowy Zadanie (5 pkt) Liczba 7 jest miejscem zerowym W(x) Wyznacz resztę z dzielenia tego wielomianu przez wielomian P ( x) = x + 54, jeśli wiadomo, że w wyniku dzielenia wielomianu

Bardziej szczegółowo

Proces narodzin i śmierci

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

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Metoda 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 szczegółowo

"W każdej wiedzy jest tyle prawdy, ile jest w niej matematyki." Immanuel Kant

W każdej wiedzy jest tyle prawdy, ile jest w niej matematyki. Immanuel Kant "W każdej wiedzy jest tyle prawdy, ile jest w niej matematyki." Immanuel Kant Def. Jeżeli A R, to kresem górnym zbioru A nazywamy liczbę supa taką, że 1. x A: supa x, 2. y: (y < supa x A: y < x supa) Def.

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala November 12, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Oblicz pochodne nastȩpuj

Bardziej szczegółowo

Funkcje Andrzej Musielak 1. Funkcje

Funkcje Andrzej Musielak 1. Funkcje Funkcje Andrzej Musielak 1 Funkcje Funkcja liniowa Funkcja liniowa jest postaci f(x) = a x + b, gdzie a, b R Wartość a to tangens nachylenia wykresu do osi Ox, natomiast b to wartość funkcji w punkcie

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metody numeryczne, III rok Informatyki, 2013/2014

Metody numeryczne, III rok Informatyki, 2013/2014 Metody numeryczne, III rok Informatyk, 2013/2014 1. Rozwązywane równań nelnowych 2. Arytmetyka zmennopozycyjna 3. Błędy w oblczenach. Uwarunkowane zadana. Numeryczna poprawność stablność algorytmu 4. Rozwązywane

Bardziej szczegółowo

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K) STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO

Bardziej szczegółowo

Dziedziny Euklidesowe

Dziedziny Euklidesowe Dziedziny Euklidesowe 1.1. Definicja. Dziedzina Euklidesowa nazywamy pare (R, v), gdzie R jest dziedzina ca lkowitości a v : R \ {0} N {0} funkcja zwana waluacja, która spe lnia naste ce warunki: 1. dla

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

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

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

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

Bardziej szczegółowo

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x Wykład z Podsaw maemayk dla sudenów Inżyner Środowska Wykład 8. CŁKI NIEOZNCZONE Defnca (funkca perwona) Nech F es funkcą perwoną funkc f na przedzale I, eżel F '( ) f ( ) dla każdego I. Udowodnć, że funkce

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

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

Bardziej szczegółowo

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo

Bardziej szczegółowo

f 4,3 m l 20 m 4 f l x x 2 y x l 2 4 4,3 20 x x ,86 x 0,043 x 2 y x 4 f l 2 x l 2 4 4, x dy dx tg y x ,86 0,086 x

f 4,3 m l 20 m 4 f l x x 2 y x l 2 4 4,3 20 x x ,86 x 0,043 x 2 y x 4 f l 2 x l 2 4 4, x dy dx tg y x ,86 0,086 x f l Ry. 3. Rozpatrywany łuk parabolczny 4 f l x x 2 y x l 2 f m l 2 m y x 4 2 x x 2 2 2,86 x,43 x 2 tg y x dy 4 f l 2 x l 2 4 2 2 x 2 2,86,86 x Mechanka Budowl Projekty Zgodne ze poobem rozwązywana układów

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Przykładowe zadania z teorii liczb

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Wyk lad 1 Podstawowe struktury algebraiczne

Wyk lad 1 Podstawowe struktury algebraiczne Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania Przykład.. Beka dwukrotne statyczne newyznaczana o stałej sztywnośc zgnana Poecene: korzystając z metody sł sporządzć wykresy sł przekrojowych da ponŝszej bek. Wyznaczyć ugęce oraz wzgędną zmanę kąta w

Bardziej szczegółowo

1. Wielomiany Podstawowe definicje i twierdzenia

1. Wielomiany Podstawowe definicje i twierdzenia 1. Wielomiany Podstawowe definicje i twierdzenia Definicja wielomianu. Wielomianem stopnia n zmiennej rzeczywistej x nazywamy funkcję w określoną wzorem w(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0, przy

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

Maciej Grzesiak. Wielomiany

Maciej Grzesiak. Wielomiany Maciej Grzesiak Wielomiany 1 Pojęcia podstawowe Wielomian definiuje się w szkole średniej jako funkcję postaci f(x) = a 0 + a 1 x + a 2 x + + a n x n Dogodniejsza z punktu widzenia algebry jest następująca

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych Grupa, cia lo Zadanie 1. Jakie w lasności w zbiorze liczb naturalnych, ca lkowitych, wymiernych, rzeczywistych maj dzia lania a b = a b, a b = a 2 + b 2, a b = a+b, a b = b. 2 Zadanie 2. Pokazać, że (R

Bardziej szczegółowo

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza 1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 3 Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza 2 1 0 1 2 3 x Oś liczbowa. Liczba 1, to nie jest liczba pierwsza MATEMATYKA

Bardziej szczegółowo

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze 1 Temat 5: Liczby pierwsze Zacznijmy od definicji liczb pierwszych Definition 0.1 Liczbȩ naturaln a p > 1 nazywamy liczb a pierwsz a, jeżeli ma dok ladnie dwa dzielniki, to jest liczbȩ 1 i sam a siebie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Dzielenie. Dzielenie pozycyjne

Dzielenie. Dzielenie pozycyjne zelene ozycyjne zelene dzelene całkowte: dzelna (dvdend), dzelnk 0 (dvor) Iloraz (uotent) rezta R (remander) z dzelena to lczby take, e R, R rozw zana (,R ) oraz (,R ) take, e R, rzy tym R R, R, R oraz

Bardziej szczegółowo

Algorytm Euklidesa. ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90),

Algorytm Euklidesa. ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90), Algorytm Euklidesa ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90), (d) NWD(120, 168, 280), (e) NWD(30, 42, 70, 105), (f) NWW[120, 195], (g)

Bardziej szczegółowo

Wielomiany. dr Tadeusz Werbiński. Teoria

Wielomiany. dr Tadeusz Werbiński. Teoria Wielomiany dr Tadeusz Werbiński Teoria Na początku przypomnimy kilka szkolnych definicji i twierdzeń dotyczących wielomianów. Autorzy podręczników szkolnych podają różne definicje wielomianu - dla jednych

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

PODSTAWY MATEMATYCZNE

PODSTAWY MATEMATYCZNE PODSTAWY MATEMATYCZNE ALGEBRA WEKTORÓW I TENSORÓW Baza ortonormalna w E 3 : e 1, e 2, e 3 ( e, e ) j j 1 f j 0 f j Każdy wektor w E 3 może być wyrażony jako lnowa kombnacja wersorów bazowych a a e a e

Bardziej szczegółowo

Treść wykładu. Pierścienie wielomianów. Dzielenie wielomianów i algorytm Euklidesa Pierścienie ilorazowe wielomianów

Treść wykładu. Pierścienie wielomianów. Dzielenie wielomianów i algorytm Euklidesa Pierścienie ilorazowe wielomianów Treść wykładu Pierścienie wielomianów. Definicja Niech P będzie pierścieniem. Wielomianem jednej zmiennej o współczynnikach z P nazywamy każdy ciąg f = (f 0, f 1, f 2,...), gdzie wyrazy ciągu f są prawie

Bardziej szczegółowo