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

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

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Twierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4

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

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

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Cia la i wielomiany Javier de Lucas

Funkcje wielu zmiennych

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

y 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) =

Funkcje wielu zmiennych

Sterowalność liniowych uk ladów sterowania

Wyk lad 11 1 Wektory i wartości w lasne

na p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

MATEMATYKA REPREZENTACJA LICZB W KOMPUTERZE

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 14 Formy kwadratowe I

KOLOKWIUM Z ALGEBRY I R

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Ekonomia matematyczna i dynamiczna optymalizacja

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

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

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu

Wyk lad 10 Przestrzeń przekszta lceń liniowych

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

Normy wektorów i macierzy

Pochodne cz ¾astkowe i ich zastosowanie.

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

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

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.

Pierwiastki arytmetyczne n a

Logika matematyczna i teoria mnogości (I) J. de Lucas

0.1 Reprezentacja liczb w komputerze

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

Równania różniczkowe liniowe rzędu pierwszego

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

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

Wyk lad 9 Baza i wymiar przestrzeni liniowej

1 Przestrzenie unitarne i przestrzenie Hilberta.

Przekształcenia liniowe

LOGIKA ALGORYTMICZNA

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

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

Dyskretne modele populacji

WPPT 2r., sem. letni KOLOKWIUM 1 Wroc law, 19 kwietnia 2011

Baza w jądrze i baza obrazu ( )

System liczbowy binarny.

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

Wyk lad 11 Przekszta lcenia liniowe a macierze

Tydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

W poszukiwaniu kszta ltów kulistych

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 14 Cia la i ich w lasności

c n (z z 0 ) n (2) Powiemy, że szereg Laurenta (2) jest zbieżny, jeśli każdy z szeregów zdefiniowanych w (1) jest f(z). Sume

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Dyskretne modele populacji

Kombinacje liniowe wektorów.

1 Nierówność Minkowskiego i Hoeldera

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

Przeliczalność, kresy, bijekcje Javier de Lucas

Funkcje wielu zmiennych

Funkcje dwóch zmiennych, pochodne cząstkowe

c a = a x + gdzie = b 2 4ac. Ta postać wielomianu drugiego stopnia zwana jest kanoniczna, a wyrażenie = b 2 4ac wyróżnikiem tego wielomianu.

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Liczby naturalne i ca lkowite

Funkcje dwóch zmiennych

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

1. Granice funkcji - wstępne definicje i obliczanie prostych granic

1 Pochodne wyższych rzędów

2. Definicja pochodnej w R n

Rys Mo liwe postacie funkcji w metodzie regula falsi

Pojȩcie przestrzeni metrycznej

MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE

w = w i ξ i. (1) i=1 w 1 w 2 :

Teoretyczne podstawy programowania liniowego

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

SZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA

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

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

Wykłady... b i a i. i=1. m(d k ) inf

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

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Wyk lad 1 Podstawowe struktury algebraiczne

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji

Transkrypt:

Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y x 4 + y 2. Rozwi azanie: Musimy zdefiniować funkcjȩ f w postaci w taki sposób, że f (x, y) = { x 2 y 2, x 2 +y 2 (x, y), k, (0, 0). f (0, 0) = k (x,y) (0,0) dla pewnej liczby k. Krótko mówi ac, poprzednia definicja mówi nam, że wartość funkcji f zd aża do k wzd luż każdej możliwej drogi do zera. Natomiast, widać na pierwszym rysunku, że jeżeli d ażymy do zera wzd luż linii x = 0, wartość funkcji zd aża do i jeżeli d ażymy do zera wzd luż linii y = 0, to wartość funkcji zd aża do : Wiȩc, ta funkcja nie wygl ada na ci ag l a, ale trzeba to udowodnić. Ponadto, nie zawsze mamy wykres funkcji. Wiȩc, musimy podać metodȩ aby ustalić czy funkcja może być ci ag la.

Kiedy myśy, że funkcja nie bȩdzie ci ag la lub nie wiemy wcale co może siȩ zdarzyć, naj latwiej bȩdzie sprawdzić kilka warunków koniecznych dla ci ag lości funkcji. Najpierw, sprawdzamy granice iterowane. Jeżeli funkcja jest ci ag la w punkcie (0, 0), to istniej a granice f (x, y) = x 0 y 0 y 0 x 0 f (x, y) = f (0, 0). Jeżeli granice funkcji f nie istniej a lub nie s a sobie równe, to funkcja nie może być ci ag la. Geometrycznie, granica iterowana f x 2 y 2 (x, y) = x 0 y 0 x 2 + y = x 2 2 x 0 x = 2 wskazuje do której wartości f d aży gdy najpierw y d aży do zera i potem x d aży do zera. Geometrycznie, granica iterowana f (x, y) = x 2 y 2 x 0 x 2 + y = 2 y 0 y 0 y 2 y 2 = wskazuje do której wartości f d aży gdy najpierw x d aży do zera i potem y d aży do zera. Na wykresie widać, że granice iterowane nie s a sobie równe, ponieważ wartość funkcji f d aży do innych wartości kiedy d ażymy do zera wzd luż poprzednich dróg. Zatem, nie możemy zdefiniować f w taki sposób, że funkcja f bȩdzie ci ag la. Sprawdzamy teraz trzeci a funkcjȩ. Znowu, musimy ustalić czy możemy ustalić k w taki sposób, że {, (x, y), x f 3 (x, y) = 4 +y 2 k, (0, 0).

i Znowu, korzystamy z granic iterowanych: f 3(x, y) = x 4 + y 2 = y 0 0 = 0 f 3(x, y) = x 0 y 0 x 4 + y = 0 = 0. 2 x 0 Granice iterowane istniej a i s a sobie równe. Widać, że jeżeli funkcja f 3 ma być ci ag la, to ma być f 3 (0, 0) = 0. Natomiast, to nie zagwarantuje, że f 3 jest ci ag la. Aby to zagwarantować, musimy sprawdzić kolejny warunek konieczny: granice wzd luż linii. Jeżeli funkcja f 3 jest ci ag la w (0, 0), to f 3(x, y) = f 3 (0, 0) = 0, y=λx,x 0 f 3(x, y) = f 3 (0, 0) = 0, λ R. x=λy,y 0 Widać, że i f 3(x, y) = y=λx,x 0 f 3(x, y) = x=λy,y 0 y=λx,x 0 x=λy,y 0 x 4 + y 2 = x 4 + y 2 = y=λx,x 0 x=λy,y 0 λx 3 (x 2 + λ 2 )x 2 = y=λx,x 0 λy 3 ( + λ 4 y 2 )y 2 = x=λy,y 0 λ ( + λ 2 ) x = 0. λ ( + λ 4 y 2 ) y = 0. To jeszcze nie oznacza, że granica istnieje. Te warunki nie mog a udowodnić, że funkcja jest ci ag la. Z teoretycznego punktu widzenia, to s a warunki konieczne, aby funkcja f 3 by la ci ag la. Z praktycznego punktu widzenia, korzystamy z nich, aby udowodnić, że jakiś warunek nie spe lnia siȩ i funkcja nie jest ci ag la. Mówi ac inaczej, to s a warunki aby udowodnić, że funkcja nie jest ci ag la. Kolejnym warunkiem do sprawdzenia, jest sprawdzenie, czy wartość funkcji f 3 d aży do zera wzd luż parabol, czyli Widać, że to nie spe lnia siȩ f 3 (x, y) = 0, y=λx 2,x 0 f 3 (x, y) = 0. x=λy 2,y 0 λx 4 f 3 (x, y) = y=λx 2,x 0 x 0 x 4 + λ 2 x = 4 λ + λ 2. Wiȩc, funkcja f 3 nie jest ci ag la ponieważ granica zależy od λ.

Szczerze mówi ac, widać od samego pocz atku, że tak mia lo być. Funkcja f 3 poza zerem jest taka, że jeżeli y = λx 2 to licznik i mianownik s a wielomianami gdzie każdy wyraz jest czwartego stopnia (mówi siȩ że wielomiany s a jednorodne). W takim przypadku, rzadko siȩ zdarza, że funkcja jest ci ag la. Zbadamy teraz funkcjȩ f 2 (x, y). Najpierw, sprawdzamy granice iterowane, wzd luż linii i paraboli. Z drugiej strony f 2(x, y) = x 0 y 0 f 2(x, y) = x 2 + y 2 = x 0 0 = 0. x 2 + y 2 = y 0 0 = 0. f 2(x, y) = x 0 y 0 x 2 + y = 0 = 0. 2 x 0 f 2(x, y) = x 2 + y 2 = y 0 0 = 0. Widać, że w każdym przypadku, granice istniej a i s a takie same. W takim przypadku, chyba czas aby ustalić, czy funkcja jest ci ag la. Musimy udowodnić, że ɛ > 0, δ > 0, (x, y) (0, 0) < δ f 2 (x, y) f 2 (0, 0) < ɛ. (.) Warto przypominać, że to czȩsto jest skomplikowane. Lepiej zajmować si a tym, tylko gdy myśy, że funkcja ma być ci ag la, np. po sprawdzeniu granic iterowanych, itd. Aby udowodnić, że (2.) spe lnia siȩ, musimy szukać takiej δ, że f 2 (x, y) f 2 (0, 0) < ɛ dla danego ɛ > 0. Trzeba zauważyć, ż e ogólnie δ zależy od ɛ. Teraz mamy zagwarantować, że f 2 (x, y) < ɛ, ponieważ f 2 (0, 0) = 0. Aby to zrobić, postȩpujemy zawsze tak samo. Ograniczamy f 2 (x, y) za pomoc a funkcji, która zależy tylko od x 2 + y 2. Zobaczmy jak. f 2 (x, y) = x2y x 2 + y 2.

Widać, że xy (x 2 + y 2 )/2, faktycznie (x y) 2 0 x 2 + y 2 2xy x 2 + y 2 2xy ponieważ x 2 + y 2 0. Korzystaj ac z tego mamy, że Teraz, trzeba pamiȩtać, że Wiȩc, f 2 (x, y) = 2 xy2 x 2 + y 2(x2 + y 2 ) y 2 y. 2 x 2 + y 2 y, x x 2 + y 2. f 2 (x, y) = 2 xy2 x 2 + y 2 2(x2 + y 2 ) x 2 + y 2 y 2 y 2 x 2 + y 2. Ograniczyliśmy f 2 za pomoc a funkcji 2 x 2 + y 2 która tylko zależy od x 2 + y 2. Korzystaj ac z tego, widać, że jeżeli x 2 + y 2 < δ to f 2 (x, y) 2 x 2 + y 2 < 2δ. Skoro δ musimy ustalić dla pewnej ɛ > 0, to możemy ustalić, że δ < ɛ/2 i wtedy f 2 (x, y) 2 x 2 + y 2 < 2δ < ɛ. Ćwiczenie 2. Sprawdzić istnienie i ewentualnie obliczyć granice (x,y) (0,0) + x2 y 2 x 2 + y 2, (x,y) (0,0) ( + x2 y 2 ) x 2 +y 2, ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2.

Rozwi azanie: Mamy, że + x2 y 2 x 2 + y 2 = Zatem (x,y) (0,0) ( + 2 ) (x 2 + y 2 )( + 2 + ) = 2 (x 2 + y 2 )( + 2 + ). + x2 y 2 x 2 + y 2 = (x,y) (0,0) Jak w poprzednim zadaniu, musimy sprawdzić, czy 2 (x 2 + y 2 )( + 2 + ). ɛ > 0, δ > 0, 0 < (x, y) (0, 0) < δ f 2 (x, y) k < ɛ. (2.) dla pewnej liczby k. Proszȩ zauważyć, że powyższa definicja jest niezależna od wartości w punkcie (0, 0) ponieważ tylko musimy zbadać gdy 0 < (x, y) (0, 0) < δ. Aby sprawdzić ci ag lość w poprzednim zadaniu, mieliśmy (x, y) (0, 0) < δ. Jakkolwiek, sprawdzamy (2.) jak wcześniej. Aby ustalić k możemy sprawdzić granice iterowane. S a latwe do obliczenia i jeżeli granica istnieje, ich wartość ma być wartości a granicy funkcji. W naszym przypadku mamy x 0 y 0 + x2 y 2 x 2 + y 2 = x 0 x 2 = 0. Trzeba ograniczyć 2 (x 2 + y 2 )( + 2 + ). Jak wcześniej, xy (x 2 + y 2 )/2. Zatem 2 (x 2 + y 2 )( + 2 + ) (x 2 + y 2 ) 2 4(x 2 + y 2 )( + 2 + ) = (x 2 + y 2 ) 4( + 2 + ). Widać, że + 2 + 2, zatem

2 (x 2 + y 2 )( + 2 + ) (x2 + y 2 ). 8 Jeżeli (x, y) < δ, to 2 (x 2 + y 2 )( + 2 + ) (x2 + y 2 ) < δ 8 8. Jeżeli ustalamy δ < 8ɛ, wiȩc, 2 (x 2 + y 2 )( + 2 + ) (x2 + y 2 ) 8 < ɛ. Poprzednia metoda jest czȩsto bardzo wolna. Jeżeli to możliwe, lepiej korzystać z innych metod. Na przyk lad, za pomoc a twierdzenia trzech ci agów. Skoro xy (x 2 + y 2 )/2 i ( + 2 ) mamy, że Z twierdzenia trzech ci agów Widać, że funkcja ( + 2 ) x 2 +y 2 ( + (x 2 + y 2 ) 2 /4) x 2 +y 2. ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) ( + (x 2 + y 2 ) 2 /4) zależy tylko od h = x 2 + y 2. Wiȩc, można obliczyć ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) x 2 +y 2 To zwyk la granica jednej zminnej typu liczby e: h 0 ) /h ( + h2 = 4 h 0 [ ( ) 4 + h2 4 x 2 +y 2 = h 0 ( + h 2 /4) /h. ] h 2 h 2 4 h x 2 +y 2. = e h 0 h2 4h =.

Z tego wynika, że ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 ( + (x,y) (0,0) (x2 + y 2 ) 2 /4) x 2 +y 2 =. i ( + (x,y) (0,0) x2 y 2 ) x 2 +y 2 =. W ostatnim przypadku, widać, że granica ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2. To granica jednej zmiennej: ( + (x,y) (0,0) x2 + y 2 ) x 2 +y 2. = h 0 ( + h) h = e. Ćwiczenie 3. Niech T : R n R m bȩdzie odwzorowaniem liniowym o macierzy [t i j] w bazach kanonicznych. Wyznaczyć T jeśli (a) w R n x = x + + x n zaś w R m x = max i=...m x i, (b) w obu przestrzeniach x = max i x i. Rozwi azanie: Jėzeli (R n, n ) i (R m, m ) s a przestrzeniami unormowymi, norma operatora liniowego T : R n R m siȩ zdefiniuje jako T = sup T x m. x n= Aby t lumaczyć geometryczne znaczenie tej definicji, podamy nastȩpuj acy przyk lad. Niech T : R 2 R 2 bedzie operatorem liniowym w bazach kanoniczych postaci [ ] 2 2. (3.)

Wektory jednostkowe w R 2 nastȩpuj acego obszaru ze wzglȩdu na (x, y) = x + y s a na brzegu Obrazy tych wektorów s a na brzegu obszaru W tej przestrzeni zdefiniujemy normȩ (x, y) = max( x, y ), czyli norma wektora (x, y) to najwiȩksza wartość wszglȩdna wsród wsp lórzȩdnych wektora (x, y). Widać, że dla naszego operatora, najwiȩksza norma wektora T x, dla x 2 =, to 2. Wiȩc, T = 2. Możemy obliczyc normȩ T z inn a norm a w jego dziedzinej (x, y) = max( x, y ) w R 2. W tym przypadku, wektory które maj a normȩ w R 2 ze wzglȩdu na (x, y) = x + y s a na brzegu nastȩpuj acego obszaru

Obrazy tych wektorów s a na brzegu obszaru Widać, że najwiȩksza norma tych wektorów to 4. Zatem, T = 4. Teraz obliczymy normȩ ogólnego operatora T : R n R m. Zaczynamy zbadaj ac operator T dla (x,..., x n ) n = n i= x i i (x,..., x m ) m = max i=,...,m x i. Aby ustalić T najpierw udowodnimy, że T można ograniczyć przez pewn a sta l a k i pożniej, że T x m = k dla pewnego wektora x R n z x n =. W tym sposob, otrzymamy, że T = k. Korzystaj ac z nierówności trójk atowej mamy, że T x m = t i jx j = max m j= i=,...,m j= t i jx j max i=,...,m t i jx j. j= Mamy, że t i j max t i j. i=,...,n j=,...,m

Z tego wynika, że dla x n = to T x m max t i j max i=,...,n i=,...,m j=,...,m j= Ponadto, jeżeli i 0 i j 0 s a takie, że to możemy zdefiniować wektor postaci x j = max t i j i=,...,n j=,...,m x j = j= t i 0 j0 = max t i j, i=,...,n j=,...,m x 0 = [0,..., j 0,..., 0] T. max i=,...,n j=,...,m Wtedy x 0 = i T x 0 m = max t i jx j 0 i=,...,n = max i=,...,n ti j 0 = t i 0 j0. j= t i j x n = max t i j. i=,...,n j=,...,m Skoro T x m max i=,...,n t i j dla każdego x spe lniaj acego, że x n = i T x 0 m = j=,...,m max i=,...,n t i j to j=,...,m T = max t i j. i=,...,n j=,...,m Widać w naszym pierwszym przyk ladzie, że norma macierzy (3.) to 2, czyli najwiȩksza wartość wspó lczynników T w naszej bazie. Obliczmy teraz T kiedy mamy tak a sam a normȩ x = max i x i w R n i R m. Jak wcześniej, aby ustalić wartosć T najpierw udowodnimy, że T jest ograniczona przez pewn a sta l a k i pożniej, że T x m = k dla pewnego wektora x R n. W tym sposób, otrzymamy, że T = k. Mamy, że T x m = t i jx j = max m j= i=,...,m j= t i jx j max i=,...,m t i jx j j= Mamy, że x i max i=,...,n xi.

Z tego wynika, że dla x n = to T x m max i=,...,n xi max Ponadto, jeżeli i 0 jest taki, że t i 0 j = max j=,...,n i=,...,m j=,...,n i=,...,m j=,...,n Teraz możemy zdefiniować wektor postaci Wtedy x 0 n = i t i j = max t i j T max i=,...,m j=,...,n i=,...,m j=,...,n x 0 = [sign[t i 0 ], sign[t i 0 2 ],...,..., sign[t i 0 n ]] T. t i j. t i j = j=,...,n t i 0 j. T x 0 m = max t i jx j 0 i=,...,m j= j= t i 0 j x j 0 = t i 0 j T x 0 m = j= t i 0 j. j= Ponieważ T x m to t i 0 j, i T x 0 m = t i 0 j. j= j= T = max i=,...,m j=,...,n t i j. Dla macierzy (3.) zauważaliśmy, że T = 4, to w lasnie max i=,...,m j=,...,n ti j.