Σημειώσεις Μαθηματικών Μεθόδων. Οικονομικό Πανεπιστήμιο Αθηνών

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Σημειώσεις Μαθηματικών Μεθόδων. Οικονομικό Πανεπιστήμιο Αθηνών"

Transcript

1 Σημειώσεις Μαθηματικών Μεθόδων Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών Φεβρουαρίου 08

2

3 Κεφάλαιο Το Μιγαδικό Εκθετικό Είναι γνωστό ότι η εκθετική συνάρτηση e x έχει το ανάπτυγμα Taylor e x = + x + x! + x3 3! + x4 4! + () Επίσης, οι τριγωνομετρικές συναρτήσης έχουν αναπτύγματα Taylor cos x = x! + x4 4! x6 6! +, () sin x = x x3 3! + x5 5! x7 7! + (3) Οι παραπάνω σειρές συγκλίνουν x R Η άπειρη σειρά () μας επιτρέπει να επεκτείνουμε τον ορισμό της εκθετικής συνάρτησης από τους πραγματικούς στους μιγαδικούς αριθμούς ως εξής: Για κάθε z C ορίζουμε k=0 n=k e z := + z + z! + z3 3! + z4 4! + (4) Η σειρά αυτή συγκλίνει για κάθε z C Στη συνέχεια ϑα δείξουμε ότι, για κάθε z, z C, e z +z = e z ez Πράγματι e z +z = n! (z + z ) n ( ) n = z k n! k = k!(n k)! zk zn k n=0 n=0 k=0 n=0 k=0 = z k z n k k!(n k)! zk zn k = k! (n k)! = ez e z Η σειρά (4) μας επιτρέπει να δώσουμε νόημα και στην ποσότητα e ix όπου x R Λαμβάνοντας υπόψη ότι k=0 i = i 5 = i 9 = i 3 =, = i = i 6 = i 0 =, i = i 3 = i 7 = i =, = i 0 = i 4 = i 8 = i = 3 n=k

4 έχουμε e ix = + ix + i x = + i3 x 3 3! + i4 x 4 4!! ( x! + x4 4! x6 6! + x8 8! απ όπου παίρνουμε την ϑεμελιώδη σχέση + i5 x 5 + i6 x 6 ) 5! 6! + i + i7 x 7 7! + i8 x 8 8! (x x3 3! + x5 5! x7 7! + + ) e ix = cos x + i sin x (5) που ονομάζεται τύπος του Euler Θέτοντας x = π παίρνουμε e iπ + = 0 Παρόμοια βλέπουμε για παράδειγμα ότι e i π = i, e i π 4 = + i, ei π 3 = + i 3 Παρατηρείστε από τον τύπο του Euler ότι ο e ix είναι (για x R) πάντα μιγαδικός αριθμός μοναδιαίου μέτρου εφ όσον e ix = cos x + i sin x = cos x + sin x = Επίσης, για k Z, από τον τύπο του Euler βλέπουμε ότι e ix = e i(x+kπ) = e ix e kπi = e ix (cos kπ + i sin kπ) = e ix Πολική Μορφή των Μιγαδικών Αριθμών Εστω z = a + ib ένας μιγαδικός αριθμός (a, b R) Το μέτρο του z είναι z = a + b και επομένως ( ) a b z = z + i = z (cos θ + i sin θ) = z e iθ (6) a + b a + b θ είναι η μοναδική γωνία στο διάστημα [0, π) που ικανοποιεί τις σχέσεις cos θ = a a + b, sin θ = b a + b Αν z = r e iθ, z = r e iθ, r i 0, θ i [0, π), i =,, τότε z z = r r e i(θ +θ ) z, = r e i(θ θ ) z r n-οστές Ρίζες της Μονάδας Η εξίσωση z n =, n N, έχει n ρίζες στο σύνολο των μιγαδικών αριθμών C: e i kπ n, k = 0,,,, n Για παράδειγμα, όταν n = 3, οι ρίζες είναι e 0 =, e i π 3 = cos π 3 + i sin π 3 = 3 + i, 4π ei 3 = cos 4π 3 Για n = 4 οι ρίζες είναι e 0 =, e i π = i, e iπ =, e i 3π 4 = i 4 4π + i sin 3 = 3 i

5 Τύπος του de Moivre Εστω n N και θ R Από τον τύπο του Euler έχουμε cos nθ + i sin nθ = e inθ = ( e iθ) n = (cos θ + i sin θ) n Για παράδειγμα από τον τύπο του de Moivre παίρνουμε cos 3θ + i sin 3θ = (cos θ + i sin θ) 3 = cos 3 θ + 3i cos θ sin θ 3 cos θ sin θ i sin 3 θ Επομένως έχουμε cos 3θ = cos 3 θ 3 cos θ sin θ = 4 cos 3 θ 3 cos θ, sin 3θ = 3 cos θ sin θ sin 3 θ = 3 sin θ 4 sin 3 θ 5

6 6

7 Κεφάλαιο Γραμμικοί Μετασχηματισμοί Πίνακες ως Αναπαραστάσεις Γραμμικών μετασχηματισμών ως προς Συγκεκριμένες Βάσεις Εστω U, V δύο γραμμικοί χώροι με βαθμωτά μεγέθη στο R Μια συνάρτηση f : U V ονομάζεται γραμμική αν για κάθε u, w U και α, β R ισχύει ότι f (αu + βw) = α f (u) + β f (w) Εστω ότι η διάσταση του U είναι n και η διάσταση του V είναι m Εστω επίσης ότι {e,, e n } είναι μια βάση του U και {f,, f m } μια βάση του V Εστω x = n j= x j e j και y = f (x) Τότε, λόγω της γραμμικότητας της f, f (x) = f ( n j= x j e j ) = n j= x j f (e j ) () Αφού f (e j ) V, ισχύει ότι f (e j ) = m i= b i j f i για j =,,, n Συνεπώς αντικαθιστώντας στην () έχουμε y = f (x) = n j= x m j i= b i j f i = m i= f n i j= b i j x j () Αν η αναπαράσταση του y ως προς την βάση του V είναι y = m i= y i f i (3) τότε συγκρίνοντας τα δεξιά μέρη της () και της (3) έχουμε m i= y i f i = m i= f i n j= b i j x j απ όπου προκύπτει ότι y i = n j= b i j x j (4) 7

8 Συνεπώς χρησιμοποιώντας τον συμβολισμό των πινάκων μπορούμε να γράψουμε ότι y b b b n x y b b b n x y m = b m b m b mn Αν με b j συμβολίσουμε την j στήλη του ανωτέρω m n πίνακα, δηλαδή b j b j b j = b m j, x n (5) τότε η εξίσωση (5) γράφεται και ως y = x j b j j= Ο πίνακας B = b b b n b b b n b m b m b mn εκφράζει την αναπαράσταση του γραμμικού μετασχηματισμού f : U V ως προς τις βάσεις {e j ; j =,, n} του V και {f i ; i =,, m} του V Πίνακες Αλλαγής Βάσης Εστω U ένας γραμμικός χώρος διάστασης n με βαθμωτά μεγέθη στους πραγματικούς αριθμούς και {e,, e n } μια βάση του χώρου αυτού Κάθε x U εκφράζεται τότε με μοναδικό τρόπο ως γραμμικός συνδιασμός των στοιχείων της βάσης: x = n j= x j e j Τα x j, j =,, n, είναι οι συνιστώσες του x ως προς την βάση {e,, e n } Εστω τώρα {a,, a n } μια άλλη βαση του U και έστω a j = a k j e k, j =,, n (6) k= η αναπαράσταση του a j ως προς την βάση {e,, e n } Εφόσον τα {a j } αποτελούν βάση του U μπορούμε αντίστροφα να εκφράσουμε με μοναδικό τρόπο τα στοιχεία της αρχικής βάσης, {e j }, ως προς την νέα βάση και συνεπώς υπάρχουν {c ji } τέτοια ώστε e i = n j= c ji a j, i =,, n (7) 8

9 Αντικαθιστώντας την (6) στην (7) παίρνουμε e i = n j= c ji n k= a k j e k = n k= e k n j= a k j c ji, i =,, n απ όπου προκύπτει, λόγω της γραμμικής ανεξαρτησίας των {e j }, ότι n j= a k j c ji = { αν k = i 0 αν k i Επομένως, αν A = [a i j ] και C = [c i j ], τότε AB = I ή ισοδύναμα C = A (8) Εστω x = n k= x k e k και x = n j= ξ j a j η αναπαράσταση του x V ως προς τις δύο βάσεις Χρησιμοποιώντας την (6) έχουμε x = n j= ξ j n i= a k j e k = n k= x k e k ή, ισοδύναμα, απ όπου προκύπτει ότι n k= e k n j= ξ j a k j = n k= x k e k x k = a k j ξ j, j= i =,,, n ή x x x n = a a a n a a a n a n a n a nn ξ ξ ξ n (9) Ισοδύναμα, αφού A = C, ξ ξ ξ n = c c c n c c c n c n c n c nn x x x n (0) 3 Αλλαγή Βάσης σε Γραμμικούς Μετασχηματισμούς Ας υποθέσουμε τώρα ότι U είναι ένας γραμμικός χώρος διάστασης n με βαθμωτά μεγέθη στον R και f : U U ένας γραμμικός μετασχηματισμός στον U Εστω {e j ; j =,, n} 9

10 μια βάση του U και B ο πίνακας n n ο οποίος εκφράζει τον μετασχηματισμό f ως προς αυτή την βάση Συγκεκριμένα, τα στοιχεία του πίνακα B είναι οι συντεταγμένες των f (e j ) ως προς την βάση {e j }, δηλαδή f (e j ) = b i j e i, j =,, n i= Λέμε ότι ο πίνακας B είναι η αναπαράσταση του γραμμικού μετασχηματισμού f ως προς την βάση {e j } Με παρόμοιο τρόπο, ο πίνακας B είναι η αναπαράσταση του ίδιου γραμμικού μετασχηματισμού ως προς την βάση {a j } και f (a j ) = b i j a i, j =,, n () i= Χρησιμοποιώντας την a j = n k= a k j e k στην παραπάνω σχέση παίρνουμε και f (a j ) = b i j a i = i= i= b i j a i j f (e i ) = i= a ki e k = k= i= a i j Από τις (), () και (3) προκύπτει ότι b ki a i j = i= a ki b i j i= k= e k b ki e k = k= a ki b i j () i= k= e k για κάθε k, j a i j b ki (3) ή ισοδύναμα BA = AB Επομένως οι πινακες B και B που αναπαριστούν τον γραμμικό μετασχηματισμό f ως προς τις βάσεις {e j } και {a j } συνδέονται μεταξύ τους με την σχέση i= B = A BA (4) όπου ο πίνακας A είναι ο πίνακας αλλαγής βάσης (δείτε τις σχέσεις (9), (0)) Δύο πίνακες B και B οι οποίοι συνδέονται με μια σχέση της μορφής (4) ονομάζονται όμοιοι 4 Μεταθέσεις Μια μετάθεση σ n διατεταγμέων στοιχείων είναι μια αναδιάταξη των στοιχείων αυτών Ενας πιο αυστηρός ορισμός είναι ο εξής Μετάθεση του συνόλου {,,, n} είναι μια αμφιμονοσήμαντη απεικόνιση του συνόλου αυτού στον εαυτό του, δηλαδή μια συνάρτηση σ με πεδίο ορισμού το {,,, n} και πεδίο τιμών το ίδιο σύνολο τέτοια 0

11 ώστε σ(i) σ( j) όταν i j, i, j =,, n Την μετάθεση σ αναπαριστάνουμε σχηματικά ως i n σ() σ(i) σ(n) Μια πιο συνοπτική αναπαράσταση για την μετάθεση αυτή είναι η (σ(),, σ(i),, σ(n)) Για παράδειγμα η μετάθεση ( ) μπορεί να αναπαρασταθεί και ως (, 4,, 3) μια και η πρώτη γραμμή στον παραπάνω πίνακα είναι προφανής Ορισμός Εστω (i, i,, i n ) μια μετάθεση του συνόλου (,,, n) Θα λέμε ότι η μετάθεση έχει μια αντιστροφή ϑέσης (r, s) με r < s n αν i r > i s Μια μετάθεση που έχει περιττό αριθμό αντιστροφών ονομάζεται περιττή ενώ μια μετάθεση που έχει άρτιο αριθμό αντιστροφών ονομάζεται άρτια Για παράδειγμα η (4, 3, 5,, ) έχει 3 αντιστροφές ως προς το πρώτο στοιχείο της, ως προς το δεύτερο, ως προς το τρίτο και ως προς το τέταρτο Συνεπώς έχει συνολικά 8 αντιστροφές και είναι άρτια Ορισμός Μια εναλλαγή της ϑέσης δύο στοιχείων, i r, i s, μιας μετάθεσης (i,, i n ) ονομάζεται αντιμετάθεση: Με την αντιμετάθεση αυτή, η (i,, i r,, i s,, i n ) γίνεται (i,, i s,, i r,, i n ) Τα στοιχεία i r και i s εναλλάσουν τις ϑέσεις τους ενώ όλα τα υπόλοιπα τις διατηρούν Μια αντιμετάθεση δύο γειτονικών στοιχείων ονομάζεται γειτονική αντιμετάθεση Θεώρημα Μια αντιμετάθεση μετατρέπει μια περιττή μετάθεση σε άρτια και αντιστρόφως Απόδειξη Εστω (i,, i n ) μια μετάθεση n στοιχείων Μια γειτονική αντιμετάθεση των στοιχείων i r και i r+ δεν επηρρεάζει σε τίποτε τον αριθμό των αντιστροφών των στοιχείων i,, i r όπως και των στοιχείων i r+,, i n Αν i r < i r+ τότε η αντιμετάθεση τους αυξάνει τον αριθμό των αντιστροφών του i r+ κατά ενώ αφήνει τον αριθμό των αντιστροφών του i r αναλλοίωτο Αν i r > i r+ τότε η αντιμετάθεσή τους μειώνει τον αριθμό των αντιστροφών του i r κατά ενώ αφήνει τον αριθμό των αντιστροφών του i r+ αναλλοίωτο Και στις δύο περιπτώσεις ο συνολικός αριθμός αντιστροφών όλων των στοιχείων μεταβάλλεται κατά μία μονάδα, είτε αυξάνεται είτε μειώνεται Συνεπώς μια άρτια μετάθεση ϑα γίνει περιττή και αντίστροφα Στην γενική περίπτωση τα στοιχεία i r, i s δεν είναι γειτονικά και έστω ότι μεσολαβούν m στοιχεία μεταξύ τους Χρειάζονται τότε m + γειτονικές αντιμεταθέσεις για να προχωρήσουμε το i r μέχρι τη ϑέση s που κατείχε αρχικά το i s Στη συνέχεια χρειαζόμαστε m γειτονικές αντιμεταθέσεις για να πάμε πίσω το i s στη ϑέση r που κατείχε

12 το i r Συνεπώς συνολικά χρειάζονται m + γειτονικές αντιμεταθέσεις για να αντιμετα- ϑέσουμε τα i r, i s Αν k από αυτές αυξάνουν τον αριθμό των αντιστροφών κατά και l από αυτές μειώνουν τον συνολικό αριθμό των αντιστροφών κατά τότε η συνολική μεταβολή του αριθμού των αντιστροφών είναι k l Ισχύει ότι k + l = m + και συνεπώς k l = m l + Επομένως βλέπουμε ότι η συνολική μεταβολή του αριθμού των αντιστροφών είναι περιττός αριθμός και κατά συνέπεια, αν η μετάθεςη ήταν αρχικά άρτια ϑα γίνει περιττή και αντίστροφα Ορισμός 3 Η ορίζουσα ενός πίνακα A, n n ορίζεται ως det A = sign(σ)a σ() a σ() a nσ(n) (5) σ όπου το άθροισμα λαμβάνεται πάνω σε όλες τις μεταθέσεις, σ, του συνόλου {,,, n} και sign(σ) = + αν η μετάθεση είναι άρτια ενώ sign(σ) = αν είναι περιττή 5 Αλγεβρικά συμπληρώματα, Αντίστροφοι πίνακες και το ϑεώρημα του Cramér Εστω A τετραγωνικός πίνακας n n με στοιχεία (a i j ) Θα συμβολίσουμε με M i j τον πίνακα που προκύπτει από τον A αν διαγράψουμε την γραμμή i και την στήλη j Θέτουμε A i j := ( ) i+ j det(m i j ) Ο πίνακας με στοιχεία A i j ονομάζεται κλασσικός συζηγής (adjoint) του πίνακα A και συμβολίζεται ως adj(a) Η ορίζουσα του πίνακα A υπολογίζεται ως det(a) = a i j A i j (6) j= Η παραπάνω σχέση ισχύει για οποιοδήποτε i =,,, n Ισχύει ότι A adj(a) T = det(a) I (7) Πράγματι, το στοιχείο i j του γινομένου των δύο πινάκων δίνεται από την σχέση a ik A jk = k= det(a) αν i = j 0 αν i j (8) Αν i j τότε η έκφραση (8) είναι ίση με την ορίζουσα ενός πίνακα που προκύπτει αν η γραμμή j του A αντικατασταθεί από την γραμμή i Συνεπώς αφού πρόκειται για

13 ένα πίνακα με δύο ίδιες γραμμές η ορίζουσα αυτού του πίνακα είναι μηδέν Αν i = j τότε η έκφραση (8) είναι ίση με det(a) Η σχέση (7) σημαίνει ότι, αν det(a) 0 τότε ο A υπάρχει και δίδεται από την A = det(a) adj(a)t (9) Υπό την προϋπόθεση ότι det(a) 0 το γραμμικό σύστημα Ax = b έχει μοναδική λύση x = A b ή x = det(a) adj(a)t b (0) 5 Συμπαράγοντες και ορίζουσες Εστω A πίνακας n n και det A = a a a j a n a a a j a n a i a i a i j a in a n a n a n j a nn Από τις ιδιότητες των οριζουσών έχουμε det A = a a a a j a n a i a i a i j a in a n a n a n j a nn + a a a a j a n a i a i a i j a in a n a n a n j a nn + +a j a a a j a n a i a i a i j a in a n a n a n j a nn + + a n a a a j a n a i a i a i j a in a n a n a n j a nn 3

14 και επομένως, πολλαπλασιάζοντας την πρώτη γραμμή κατάλληλα και αφαιρώντας από τις υπόλοιπες παίρνουμε a a j a n a det A = a 0 a j a n 0 a i a i j a in + a a i 0 a i j a in + 0 a n a n j a nn a n 0 a n j a nn a a 0 a n a +a a a j 0 j a i a i 0 a in + + a n a i a i a i j 0 () a n a n 0 a nn a n a n a n j 0 Η τυπική ορίζουσα στην παραπάνω εξίσωση, όπου η j στήλη έχει στην πρώτη ϑέση και 0 στις άλλες γράφεται, μετά από εναλλαγές στηλών, ως a a 0 a n a a a n a i a i 0 a in = ( ) j 0 a i a i a in = ( ) j det M j a n a n 0 a nn 0 a n a n a nn όπου M j είναι ο πίνακας που προκύπτει από τον A όταν διαγράψουμε την γραμμή και την στήλη j Γενικά, ο πίνακας που προκύπτει από τον A όταν διαγράφουμε την γραμμή i και την στήλη j συμβολίζεται με M i j Η ποσότητα A i j := ( ) i+ j det M i j ονομάζεται συμπαράγοντας του στοιχείου a i j Με βάση τις παραπάνω παρατηρήσεις η () γίνεται det A = a A + a A + + a n A n () Η παραπάνω έκφραση ονομάζεται ανάπτυγμα της ορίζουσας σε συμπαράγοντες ως προς την πρώτη γραμμή Με τον ίδιο τρόπο μπορεί κανείς να δώσει το ανάπτυγμα της ορίζουσας σε συμπαράγοντες ως προς οποιαδήποτε γραμμή ή και στήλη Ισχύει επομένως ότι det A = = a i j A i j, i =,,, n (3) j= a i j A i j, j =,,, n (4) i= Θεώρημα Εστω A μη ιδιόμορφος πίνακας n n Ο αντίστροφος πίνακας εκφράζεται ως προς τους συμπαράγοντες με τον ακόλουθο τρόπο Αν A = C τότε c i j = (det A) A ji, 4

15 δηλαδή A = C = det A A A A i A n A A A i A n A j A j A i j A n j (5) A n A n A in A nn Απόδειξη Παρατηρείστε ότι το στοιχείο i j του γινομένου CA είναι το [CA] i j = c ik a k j = (det A) k= A ki a k j (6) k= Οταν i = j η παραπάνω έφραση δίνει (det A) A ki a ki = (7) k= λόγω της (4) Οταν i j η έκφραση a j A i + a j A i + + a n j A ni ισούται με το μηδέν επειδή εκφράζει την ορίζουσα ενός πίνακα που προκύπει από τον πίνακα A αν αντικαταστήσουμε την στήλη i με την στήλη j έτσι ώστε η στήλη j να εμφανίζεται δύο φορές ενώ η στήλη i καμμία Θεώρημα 3 (Cramér) Εστω A μη ιδιόμορφος πίνακας n n και b διάνυσμα στον R n Το γραμμικό σύστημα Ax = b ή a x + a x + + a i x i + + a n x n = b a x + a x + + a i x i + + a n x n = b a n x + a n x + + a ni x i + + a nn x n = b n έχει μοναδική λύση της οποίας η συνιστώσα i δίδεται από το ακόλουθο πηλίκο οριζουσών a a,i b a,i+ a n a a,i b a,i+ a n x j = det A a i a i,i b i a i,i+ a in (8) a n a n,i b n a n,i+ a nn 5

16 Απόδειξη Εστω a i = (a i, a i,, a ni ) T το διάνυσμα στήλης υπ αριθμόν i =,, n και b = (b, b,, b n ) T Το σύστημα μπορεί να γραφεί ως a x + a x + + a i x i + + a n x n = b Αν A = [a,, a i,, a n ] είναι ο πίνακας του συστήματος, det A = det[a,, a i,, a n ] Εξετάζουμε τώρα την ορίζουσα det[a,, b,, a n ] η οποία προκύπτει αν αντικαταστήσουμε την στήλη a i με την στήλη b det[a,, b,, a n ] = det[a,, a x + a x + + a i x i + + a n x n,, a n ] = x k det[a,, a k,, a n ] = x i det[a,, a i,, a n ] k= Συνεπώς x i det[a,, a i,, a n ] = det[a,, b,, a n ] 6 Ορίζουσες Vandermonde Εστω x i, i =,,, x n πραγματικοί (ή μιγαδικοί) αριθμοί Η ορίζουσα V n (x,, x n ) = x x x 3 x n x x x 3 xn x n x n x n 3 xn n (9) ονομάζεται ορίζουσα Vandermonde Η τιμή της υπολογίζεται εύκολα από το ακόλουθο επιχείρημα Ας ϑέσουμε στη ϑέση του x n την μεταβλητή x V n (x,, x n ) = x x x 3 x x x x 3 x x n x n x n 3 x n (30) Αναπτύσοντας την ορίζουσα ως προς την τελευταία στήλη βλέπουμε ότι η V n (x,, x n, x) είναι ένα πολυώνυμο ως προς x βαθμού (το πολύ) n Βλέπουμε επίσης ότι, για x = x i, i =,, n, η ορίζουσα (30) μηδενίζεται και επομένως πρέπει να έχει την μορφή V n (x,, x n, x) = C(x,, x n )(x x ) (x x n ) (3) 6

17 Για να προσδιορίσουμε την τιμή της σταθεράς C(x,, x n ) ϑέτουμε x = 0 στην (3) και την (30) και έχουμε x x x 3 0 ( ) n C(x,, x n )x x n = x x x 3 0 x n x n x n x x x 3 0 = x x x 3 0 x n x n x n 3 0 x x x 3 x n = ( ) n x x x 3 x n x n x n x n 3 x n n = ( ) n x x x n x x 3 x n x n x n x n 3 x n n = ( ) n x x n V n (x,, x n ) Από τα παραπάνω βλέπουμε ότι C(x,, x n ) = V n (x,, x n ) Επομένως, ϑέτοντας x = n n στην (3) και λαμβάνοντας υπ όψιν τα παραπάνω έχουμε n V n (x,, x n, x n ) = V n (x,, x n ) (x n x i ) (3) Εφαρμόζοντας το παραπάνω επιχείρημα αναδρομικά έχουμε V n (x,, x n ) = (x j x i ) (33) i< j n Επομένως βλέπουμε ότι η ορίζουσα Vandermonde είναι μηδέν αν και μόνο αν x i = x j για κάποιο i j i= 7 Γραμμικές Αναδρομικές Εξισώσεις Μια εξίσωση της μορφής x n+k + a x n+k + + a k x n = b n, n = 0,,,, (34) 7

18 ονομάζεται γραμμική αναδρομική σχέση τάξης k Οι συντελεστές a i, i =,, k είναι δεδομένες συναρτήσεις του n και το δεξί σκέλος, b n, είναι μια δεδομένη συνάρτηση του n Τυπικά, οι αρχικές συνθήκες x 0, x,, x k είναι δεδομένες και από αυτές και την (34) οι τιμές x n, x n+, x n+, προσδιορίζονται αναδρομικά Αν η b n είναι μηδέν για κάθε n η εξίσωση (34) ονομάζεται ομογενής άλλως ο- νομάζεται μη ομογενής Αν οι συντελεστές a i δεν εξαρτώνται από το n τότε έχουμε μια γραμμική αναδρομική εξίσωση με σταθερούς συντελεστές Αυτές είναι οι εξισώσεις που, όπως ϑα δούμε, επιλύονται εύκολα σε κλειστή μορφή 7 Ομογενείς γραμμικές αναδρομικές σχέσεις τάξης k με σταθερούς συντελεστές Θεωρούμε την ομογενή γραμμική αναδρομική σχέση τάξης k x n+k + a x n+k + + a k x n = 0, n = 0,,,, (35) με αρχικές συνθήκες x 0, x,, x k δεδομένα (36) Οι συντελεστές a i, i =,, k είναι πραγματικές (ή μιγαδικές) Αν {x n ; n N}, {y n ; n N} είναι δύο ακολουθίες που ικανοποιούν την (35) (αλλά όχι υποχρεωτικά τις αρχικές συνθήκες) τότε εύκολα βλέπουμε ότι η ακολουθία {rx n + sy n ; n N}, όπου r, s R, επίσης ικανοποιεί την (35), λόγω γραμμικότητας Πράγματι, αρκεί να γράψουμε x n+k + c x n+k + + c k x n = 0, y n+k + c y n+k + + c k y n = 0, να πολλαπλασιάσουμε την πρώτη εξίσωση με r, την δεύτερη με s και να προσθέσουμε κατά μέλη για να πάρουμε rx n+k + sy n+k + c (rx n+k + sy n+k ) + + c k (rx n + sy n ) = 0 Βλέπουμε κατά συνέπεια ότι το σύνολο των ακολουθιών που είναι λύσεις της αναδρομικής σχέσης (35) αποτελούν ένα γραμμικό υπόχωρο του συνόλου όλων των ακολου- ϑιών Στη συνέχεια ϑα δούμε ότι ο υπόχωρος αυτός έχει πεπερασμένη διάσταση και ϑα βρούμε μια βάση γι αυτόν Πράγματι, παρατηρείστε ότι οποιαδήποτε λύση {x n ; n N} της (35) προσδιορίζεται με μοναδικό τρόπο από τις πρώτες n αρχικές τιμές x 0, x,, x k Κατά συνέπεια, λόγω της γραμμικότητας των λύσεων αρκεί να εξετάσουμε τις k ϑεμελιώδεις λύσεις, {ξ i n}, που αντιστοιχούν στις αρχικές συνθήκες ξ i j = 0 για j = 0,,, i, i +,, k, ξ i i =, για 8

19 i = 0,,, k Η λύση της (35) με αρχικές συνθήκες (36) δίνεται τότε ως ο γραμμικός συνδιασμός των ϑεμελιωδών λύσεων x n = k i=0 x i ξ i n, n = 0,,, (37) Από τα παραπάνω καθίσταται σαφές ότι ο γραμμικός χώρος των λύσεων της (35) είναι ένας γραμμικός υπόχωρος διάστασης k του γραμμικού χώρου όλων των ακολου- ϑιών με μιγαδικά στοιχεία και ότι οι ακολουθίες {ξ i n}, i = 0,,, k, αποτελούν μια βάση γι αυτό τον υπόχωρο Ας δοκιμάσουμε τώρα να βρούμε λύσεις της (35) που να έχουν την μορφή x n = λ n, n = 0,,,, όπου λ είναι ένας πραγματικός ή μιγαδικός αριθμός κατάλληλα επιλεγμένος Για να είναι η x n όπως την ορίσαμε λύση ϑα πρέπει λ n+k + a λ n+k + + a k λ n = 0 Αφού δεν μας ενδιαφέρει η τετριμμένη λύση που αντιστοιχεί στην επιλογή λ = 0, διαιρώντας με λ n παίρνουμε την λ k + a λ k + a λ k + + a k = 0 (38) Η (38) ονομάζεται χαρακτηριστική εξίσωση της αναδρομικής σχέσης (35) και είναι βαθμού k Συνεπώς έχει k ρίζες, πραγματικές ή μιγαδικές Οι μιγαδικές ρίζες βεβαίως, αν υπάρχουν, εμφανίζονται σε ζεύγη συζυγών αριθμών όταν οι συντελεστές του πολυωνύμου στην (38) είναι πραγματικοί αριθμοί Αν λ i, i =,,, k είναι οι k ρίζες της (38) τότε η γενική λύση της (35) δίδεται από την x n = k i= c i λ n i, n = 0,,, (39) όπου c i είναι σταθερές Οι σταθερές αυτές μπορούν να προσδιορισθούν έτσι ώστε η {x n } να ικανοποιεί τις αρχικές συνθήκες Για το σκοπό αυτό τα c i ϑα πρέπει να επιλεγού έτσι ώστε να ισχύουν οι c + c + c k = x 0 c λ + c λ + + c k λ k = x c λ + c λ + + c k λ k = x c λ k + c λ k + + c k λ k k = x k, 9

20 ή, σε μορφή πινάκων, λ λ λ k λ λ λ k λ k λ k λ k k c c c k = x 0 x x k (40) Παρατηρείστε ότι η ορίζουσα του παραπάνω πίνακα είναι ακριβώς η ορίζουσα Vandermonde που είναι διαφορετική από το 0 υπό την προϋπόθεση ότι λ i λ j όταν i j και κατά συνέπεια το σύστημα (40) έχει μοναδική λύση Συνεπώς υπάρχει μια μοναδική λύση της (35) που ικανοποιεί τις αρχικές συνθήκες (36) και αυτή δίνεται από την (39) με τιμές των σταθερών c i που προκύπτουν από τη λύση του συστήματος (40) 8 Πολλαπλές Ρίζες Εδώ ϑα εξετάσουμε την περίπτωση που οι ρίζες της χαρακτηριστικής εξίσωσης (38) δεν είναι όλες διακριτές Ας ϑεωρήσουμε κατ αρχή την αναδρομική σχέση x n+ ρx n+ + ρ x n = 0, x 0, x δεδομένα, (4) ρ R (Η (4) είναι ουσιαστικά η γενική περίπτωση μιας αναδρομικής σχέσης που έχει χαρακτηριστική εξίσωση με διπλή ρίζα, ρ R \ {0} Δύο διαφορετικές λύσεις στην περίπτωση αυτή είναι οι ρ n και nρ n Πράγματι (n + )ρ n+ ρ(n + )ρ n+ + ρ nρ n = ρ n+ ((n + ) (n + ) + nρ) = 0 Η γενική λύση είναι x n = C ρ n +C nρ n, n = 0,,, Οι σταθερές C, C προσδιορίζονται από το σύστημα x 0 = C, x = ρ(c + C ) Γενικά, αν η εξίσωση (38) έχει την ρ C \ {0} m πλή ρίζα (m k) τότε στην ρίζα αυτή αντιστοιχούν οι εξής m ανεξάρτητες λύσεις: ρ n, nρ n, n ρ n,, n m ρ n Παράδειγμα: Εστω η αναδρομική σχέση x n+4 5x n+3 +9x n+ 7x n+ +x n = 0 με x 0, x, x, x 3 δεδομένα Η χαρακτηριστική εξίσωση είναι λ 4 5λ 3 + 9λ 7λ + = (λ ) 3 (λ ) = 0 Η γενική λύση είναι x n = C + C n + C 3 n + C 4 n, n = 0,,,, και οι σταθερες προσδιορίζονται από το σύστημα x 0 = C +C 4, x = C +C +C 3 +C 4, x = C +C +4C 3 +4C 4, x 3 = C +3C +9C 3 +8C 4 0

21 9 Οι αριθμοί Fibonacci Μια από τις διασημότερες αναδρομικές σχέσεις είναι αυτή που δίνει τους αριθμούς Fibonacci Η σχέση αυτή είναι η μαζί με τις αρχικές συνθήκες F n+ = F n+ + F n, n =, 3,, (4) F 0 = 0, F = (43) Στην παραπάνω σχέση F n είναι ο n οστός αριθμός Fibonacci και ο τρόπος που οι αριθμοί αυτή προσδιορίζονται αναδρομικά είναι σαφής: F = F + F 0 = + 0 =, F 3 = + =, F 4 = 3, F 5 = 5, F 6 = 8, F 7 = 3 κοκ Παρότι ο διαδοχικός υπολογισμός είναι απλούστατος μας ενδιαφέρει να γνωρίζουμε αν υπάρχει μια έκφραση, σαν συνάρτηση του n η οποία να προσδιορίζει απ ευθείας τον n οστό αριθμό Fibonacci Μια τέτοια έκφραση ϑα μας έδινε για παράδειγμα μια σαφή εικόνα για τον ρυθμό αύξησης των αριθμών αυτών Ας ξαναγράψουμε την (4) στη μορφή F n+ F n+ F n = 0 (44) Θα ονομάζουμε μια τέτοια σχέση ομογενή γραμμική αναδρομική σχέση δεύτερης τάξης με γραμμικούς συντελεστές Η λέξη ομογενής αναφέρεται στο γεγονός ότι το δεξί σκέλος της αναδρομικής σχέσης, όταν είναι γραμμένη μ αυτό τον τρόπο, είναι 0 Αντίθετα η αναδρομική σχέση F n+ F n+ F n = n (45) είναι μη ομογενής Αν {x n }, {y n }, είναι δυο ακολουθίες που ικανοποιούν μια ομογενή γραμμική αναδρομική σχέση όπως η (44) τότε κάθε γραμμικός συνδιασμός τους, όπως για παράδειγμα ο z n := ax n + by n επίσης ικανοποιεί την αναδρομική σχέση Μια μέθοδος που μας επιτρέπει να βρούμε τις λύσεις μια ομογενούς γραμμικής αναδρομικής σχέσης με σταθερούς συντελεστές όπως η (4) είναι να δοκιμάσουμε λύσεις της μορφής λ n όπου το λ ϑα προσδιορισθεί κατάλληλα Αντικαθιστώντας την προτεινόμενη λύση στην (44) έχουμε ή Η παραπάνω εξίσωση έχει δύο λύσεις, τις λ n+ λ n+ λ n = 0 λ λ = 0 Η γενική λύση είναι λ = + 5, λ = 5 F n = C λ n + C λ n (46)

22 και οι δύο σταθερές, C, C, μπορούν να επιλεγούν έτσι ώστε να ικανοποιούνται οι αρχικές συνθήκες Θέτοντας n = 0 και n = στην (46) και λαμβάνοντας υπ όψιν μας τις αρχικές συνθήκες έχουμε 0 = C + C, = C λ + C λ ή απ όπου έχουμε C (λ λ ) = και συνεπώς F n = C = n 5 n (47) Παρατηρείστε ότι για μεγάλες τιμές του n μόνο ο πρώτος όρος μέσα στην παρένθεση είναι σημαντικός Ο δεύτερος τείνει γρήγορα στο μηδέν αφού κατ απόλυτη τιμή είναι μικρότερος της μονάδας 0 Γραμμικά Δυναμικά Συστήματα Η αναδρομική σχέση (34) γράφεται ισοδύναμα ως x n+ x n+ x n+3 x n+k x n+k = a k a k a k a a x n x n+ x n+ x n+k x n+k b n (48) ή, ισοδύναμα όπου A := x n+ = Ax n + b n, n = 0,,,, x 0 δεδομένο (49) a k a k a k a a, x n := x n x n+ x n+ x n+k x n+k, b n := b n, n = 0,,,

23 Επομένως η λύση προκύπτει αναδρομικά ως εξής: x = Ax 0 + b 0, x = Ax + b = A x 0 + Ab 0 + b, x 3 = Ax + b 3 = A 3 x 0 + A b 0 + Ab + b, n x n = A n x 0 + A n i b i (50) i=0 Στην περίπτωση της ομογενούς εξίσωσης, b n = 0 για κάθε n και συνεπώς x n = A n x 0, n = 0,,, (5) Επίλυση αναδρομικών εξισώσεων με την βοήθεια γεννητριών συναρτησεων Εστω {a n }, n = 0,,, μια ακολουθία πραγματικών αριθμών Η γεννήτρια συνάρτηση που αντιστοιχεί στην ακολουθία είναι η συνάρτηση που ορίζεται μέσω της εξής δυναμοσειράς: A(z) := a n z n (5) Είναι προφανές ότι σε κάθε ακολουθία αντιστοιχεί μια και μοναδική πιθανογεννήτρια Ισχύει όμως και το αντίστοιχο: Σε κάθε πιθανογεννήτρια συνάρτηση αντιστοιχεί μια και μοναδική ακολουθία {a n } Αυτό προκύπτει παραγωγίζοντας k φορές την πιθανογεννήτρια και υπολογίζοντας την παράγωγο που προκύπτει για z = 0 Πράγματι, d k A(z) = dz k n=k n(n ) (n k + )z n k d a n και k A(z) dz = k!a k k Συνεπώς z=0 a k := k! n=0 d k dz A(z) k, k = 0,,, (53) z=0 Η παραπάνω σχέση προσδιορίζει με μοναδικό τρόπο την ακολουθία {a n } από την πιθανογεννήτρια Γενικά, η δυναμοσειρά της εξίσωσης (5) ϑεωρείται ως συμβολική έκφραση το οποίο σημαίνει ότι δεν χρειάζεται να ασχοληθούμε με ζητήματα σύγκλισης Για τους σκοπούς μας όμως είναι απλούστερο να την ϑεωρήσουμε ως μια δυναμοσειρά με συντελεστές στους πραγματικούς αριθμούς η οποία συγκλίνει σε ένα διάστημα γύρω από το μηδέν (ή ενδεχομένως για όλους τους πραγματικούς αριθμούς) και ορίζει μια πραγματική συνάρτηση 3

24 Ας δούμε τα ακόλουθα παραδείγματα: Αν a n = c n, n = 0,,,, όπου c δεδομένος πραγματικός αριθμός, n=0 A(z) = c n z n = n=0 Αν a n = n, n = 0,,,, ( ) A(z) = nz n = z nz n = z = z n= Η σειρά συγκλίνει για z < cz c z Η σειρά συγκλίνει για z < ( z) 3 Αν A(z) = z να βρεθεί η ακολουθία στην οποία η γεννήτρια συνάρτηση αντιστοιχεί Θα μπορούσαμε να χρησιμοποιήσουμε την σχέση (53) Είναι όμως ευκολότερο z z να χρησιμοποιήσουμε ανάλυση σε απλά κλάσματα και την πιθανογεννήτρια του παραδείγματος ως εξής: Ο παρονομαστής της A(z) γράφεται ως (z )(z + ) και επομένως έχουμε την ανάλυση σε απλά κλάσματα z (z )(z + ) = A z + B z + Συνεπώς A(z + ) + B(z ) = z (για κάθε z) και επομένως A =, B = Επομένως 3 3 A(z) = 3 z + 3 z + = ( 3 + z ) z = ( ) n 3 ( ) n z n z n n=0 n=0 ( ) ( ) n n = z n 3 n=0 Συνεπώς a n = ( )n n, n =,, Παρατηρείστε ότι στον παραπάνω υπολογισμό 3 χρησιμοποιήσαμε το αποτέλεσμα του παραδείγματος με c = και c = / Παραδείγματα x n+ + ax n = 0, x 0 δεδομένο Αυτή είναι μια ομογενής γραμμική αναδρομική σχέση πρώτης τάξης που μπορεί να λυθεί άμεσα Παρ όλα αυτά είναι ενδιαφέρον να εφαρμόσουμε τη γενική μεθοδολογία Η χαρακτηριστική εξίσωση είναι λ+a = 0 και επομένως η γενική λύση είναι x n = c ( a) n Εχουμε ακόμη x 0 = c ( a) 0 και επομένως c = x 0 Συνεπώς η λύση της αναδρομικής σχέσης που ικανοποιεί την αρχική συνθήκη είναι η x n = x 0 ( a) n x n+ + x n+ + x n = 0, x 0 = 0, x = Στην περίπτωση αυτή εφαρμόζουμε την γενική μεθοδολογία ως εξής: Η χαρακτηριστική εξίσωση είναι λ + λ + = 0 με ρίζες 4

25 λ, = ±i 3 Η γενική λύση ϑα έχει επομένως την μορφή x n = c λ n + c λ n σταθερές c, c, προσδιορίζονται από τις σχέσεις όπου οι από τις οποίες έχουμε ότι c + i 3 Επομένως x n = i 3 3 x 0 = 0 = c + c x = = c + i 3 i 3 = c i 3 = (( i 3 ) n ( ) n ) +i 3 + c i 3 και συνεπώς c = i για n = 0,,, 3 3 3, c = i 3 Η έκφραση αυτή μπορεί +i 3 να απλοποιηθεί αν λάβουμε υπ όψιν μας ότι = e i π 3, i 3 = e i 4π 3 Επομένως x n = i ( ) 3 3 e i 4nπ 3 e i nπ 3 Διακρίνουμε τρεις περιπτώσεις ανάλογα με το υπόλοιπο του n όταν τον διαιρέσουμε με το 3 3 ( n = 3k : x 3k = i e i4kπ e ikπ) = 0, 3 3 ( ) n = 3k + : x 3k = i e i4kπ+i 4π 3 e ikπ+i π 3 =, 3 3 ( ) n = 3k + : x 3k = i e i4kπ+i 8π 3 e ikπ+i 4π 3 = 3 Ασκήσεις Άσκηση Χρησιμοποιείστε τις βασικές ιδιότητες της ορίζουσας για να υπολογίσετε τις b a a a t t a b a a t 3 4 a a b a, t t t t a a a b t t, t 3 t t 3 5 (Η τελευταία ορίζουσα μπορεί να υπολογισθεί μετασχηματίζοντας τον πίνακα σε άνω τριγωνικό) Άσκηση Θεωρήστε την αναδρομική σχέση x n+ = x n+ x n, n = 0,,, με αρχικές συνθήκες x 0 = 0, x = Να υπολογίσετε τον γενικό όρο της ακολουθίας 5

26 Άσκηση 3 Θεωρήστε τον πίνακα α) Είναι ο A ϑετικά ορισμένος; β) Ποιες είναι οι ιδιοτιμές; γ) Να διαγωνιοποιήσετε τον A A = Άσκηση 4 Να βρείτε τις ιδιοτιμές και τα ιδιοδιανύσματα του πίνακα 0 0 A = Να δείξετε ότι ο πίνακας μηδενίζει το χαρακτηριστικό του πολυώνυμο Μηδενίζει και πολυώνυμο μικρότερου βαθμού; 6

27 Κεφάλαιο 3 Ιδιοδιανύσματα και Ιδιοτιμές 3 Ερμιτιανοί Πίνακες Η πλήρης μελέτη του προβλήματος των ιδιοδιανυσμάτων και των ιδιοτιμών μπορεί να γίνει με τον πιο φυσικό τρόπο στον γραμμικό χώρο C n Υπενθυμίζουμε ότι αν x, y είναι δύο διανύσματα σ αυτό τον χώρο, το εσωτερικό τους γινόμενο ορίζεται ως (x, y) = n i= x i ȳ i Αν x, y, z C n και α C τότε ισχύει ότι (x + y, z) = (x, z) + (y, z), (x, y) = (y, x), (αx, y) = α(x, y) Από αυτές τις σχέσεις προκύπτει επίσης εύκολα ότι (x, y + z) = (x, z) + (y, z), (x, αy) = ᾱ(x, y) Η νόρμα ενός διανύσματος ορίζεται ως x = (x, x) = n i= x i Επίσης, με R(z) συμβολίζουμε το πραγματικό μέρος του μιγαδικού αριθμού z ενώ με I(z) το φανταστικό Ετσι έχουμε z = R(z) + ii(z) Θεώρημα 4 Το εσωτερικό γινόμενο ικανοποιεί την εξής ταυτότητα, γνωστή και ως νόμο του συνημιτόνου x + y = x + R(x, y) + y Απόδειξη Εχουμε ότι x + y = (x + y, x + y) = (x, x) + (y, x) + (x, y) + (y, y) = x + ( (x, y) + (x, y) ) + y = x + R(x, y) + y, 7

28 όπου στην τελευταία σχέση χρησιμοποιήσαμε το γενογός ότι για οποιοδήποτε z C z + z = R(z) Εστω ο n n πίνακας A = [a i j ] με στοιχεία στον C Ο συζυγής ανάστροφος του πίνακα A είναι ο πίνακας A = (A T ) (3) με στοιχεία a i j = ā ji Αν ο A είναι πραγματικός τότε A = A T Αν ισχύει ότι A = A τότε ο A ονομάζεται ερμιτιανός (hermitian, προς τιμήν του Γάλλου μαθηματικού Hermite) Η σκοπιμότης του παραπάνω ορισμού φαίνεται από το γεγονός ότι ο συζυγής ανάστροφος είναι εκείνος ο πίνακας για τον οποίο Πράγματι, αν ισχύει η (3) τότε (Ax, y) = (x, A y) για κάθε x, y, στο C n (3) (Ax, y) = = (Ax) i ȳ i = a i j x j ȳ i = i= i= j= x j (A y) j = (x, A y) j= x j y i ā i j j= i= Αντίστροφα, αν ισχύει η (3) διαλέγουμε x = e i, y = e j όπου e i = (0,,, 0) T το μοναδιαίο διάνυσμα στην κατεύθυνση i, και έχουμε ότι (Ae i, e j ) = a ji ενώ (e i, A e j ) = (a i j ) Από αυτό συνάγουμε ότι a i j = (a ji) Ενας πίνακας B ονομάζεται αντιερμιτιανός αν B = B Κάθε τετραγωνικός πίνακας C μπορεί να γραφεί ως C = A + ib όπου ο A είναι ερμιτιανός και ο B αντιερμιτιανός Για να διαπιστώσουμε αυτή την πρόταση αρκεί αν ϑέσουμε A = (C + C ) και B = i (C C ) Το χαρακτηριστικό πολυώνυμο ενός τετραγωνικού, n n πίνακα A, είναι το πολυώνυμο det(λi A) το οποίο εύκολα (με επαγωγή) μπορεί να δει κανείς ότι είναι n οστού βαθμού Ενας μιγαδικός αριθμός λ ονομάζεται ιδιοτιμή του πίνακα A αν υπάρχει μη μηδενικό διάνυσμα x C n τέτοιο ώστε Ax = λx (33) Οι ρίζες του χαρακτηριστικού πολυωνύμου είναι προφανώς οι ιδιοτιμές του A αφού det(λi A) = 0 αν και μόνο αν ο πίνακας A λi είναι ιδιόμορφος, αν δηλαδή υπάρχει μη μηδενικό διάνυσμα x τέτοιο ώστε (A λi)x = 0 Δεδομένου ότι, σύμφωνα με το ϑεμελιώδες ϑεώρημα της άλγεβρας, κάθε πολυώνυμο βαθμού n στο C έχει ακριβώς n ρίζες, 8

29 μετρώντας και την πολλαπλότητα, συμπεραίνουμε ότι το χαρακτηριστικό πολυώνυμο γράφεται ώς k det(λi A) = (λ λ i ) r i όπου λ i λ j όταν i j και r i είναι φυσικοί τέτοιοι ώστε r + +r k = n Ο r i ονομάζεται αλγεβρική πολλαπλότητα της ιδιοτιμής λ i Θεώρημα 5 Αν x,, x k είναι k ιδιοδιανύσματα που αντιστοιχούν σε διαφορετικές ιδιοτιμές, λ,, λ k (με λ i λ j όταν i j) τότε τα x i είναι γραμμικά ανεξάρτητα i= Απόδειξη Θα προχωρήσουμε με απαγωγή εις άτοπον Εστω ότι τα k ιδιοδιανύσματα δεν είναι γραμμικά ανεξάρτητα Τότε υπάρχει φυσικός m k τέτοιος ώστε τα x, x,, x m να είναι γραμμικά ανεξάρτητα αλλά τα x, x,, x m, x m+ να μην είναι (Ενδέχεται βέβαια το m να είναι ίσο με ) Επομένως, υπάρχουν c i, όχι όλα ίσα με το μηδέν, τέτοια ώστε c x + + c m x m + c m+ x m+ = 0 (34) Από την παραπάνω σχέση έχουμε επίσης ότι 0 = A(c x + + c m x m + c m+ x m+ ) = c λ x + + c m λ m x m + c m+ λ m+ x m+ (35) Πολλαπλασιάζοντας την (34) με λ m+ και αφαιρώντας από την (35) παίρνουμε 0 = c (λ λ m+ )x + + c m (λ m λ m+ )x m Αφού οι ιδιοτιμές είναι διαφορετικές μεταξύ τους, λ i λ m+ 0 για i =,,, m, και συνεπώς τα x,, x m είναι γραμμικά εξαρτημένα, όπερ άτοπον Άμεση συνέπεια του ϑεωρήματος αυτού είναι ότι αν ένας πίνακας n n έχει n διαφορετικές ιδιοτιμές, τότε έχει και n γραμμικά αναξέρτητα ιδιοδιανύσματα, x,, x n Αν M = [x x n ] ο πίνακας που έχει ως στήλες τα ιδιοδιανύσματα αυτά, τότε AM = [Ax Ax n ] = [λ x λ n x n ] = MΛ όπου λ Λ = διαγώνιος πίνακας με διαγώνια στοιχεία τις ιδιοτιμές του A Αφού τα n ιδιοδιανύσματα είναι γραμμικά ανεξάρτητα ο πίνακας M είναι αναστρέψιμος και η παραπάνω σχέση γράφεται επίσης ως A = MΛM ή ισοδύναμα M AM = Λ Αυτό σημαίνει ότι ο A είναι όμοιος με ένα διαγώνιο πίνακα 9 λ n

30 Θεώρημα 6 Αν ο A είναι ερμιτιανός τότε έχει πραγματικές ιδιοτιμές Αυτό ισχύει φυσικά και στην ειδική περίπτωση που ο A είναι πραγματικός, συμμετρικός πίνακας Απόδειξη Εστω λ μια ιδιοτιμή του A με αντίστοιχο ιδιοδιάνυσμα x Επομένως x Ax = λx x ή λ = x Ax x Τότε Ax = λx Αρκει να δείξουμε ότι λ = λ το οποίο ισχύει αφού x Ax = x A x = x Ax και συνεπώς τόσο ο αριθμητής όσο και ο παρονομαστής είναι πραγματικοί αριθμοί Οπως είδαμε, για έναν οποιοδήποτε πίνακα, ιδιοδιανύσματα που αντιστοιχούν σε διαφορετικές ιδιοτιμές είναι γραμμικά ανεξάρτητα Αν ο πίνακας είναι ερμιτιανός (ή συμμετρικός, στην πραγματική περίπτωση) τότε ιδιοδιανύσματα που αντιστοιχούν σε διαφορετικές ιδιοτιμές είναι ορθογώνια μεταξύ τους Θεώρημα 7 Αν ο A είναι ερμιτιανός και x i, x j, είναι ιδιοδιανύσματα που αντιστοιχούν σε δύο διαφορετικές ιδιοτιμές λ i, λ j τότε (x i, x j ) = 0 Απόδειξη Ισχύει ότι Ax i = λ i x i και επομένως xi A = λ ixi (όπου χρησιμοποιήσαμε το γεγονός ότι A = A και οι ιδιοτιμές είναι πραγματικές) Πολλαπλασιάζοντας με x j έχουμε xi Ax j = λ i xi x j Δεδομένου ότι Ax j = λ j x j έχουμε επίσης ότι xi Ax j = λ j xi x j Από τις δύο αυτές σχέσεις συμπεραίνουμε ότι (λ i λ j )xi x j = 0 και αφού λ i λ j τα δύο ιδιοδιανύσματα πρέπει να είναι ορθογώνια Πόρισμα Αν ο A είναι ερμιτιανός και έχει n διαφορετικές ιδιοτιμές τότε υπάρχει ορθομοναδιαίος πίνακας U τέτοιος ώστε AU = UΛ και επομένως A = UΛU Υπενθυμίζουμε ότι ένας πίνακας U ονομάζεται ορθομοναδιαίος αν U U = I αυτή την περίπτωση ισχύει επίσης ότι UU = I καθώς και ότι U = U Λήμμα Ενας n n πίνακας U διατηρεί αναλοίωτα τα μήκη αν και μόνο αν διατηρεί αναλλοίωτα τα εσωτερικά γινόμενα δηλαδή Ux = x για κάθε x C n αν και μόνο αν (Ux, Uy) = (x, y) x, y Σ Απόδειξη Αν (Ux, Uy) = (x, y) x, y, τότε ϑέτωντας y = x έχουμε Ux = x Για να δείξουμε το αντίστροφο επισημαίνουμε ότι x + y = x + y + R(x, y) x + y = x + y + I(x, y) R(x, y) = ( x + y x y ), (36) I(x, y) = ( x + iy x y ) (37) 30

31 Η σχέση (36) προκύπτει κατ ευθείαν από τον νόμο του συνημιτόνου ενώ η (37) από τον νόμο του συνημιτόνου για το διάνυσμα x + iy λαμβάνοντας υπ όψιν ότι R(x, iy) = R( i(x, y)) = R( i(r(x, y) + ii(x, y))) = R( ir(x, y) + I(x, y)) = I(x, y) Παρόμοια έχουμε και τις σχέσεις R(Ux, Uy) = ( U(x + y) Ux Uy ), (38) I(Ux, Uy) = ( U(x + iy) Ux Uy ) (39) Εφ όσον ο U διατηρεί τα μήκη, το δεξί μέλος της (36) είναι ίσο με το δεξί μέλος της (38) και το δεξί μέλος της (37) ίσο με το δεξί της (39) Αλλά αυτό σημαίνει ότι R(Ux, Uy) = R(x, y) και I(Ux, Uy) = I(x, y) που σημαίνει ότι (Ux, Uy) = (x, y) 3 Κανονικοί Πίνακες Οπως είδαμε, οι ερμιτιανοί πίνακες έχουν διάσπαση της μορφής A = UΛU (30) όπου U ορθομοναδιαίος πίνακας και Λ διαγώνιος Υπάρχουν βεβαίως και άλλοι πίνακες, μη ερμιτιανοί, για τους οποίους ισχύει η παραπάνω διάσπαση Θέλουμε να βρούμε ένα χαρακτηρισμό για την κλάση των πινάκων για τη οποία ισχύει η διάσπαση της μορφής (30) Παρατηρείστε ότι η (30) γράφεται και ως Au i = λ i u i όπου U = [u u n ], u i u j = δ i j και οι ιδιοτιμές λ i δεν είναι υποχρεωτικά διαφορετικές μεταξύ τους Συνεπώς, η κλάση που ζητάμε είναι η κλάση των πινάκων για τους οποίους μπορούμε να επιλέξουμε ένα πλήρες σετ από ορθογώνια ιδιοδιανύσματα Ο λόγος για την προσεκτική αυτή διατύπωση οφείλεται στο γεγονός ότι, όταν ο πίνακας έχει ιδιοτιμές με αλγεβρική πολλαπλότητα μεγαλύτερη της μονάδας τότε η διάσταση του ιδιοχώρου που αντιστοιχεί στις συγκεκριμένες ιδιοτιμές μπορεί να είνα μεγαλύτερη της μονάδας Σ αυτή την περίπτωση η ορθογωνιότητα των ιδιοδιανυσμάτων είναι και ζήτημα επιλογής Για παράδειγμα για τον πίνακα μπορούμε να επιλέξουμε τρία ορθογώνια ιδιοδιανύσματα, τα (, 0, 0) T, (0,, 0) T και (0, 0, ) T Δεν είναι όμως τα μόνα Θα μπορούσαμε, για παράδειγμα, να επιλέξουμε και τα (, 0, 0) T, (0, /, / ) T και (0, /, / ) T τα οποία είναι επίσης ορθογώνια ή ακόμη και τα (, 0, 0) T, (0, /, / ) T και (0, 0, ) T τα οποία είναι μεν γραμμικά ανεξάρτητα δεν είναι όμως ορθογώνια Στη συνέχεια ϑα δείξουμε ότι Ο συμβολισμός δ i j το οποίο είναι αν i = j και 0 αν i j ονομάζεται δέλτα του Kroneker 3

32 Θεώρημα 8 Εστω H ένας n n ερμιτιανός πίνακας με ιδιοτιμές λ,, λ n (όχι υποχρεωτικά διαφορετικές μεταξύ τους) Τότε ο H έχει ιδιοδιανύσματα u,, u n με Hu j = λ j u j, j =,,, n και U HU = Λ όπου U = [u u n ] και Λ = λ λ n Για την απόδειξη του ϑεωρήματος ϑα χρειαστούμε το εξής Λήμμα Αν ένας πίνακας A απεικονίζει έναν υπόχωρο L d του C n με διάσταση d στον εαυτό του τότε ο A έχει ένα ιδιοδιάνυσμα στον L d Απόδειξη Αν ο L d έχει διάσταση d, έστω b,, b d μια βάση του Τα Ab j είναι γραμμικοί συνδυασμοί των b,, b d δηλαδή Ab j = m j b + m j b + + m d j b d ή A[b b d ] = BM όπου M = m m m d m m m d m d m d m dd Το χαρακτηριστικό πολυώνυμο det(λi M) = 0 έχει τουλάχιστον μια ρίζα (από το ϑεμελιώδες ϑεώρημα της άλγεβρας) και συνεπώς ο πίνακας M έχει τουλάχιστον ένα ιδιοδιάνυσμα My = λy, y 0 Αφού AB = BM, A(By) = BMy = B(λy) = λby Η τελευταία σειρά από ισότητες δείχνει ότι το By είναι ιδιοδιάνυσμα του A με ιδιοτιμή λ Επίσης το By προφανώς ανήκει στον L d αφού είναι γραμμικός συνδυασμός των στηλών του πίνακα B Τέλος, By 0 αφού y 0 και οι στήλες του B είναι γραμμικά ανεξάρτητες Απόδειξη του Θεωρήματος Από το ϑεμελιώδες ϑεώρημα της άλγεβρας, ο πίνακας H έχει ιδιοδιάνυσμα u που αντιστοιχεί σε κάποια ιδιοτιμή λ Εστω ότι έχουμε βρεί k ορθογώνια μοναδιαία ιδιοδιανύσματα u,, u k με k n Ορίζουμε L n k τον γραμμικό υπόχωρο που είναι ορθογώνιος στα u,, u k Αφού ο H είναι ερμιτιανός, ϑα δούμε ότι απεικονίζει τον L n k στον εαυτό του: Αν (x, u j ) = 0 όπου Hu j = λ j u j τότε (Hx, u j ) = (x, Hu j ) = (x, λ j u j ) = λ j (x, u j ) = 0 Με βάση το λήμμα, ο H έχει ιδιοδιάνυσμα στον L n k, έστω u k+ το οποίο εξ ορισμού είναι ορθογώνιο στα u,, u k και το οποίο μπορούμε να το επιλέξουμε ώστε να είναι μοναδιαίο Η διαδικασία αυτή επαναλαμβάνεται όσο k < n Ορισμός 4 Ενας πίνακας N ονομάζεται κανονικός (normal) αν αντιμετατίθεται με τον συζυγή ανάστροφό του, αν δηλαδή NN = N N 3

33 Είναι εύκολο να διαπιστώσουμε ότι ένας πίνακας που ικανοποιεί την (30) είναι κανονικός αφού ενώ AA = (UΛU )(UΛU ) = UΛU UΛ U = UΛΛ U A A = (UΛU ) (UΛU ) = UΛ U UΛU = UΛ ΛU Οι δύο εκφράσεις όμως είναι ίσες αφού ΛΛ = Λ Λ = λ λ n Ποιό δύσκολο είναι να δειξουμε το αντίστροφο, δηλαδή ότι αν ένας πίνακας είναι κανονικός τότε διαγωνοποιείται με ένα ορθομοναδιαίο πίνακα δηλαδή ικανοποιεί την (30) Αυτό είναι το περιεχόμενο του ακόλουθου ϑεωρήματος Θεώρημα 9 Ενας πίνακας N ικανοποιεί την (30) αν και μόνο αν είναι κανονικός 33 Κανονική Μορφή του Schur Θεώρημα 0 Κάθε τετραγωνικός πίνακας μπορεί να αναχθεί σε άνω τριγωνικό μέσω ενός ορθομοναδιαίου μετασχηματισμού: P AP = T, όπου t i j = 0 όταν j < i Οι ιδιοτιμές του A βρίσκονται στη διαγώνιο του T Η διάσπαση αυτή ονομάζεται διάσπαση κατά Schur Αν ο A και οι ιδιοτιμές του είναι πραγματικές, ό P είναι επίσης πραγματικός και επομένως το ίδιο είναι και ο T Απόδειξη Εστω λ μια ιδιοτιμή του A με αντίστοιχο ιδιοδιάνυσμα x Θεωρούμε οτι x = και συμπληρώνουμε με τα ορθομοναδιαία διανύσματα w i, i =,, n που τα επιλέγουμε έτσι ώστε μαζύ με το x να αποτελούν μια βάση του χώρου και ο πίνακας με στήλες Q = [x, w,, w n ] να είναι ορθομοναδιαίος: Q Q = I Γράφουμε Q = [x, W] (όπου W ο n (n ) πίνακας με στήλες w i, i =,, n) Αφού Ax = λx, ϑα έχουμε ότι [ ] x Q AQ = W A [ x, W ] [ x = Ax x AW ] [ λ x W Ax W = AW ] [ ] λ b AW 0 W = (3) AW 0 C όπου b = W A x είναι διάνυσμα στήλης με n συνιστώσες και C = W AW είναι πίνακας (n ) (n ) Αν ο A είναι πίνακας έχουμε τελειώσει αφού ο πίνακας [ ] λ b 0 C 33

34 είναι τριγωνικός Στη γενική περίπτωση έχουμε την ακόλουθη επαγωγική απόδειξη: Δείξαμε ότι η αναπαράσταση ισχύει για κάθε πίνακα που είναι η βάση της επαγωγής Ας υποθέσουμε ότι ισχύει για κάθε πίνακα (n ) (n ) Τότε για τον πίνακα C της (3) ισχύει ότι υπάρχει ορθομοναδιαίος V διάστασης (n ) (n ) τέτοιος ώστε V CV = T όπου T τριγωνικός πίνακας διάστασης (n ) (n ) Θεωρούμε τώρα τον n n πίνακα U = [ ] 0 0 V Είναι εύκολο να διαπιστώσουμε ότι U U = I και συνεπώς ότι ο U είναι ορθομοναδιαίος Εχουμε επίσης ότι ο P = QU είναι ορθομοναδιαίος ως γινόμενο ορθομοναδιαίων πινάκων και [ ] P AP = U Q AQU = U λ b U = 0 C [ ] λ b = V 0 V = CV [ 0 0 V ] [ λ b 0 C ] [ ] 0 0 V [ ] λ b V (3) 0 T Ο τελευταίος πίνακας είναι άνω τριγωνικός και επομένως έχουμε συμπληρώσει την απόδειξη του επαγωγικού βήματος Για να συμπληρώσουμε την απόδειξη παρατηρούμε ότι ο A και ο P AP έχουν τις ίδιες ιδιοτιμές Αφού ο P AP είναι τριγωνικός, τα διαγώνια στοιχεία του ϑα είναι οι ιδιοτιμές του και άρα και οι ιδιοτιμές του A Τέλος παρατηρούμε ότι αν ο A και οι ιδιοτιμές του είναι πραγματικοί, τότε το x και λ ϑα είναι πραγματικοί Μπορούμε σ αυτή την περίπτωση να διαπιστώσουμε με ένα επαγωγικό επιχείρημα ότι οι P και T είναι πραγματικοί πίνακες 34 Κανονικοί Πίνακες Ορισμός 5 Ενας τετραγωνικός πίνακας A ονομάζεται κανονικός αν AA = A A Παρατηρείστε ότι αν ο A είναι ερμιτιανός ή συμμετρικός τότε είναι και κανονικός Οι κανονικοί πίνακες είναι ακριβώς εκείνοι που διαγωνιοποιούνται από ορθομοναδιαίους μετασχηματισμούς όπως ϑα δούμε στο ακόλουθο ϑεώρημα Θεώρημα Αν A είναι τετραγωνικός πίνακας τότε υπάρχει ορθομοναδιαίος πίνακας P τέτοιος ώστε να ισχύει P AP = Λ, όπου Λ διαγώνιος αν και μόνο αν ο A είναι κανονικός 34

35 Απόδειξη Η μία κατεύθυνση είναι άμεση: Αν ο A είναι ορθομοναδιαία διαγωνιοποιήσιμος έχουμε A = PΛP και συνεπώς AA = (PΛP )(PΛ P ) = PΛΛ P = PΛ ΛP = (PΛ P )(PΛP ) = A A Στην παραπάνω εξίσωση χρησιμοποιήσαμε το γεγονός ότι οι Λ και Λ αντιμετατίθενται αφού είναι διαγώνιοι πινακες Για να δείξουμε την άλλη κατεύθυνση, υποθέτουμε ότι ο A είναι κανονικός Είναι ορθομοναδιαία άνω τριγωνοποιήσιμος λόγω του ϑεωρήματος του Schur, όπως κάθε τετραγωνικός πίνακας, και συνεπώς P AP = T Συνεπώς TT = (P AP)(P A P) = P AA P = P A AP = (P A P)(P AP) = T T (33) Τα διαγώνια στοιχεία του πίνακα TT δίνονται από την έκφραση (TT ) ii = t i j t ji = i t i j t i j = i t i j (34) j= j= j= όπου, στην παραπάνω σχέση λάβαμε υπ όψη ότι t i j = 0 όταν j > i αφού ο πίνακας είναι άνω τριγωνικός Ομοίως (T T) ii = ti jt ji = j= t ji t ji = j=i t ji (35) j=i Από τις σχέσεις (34) και (35) έχουμε, για i =, t = t + t + + t n από την οποία συμπεραίνουμε, αφού t j 0, ότι Για i =, t j = 0, j =, 3,, n (36) t + t = t + t t n Χρησιμοποιώντας την (36) και απλοποιώντας συμπεραίνουμε ότι Παρομοίως, για i = 3, t j = 0, j = 3, 4,, n (37) t 3 + t 3 + t 33 = t 33 + t t 3n Χρησιμοποιώντας την (36) και την (37) και απλοποιώντας διαπιστώνουμε ότι t 3 j = 0, j = 4, 5,, n (38) Επαγωγικά μπορούμε να δείξουμε επομένως ότι t i j = 0 όταν j > i και επομένως ο άνω τριγωνικός πίνακας T είναι στην ουσία διαγώνιος 35

36 35 Το ϑεώρημα Cayley-Hamilton 35 Δυνάμεις πινάκων Εστω A τετραγωνικός πίνακας n n με στοιχεία στους πραγματικούς αριθμούς Η n οστή δύναμη του πίνακα ορίζεται ως A n := A A n, n =, 3,, A = A, A 0 = I Αν ο πίνακας A είναι αναστρέψιμος, τότε ο παραπάνω ορισμός επεκτείνεται με τον προφανή τρόπο και στους αρνητικούς ακέραιους εκθέτες Αν p(x) := a m x m + a m x m + +a x+a 0 είναι ένα πολυώνυμο (με πραγματικούς συντελεστές ή μιγαδικούς συντελεστές), τότε ο πίνακας p(a) ορίζεται ως p(a) = a m A m + + a A + a 0 I 35 Το χαρακτηριστικό πολυώνυμο και το ελάχιστο πολυώνυμο ενός τετραγωνικού πίνακα Υπενθυμίζουμε ότι σε κάθε τετραγωνικό n n πίνακα A αντιστοιχεί ένα πολυώνυμο, που ονομάζεται χαρακτηριστικό πολυώνυμο του πίνακα και που ορίζεται ως χ(x) := det(xi A) Είναι εύκολο να δει κανείς (από τον ορισμό της ορίζουσας) ότι το χαρακτηριστικό πολυώνυμο έχει την μορφή χ(x) = x n +c n x n + +c x +c 0 (Στην παραπάνω έκφραση επισημαίνουμε ότι ο συντελεστής του x n είναι μονάδα, ενώ ο σταθερός όρος είναι c 0 = ( ) n det(a)) Οι ρίζες του χαρακτηριστικού πολυωνύμου ονομάζονται ιδιοτιμές του πίνακα και αν το χαρακτηριστικό πολυώνυμο έχει ρίζες λ,, λ n (όχι υποχρεωτικά διακριτές), τότε χ(x) = (x λ )(x λ ) (x λ n ) Σε κάθε τετραγωνικό πίνακα ορίζουμε A i j την ορίζουσα του πίνακα που προκύπτει αν διαγράψουμε την γραμμή i και την στήλη j από τον αρχικό πίνακα Θέτουμε C i j := ( ) i+ j A ji Τότε, αν C := (C i j ), AC = det(a)i Υπενθυμίζουμε ότι a i j A k j ( ) i+ j = det(a)δ ik i= όπου δ ik = 0 αν i k και αν i = k Θεώρημα (Cayley-Hamilton) Κάθε τετραγωνικός πίνακας A μηδενίζει το χαρακτηριστικό του πολυώνυμο, ισχύει δηλαδή ότι A n + c n A n + c n A n + + c A + c 0 I = 0 (39) Απόδειξη: Εστω C το αλγεβρικό συμπλήρωμα του πίνακα xi A Τότε (xi A)C = det(xi A)I (30) 36

37 Λόγω του τρόπου με τον οποίο ο C προκύπτει από τον xi A, ισχύει ότι C = x n B n + x n B n + + x B + B 0 Συνεπώς, από την (30) προκύπτει ότι (xi A)(x n B n + x n B n + + x B + B 0 ) = x n I + c n x n I + + c xi + c 0 I ή ισοδύναμα x n B n + x n (B n AB n ) + + x(b 0 AB ) AB 0 = x n I + c n x n I + + c xi + c 0 I Συνεπώς έχουμε τις ισότητες B n = I B n AB n = Ic n B n 3 AB n = Ic n B 0 AB = c I AB 0 = c 0 I Πολλαπλασιάζοντας την πρώτη σχέση με A n, την δεύτερη με A n, και ούτω καθ εξής και προσθέτωντας όλες τις εξισώσεις βλέπουμε ότι ισχύει η (3) Παρατήρηση: Αν ο πίνακας A είναι διαγωνοποιήσιμος τότε είναι ακόμη ευκολότερο να αποδείξουμε το ϑεώρημα Caley-Hamilton Πράγματι, σ αυτή την περίπτωση, υπάρχει αναστρέψιμος πίνακας M τέτοιος ώστε A = MΛM (Ο Λ είναι διαγώνιος πίνακας με στοιχεία του τις ιδιοτιμές του A ενώ οι στήλες του M είναι τα αντίστοιχα ιδιοδιανύσματα) Τότε, αφού για κάθε k N A k = (MΛM ) k = MΛ k M, A n + c n A n + c n A n + + c A + c 0 I = MΛ n M + c n MΛ n M + c n MΛ n M + + c MΛM + c 0 MΛ 0 M = M ( Λ n + c n Λ n + c n Λ n + + c Λ + c 0 I ) M Ο διαγώνιος πίνακας που βρίσκεται μέσα στην παρένθεση είναι μηδενικός γιατί, για οποιοδήποτε διαγώνιο στοιχείο του, έστω λ i, ισχύει ότι λ n i + c n λ n i + c n λ n i + + c λ i + c 0 = 0 Η πλέον προφανής συνέπεια του ϑεωρήματος των Cayley-Hamilton είναι ότι, για έναν τετραγωνικό πίνακα n n, η n οστή του δύναμη γράφεται ως γραμμικός συνδυασμός των n πρώτων δυνάμεών του 36 Το ελάχιστο πολυώνυμο Ενα πολυώνυμο p με συντελεστές στο σώμα F (το οποίο στην περίπτωσή μας είναι οι πραγματικοί ή οι μιγαδικοί αριθμοί) ονομάζεται μονικό αν ο συντελεστής της 37

38 υψηλότερης δύναμης της μεταβλητής είναι, αν δηλαδή είναι της μορφής p(x) = x n + p n x n + + p 0 (για κάποιο n N 0 ) Εστω A ένας τετραγωνικός πίνακας n n Συμβολίζουμε με p(a) τον τετραγωνικό πίνακα n n που ορίζεται ως p(a) := A n + p n A n + + p A+ p 0 I Θεωρούμε το σύνολο όλων των μονικών πολυωνύμων p για τα οποία ισχύει ότι p(a) = 0 Το σύνολο αυτό δεν είναι κενό διότι περιέχει τουλάχιστον το χαρακτηριστικό πολυώνυμο του A, χ(x), το οποίο είναι βαθμού n, όπως προκύπτει από το ϑεώρημα Cayley-Hamilton Εστω m(x) το μονικό πολυώνυμο ελάχιστου βαθμού για το οποίο ισχύει m(a) = 0 Το πολυώνυμο αυτό είναι μοναδικό Πράγματι, έστω k ο βαθμός του ελάχιστου πολυωνύμου (Αναγκαστικά, k n αφού ο βαθμός του χαρακτηριστικού πολυωνύμου είναι n) Ας υποθέσουμε ότι το h(x) είναι επίσης μονικό, βαθμού k, και ισχύει ότι h(a) = 0 Τότε για το πολυώνυμο p(x) := m(x) h(x) ισχύει ότι p(a) = m(a) h(a) = 0 και deg(p) < k αφού τόσο το m όσο και το h είναι μονικά (deg(p) είναι ο βαθμός του p) Αφού k είναι εξ υποθέσεως ο βαθμός του ελαχίστου πολυωνύμου, p(x) 0 και m(x) h(x) Δεδομένου ότι οι πίνακες που εξετάζουμε περιγράφουν γραμμικούς μετασχηματισμούς, είναι καλύτερο να μελετήσουμε απ ευθείας τον γραμμικό μετασχηματισμό f Εστω V ένας γραμμικός χώρος πεπερασμένης διάστασης, έστω n = dim(v), ορισμένος πάνω σε ένα σώμα F Αν f : V V ένας γραμμικός μετασχηματισμός τότε συμβολίζουμε με f m την σύνθεση f f f (m φορές) Ο f m είναι επίσης ένας γραμμικός μετασχηματιμός πάνω στον χώρο V Αν p(x) := a m x m + a m x n + + a x + a 0 είναι ένα πολυώνυμο με συντελεστές στο F, τότε με p( f ) συμβολίζουμε τον γραμμικό μετασχηματισμό a m f m + + a f + a 0 I όπου I ο ταυτοτικός γραμμικός μετασχηματισμός πάνω στο V Αν A είναι ο n n πίνακας που εκφράζει τον γραμμικό μετασχηματισμό f ως προς μια βάση, έστω {e, e,, e n }, τότε ο πίνακας που εκφράζει τον f m ως προς την βάση αυτή είναι ο A m και ο πίνακας που εκφράζει τον p( f ) είναι ασφαλώς ο p(a) := a m A m + + a A + a 0 I όπου I εδώ είναι ο ταυτοτικός πίνακας n n Θεώρημα 3 Αν A είναι τετραγωνικός πίνακας και p(x) είναι ένα πολυώνυμο τέτοιο ώστε p(a) = 0 τότε το ελάχιστο πολυώνυμο του A, m(x), διαιρεί το p(x) Απόδειξη: Εστω ότι το ελάχιστο πολυώνυμο του πίνακα A είναι το m(x) = x k + a k x k + + a x + a 0 Εφ όσον p(a) = 0 ο βαθμός του p(x) είναι μεγαλύτερος του βαθμού του m(x) ( Οπως είδαμε, από την μοναδικότητα του m δεν είναι δυνατόν να έχουμε deg(p) = deg(m)) Αφού ο βαθμός του p είναι αυστηρά μεγαλύτερος από τον βαθμό του m, από τον αλγόριθμο της διαίρεσης των πολυωνύμων έχουμε p(x) = q(x)m(x) + r(x) όπου ο βαθμός του r(x) είναι αυστηρά μικρότερος από αυτόν του m(x) Συνεπώς έχουμε r(a) = p(a) q(a)m(a) = 0 Άρα, αν το r(x) δεν είναι το μηδενικό πολυώνυμο, τότε είναι ένα πολυώνυμο βαθμού μικρότερου από εκείνον του ελάχιστου πολυωνύμου για το οποίο ισχύει ότι r(a) = 0 Αυτό όμως είναι αδύνατον και επομένως ϑα ισχύει ότι r(x) 0 και p(x) = q(x)m(x), το οποίο συνεπάγεται ότι το m(x) διαιρεί το p(x) 38

39 37 Το ελάχιστο πολυώνυμο και η σχέση του με το πρόβλημα της διαγωνοποίησης Εστω V γραμμικός χώρος διάστασης n (στους μιγαδικούς αριθμούς) και f : V V μια γραμμική απεικόνιση σ αυτόν Εστω A ο πίνακας που περιγράφει αυτή την απεικόνιση ως προς μια συγκεκριμένη βάση, {e,, e n } Θα απαντήσουμε τα εξής δύο ερωτήματα: Πότε υπάρχει ένας μη ιδιόμορφος πίνακας S (δηλαδή μια αλλαγή βάσης) τέτοιος ώστε ο Λ := S AS να είναι διαγώνιος; Αν αυτό δεν είναι εφικτό ποιά είναι η πλησιέστερη στη διαγώνια μορφή που μπορεί να πάρει ο S AS ; Εστω χ A (x) := (x λ ) n (x λ ) n (x λ r) n r το χαρακτηριστικό πολυώνυμο του πίνακα A, όπου λ i, i =,, r είναι οι διακριτές ιδιοτιμές του A και ν i οι αντίστοιχες αλγεβρικές πολλαπλότητες Ισχύει επομένως ότι n +n + +n r = n Υπενθυμίζουμε ότι το χαρακτηριστικό πολυώνυμο εξαρτάται μόνο από τις ιδιοτιμές και τις αλγεβρικές τους πολλαπλότητές και συνεπώς δεν αλλάζει σε οποιαδήποτε βάση και αν εκφράσουμε την γραμμική απεικόνιση f Επομένως το χαρακτηριστικό πολυώνυμο χαρακτηρίζει την f και δεν διακρίνει ανάμεσα στον πίνακα A και στον S AS Δεδομένου του ϑεωρήματος Caley Hamilton, αν I είναι ο ταυτοτικός μετασχηματισμός, ισχύει ότι χ( f ) = ( f λ I) n ( f λ r I) n r = 0, (3) δηλαδή, ο μετασχηματισμός χ( f ) είναι ταυτοτικά μηδενικός Συμβολίζουμε τον μηδενόχωρο ενός γραμμικού μετασχηματισμού, g : V V με kerg := {x V : g(x) = 0} Ορισμός 6 Αν λ είναι μια ιδιοτιμή του f τότε ο μηδενόχωρος ker( f λi) ονομάζεται ιδιόχωρος της λ Η διάσταση του ker( f λ) ονομάζεται γεωμετρική πολλαπλότητα της λ Εστω V i = ker( f λ i I) ο μηδενόχωρος του γραμμικού μετασχηματισμού f λ i I Αν v V i τότε ( f λ i I)v = 0 το οποίο σημαίνει ότι f (v) = λ i v ή, αν A είναι ο πίνακας που περιγράφει τον γραμμικό μετασχηματισμό f ως προς μια συγκεκριμένη βάση, Av = λ i v, δηλαδή το v είναι ιδιοδιάνυσμα του A που αντιστοιχεί στην ιδιοτιμή λ i Είναι εύκολο να δει κανείς ότι ο V i, είναι γραμμικός υπόχωρος του V ως μηδενόχωρος ενός γραμμικού μετασχηματισμού Η διάσταση του V i, γ i := dim(v i ) ονομάζεται γεωμετρική πολλαπλότητα της ιδιοτιμής λ i Προφανώς, γ i είναι ο αριθμός των γραμμικά ανεξάρτητων ιδιοδιανυσμάτων που αντιστοιχούν στην ιδιοτιμή λ i 39

40 Ορισμός 7 Ενας πίνακας A, n n ονομάζεται διαγωνιοποιήσιμος αν υπάρχει μη ιδιόμορφος (δηλαδή αντιστρέψιμος) πίνακας n n, έστω S, και διαγώνιος πίνακας n n, έστω Λ, τέτοιος ώστε S AS = Λ (3) Θεώρημα 4 Ενας πίνακας n n είναι διαγωνιοποιήσιμος αν και μόνο αν έχει n γραμμικά ανεξάρτητα ιδιοδιανύσματα Απόδειξη: Παρατηρείστε ότι η (3) εκφράζεται ισοδύναμα ως AS = S Λ (33) και αν οι στήλες του πίνακα S είναι S = [s,, s n ] και ο διαγώνιος πίνακας Λ είναι Λ = diag(λ,, λ n ) τότε η (33) γράφεται ως As i = λ i s i (34) Από τις σχέσεις (33), (34) είναι σαφές ότι οι στήλες του S είναι αναγκαστικά ιδιοδιανύσματα του A και τα στοιχεία του διαγώνιου πίνακα Λ οι αντίστοιχες ιδιοτιμές Η γραμμική αναξαρτησία των ιδιοδιανυσμάτων είναι αναγκαία προκειμένου ο πίνακας S να είναι αναστρέψιμος Ισοδύναμα λέμε ότι ένας γραμμικός μετασχηματισμός f : V V είναι διαγωνοποιήσιμος αν και μόνο αν υπάρχει μια βάση του V η οποία να αποτελείται από ιδιοδιανύσματα του f Πόρισμα Ενας πίνακας A είναι διαγωνοποιήσιμος αν και μόνο αν n i = γ i, i =,, r δηλαδή αν η αλγεβρική πολλαπλότητα κάθε ιδιοτιμής είναι ίση με την γεωμετρική πολλαπλότητά της Η πρόταση αυτή είναι προφανής συνέπεια του προηγούμενου ϑεωρήματος διότι μόνο στην περίπτωση αυτή ϑα έχει ο πίνακας A n γραμμικά ανεξάρτητα ιδιοδιανύσματα Η επόμενη πρόταση συνδέει το πρόβλημα της διαγωνοποίησης ενός πίνακα με το ελάχιστο πολυώνυμό του: Θεώρημα 5 Εστω A ένας πίνακας n n και λ, λ, λ r οι διακριτές του ιδιοτιμές Αν ο A είναι διαγωνοποιήσιμος τότε το p(x) := (x λ ) (x λ r ) είναι το ελάχιστο πολυώνυμο του A Απόδειξη: Αν ο A είναι διαγωνοποιήσιμος τότε υπάρχει βάση που να αποτελείται από ιδιοδιανύσματα του A, έστω v, v,, v n Ισχύει ότι p(a)v i = (A λ I) (A λ r I)v i Ομως, επειδή οι παράγοντες (A λ j I) αντιμετατίθενται, ισχύει ότι p(a)v i = (A λ I) (A λ i I)(A λ i+ I) (A λ r I)(A λ i I)v i = 0 40

41 Η παραπάνω σχέση, μαζύ με το γεγονός ότι τα v i είναι βάση του χώρου, συνεπάγεται ότι p(a)x = 0 για κάθε διάνυσμα x του χώρου Συνεπώς p(a) = 0 και επομένως το ελάχιστο πολυώνυμο, m(x), διαιρεί το p(x) Αυτό σημαίνει ότι το m είναι το γινόμενο κάποιων από τους όρους (x λ j ), δηλαδή m(x) = j M (x λ j ) όπου M {,,, r} (γνήσιο υποσύνολο) Αν υποθέσουμε ότι i M, δηλαδή ότι ο όρος (x λ i ) δεν είναι όρος του m Τότε, αν v i είναι ένα ιδιοδιάνυσμα που αντιστοιχεί στην ιδιοτιμή λ i και j i, έχουμε (A λ j I)v i = λ i v i λ j v i = (λ j λ i )v i Επομένως m(a)v i = (A λ j I) v i = (λ i λ j ) v i j M Δεδομένου ότι j i για κάθε j M προκύπτει ότι m(a)v i 0, συμπεραίνουμε ότι m(a) 0 Συνεπώς όλοι οι παράγοντες του p(x) περιέχονται στο m(x) και επομένως το m(x) είναι το ελάχιστο πολυώνυμο j M Το παραπάνω ϑεώρημα σημαίνει ότι το ελάχιστο πολυώνυμο ενός διαγωνοποιήσιμου πίνακα έχει μόνο απλές ρίζες, οι οποίες είναι οι ιδιοτιμές του πίνακα Θα δούμε στη συνέχεια ότι ισχύει και το αντίστροφο, δηλαδή αν το ελάχιστο πολυώνυμο ενός πίνακα έχει μόνο απλές ρίζες (οι οποίες βεβαίως ϑα είναι όλες οι ιδιοτιμές του πίνακα) τότε ο πίνακας είναι διαγωνοποιήσιμος Προκειμένου να αποδείξουμε αυτή την αντίστροφη πρόταση ϑα χρειαστούμε μερικές επιπλέον έννοιες 37 Αθροίσματα και Ευθέα Αθροίσματα Υποχώρων Εστω V ένας γραμμικός χώρος διάστασης n και U, W, γραμμικοί υπόχωροι του V Το σύνολο U + W := {u + w : u U, w W} είναι γραμμικός υπόχωρος του V και ονομάζεται άθροισμα των υποχώρων U και W Αυτό σημαίνει ότι το άθροισμα δύο υποχώρων U και W είναι το σύνολο των στοιχείων του V που μπορούν να γραφτούν ως άθροισμα ενός στοιχείου του U και ενός στοιχείου του V, όχι υποχρεωτικά με μοναδικό τρόπο Είναι εύκολο να διαπιστώσουμε ότι ο U + W είναι πράγματι γραμμικός υπόχωρος του V: Αν α, β C και x, x U + W τότε υπάρχουν u, u U και w, w W (όχι υποχρεωτικά μοναδικά) τέτοια ώστε x = u +w και x = w + w, από τον ορισμό του συνόλου U + W Συνεπώς, αx + βx = α(u + w ) + β(u + w ) = (αu + βu ) + (αw + βw ) Ομως αu + βu U επειδή ο U είναι γραμμικός υπόχωρος και ομοίως αw + βw W Επομένως το αx + βx γράφεται ως άθροισμα ενός στοιχείου του U και ενός στοιχείου του W και συνεπώς ανήκει στο άθροισμα U + W, σύμφωνα με τον ορισμό 4

42 Αν οι γραμμικοί υπόχωροι U και W ικανοποιούν επιπλέον την σχέση U V = {0} τότε το άθροισμά τους ονομάζεται ευθύ άθροισμα και συμβολίζεται ως U W = {u + w : u U, w W} Παρατηρείστε ότι αν x U W τότε το x γράφεται σαν άθροισμα ενός στοιχείου του U και ενός στοιχείου του V με μονοαδικό τρόπο Πράγματι, αν υποθέσουμε ότι x = u +w = u +w όπου u i U, w i W για i =,, τότε u u = w w Ομως, αφού οι U, W είναι γραμμικοί υπόχωροι, u u U και w w W Συνεπώς, λόγω της ισότητας των διαφορών και του γεγονότος ότι η τομή των U, W, είναι το μηδενικό στοιχείο του γραμμικού χώρου, u u = 0 και παρόμοια w w = 0 Ορισμός 8 Ο V είναι το ευθύ άθροισμα των υποχώρων V,, V r αν κάθε διάνυσμα v V μπορεί να γραφτεί με μοναδικό τρόπο ως άθροισμα v = v + + v r όπου v i V i Το γεγονός αυτό το εκφράζουμε γράφοντας V = V V r Πρόταση Αν V i, i =,,, r είναι υπόχωροι του V, B i είναι βάση του V i και V = r i= V i, τότε το σύνολο r i= B i είναι βάση του V 37 Πολυώνυμο Παρεμβολής του Lagrange Δεδομένων n ζευγών πραγματικών αριθμών, (x i, y i ), i =,,, n ζητείται πολυώνυμο p(x) (βαθμού n το πολύ) τέτοιο ώστε p(x i ) = y i Το ζητούμενο πολυώνυμο που ονομάζεται πολυώνυμο παρεμβολής του Lagrange μπορεί κανείς εύκολα να δει ότι είναι μοναδικό και δίδεται από την εκφραση ή ισοδύναμα p(x) = i= y i (x x ) (x x i )(x x i+ ) (x x n ) (x i x ) (x i x i )(x i x i+ ) (x i x n ) p(x) = y i L i (x) όπου L i (x) := i= n j= j i x x j x i x j, i =,,, n Θεώρημα 6 Εστω V γραμμικός χώρος διάστασης n και f γραμμικός μετασχηματισμός f : V V Εστω λ i, i =,,, r οι διακριτές ιδιοτιμές του f Τότε, υπάρχει βάση του V ως προς την οποία ο πίνακας που εκφράζει τον μετασχηματισμό f είναι διαγώνιος αν και μόνο αν το ελάχιστο πολυώνυμο του f είναι το m(x) = (x λ )(x λ ) (x λ r ) Απόδειξη Η μία κατεύθυνση είναι εύκολη και την έχουμε ήδη αποδείξει στο Θεώρημα (5) Θα υποθέσουμε λοιπόν ότι m(x) = (x λ )(x λ ) (x λ r ) και ϑα αποδείξουμε ότι V = V V V r, όπου V i είναι ο μηδενόχωρος του f λ i I δηλαδή ο γραμμικός υπόχωρος των ιδιοδιανυσμάτων που αντιστοιχούν στην ιδιοτιμή λ i Αυτό σημαίνει ότι κάθε διάνυσμα του χώρου V μπορεί να γραφεί ως γραμμικός συνδιασμός ιδιοδιανυσμάτων του f και επομένως ότι υπάρχει βάση του V αποτελούμενη από ιδιοδιανύσματα 4

43 του f, πράγμα που σημαίνει ότι στην βάση αυτή ο f ϑα εκφράζεται από ένα διαγώνιο πίνακα Υποθέτουμε λοιπόν ότι το ελάχιστο πολυώνυμο έχει απλές ρίζες Ορίζουμε τα πολυώνυμα Παρατηρείστε ότι p i (x) = r j= j i p i (λ k ) = x λ j λ i λ j, i =,, { αν k = i 0 αν k i Τα πολυώνυμα p i (x) είναι βαθμού το πολύ r και επομένως το πολυώνυμο r p(x) = p i (x) είναι βαθμού το πολύ r Επειδή το πολυώνυμο p(x) έχει είναι επίσης το πολυ βαθμού r και έχει r ρίζες, τις x, x,, x r, συμπεραίνουμε ότι είναι ταυτοτικά το μηδενικό πολυώνυμο, δηλαδή p(x) 0 Επομένως p( f ) = I ή ισοδύναμα r I = p i ( f ) r j= j i i= Συνεπώς, για κάθε v V, v = r i= p i ( f )v Θέτουμε v i = p i ( f )v Ισχύει ότι r ( f λ i I)v i = ( f λ i I)p i ( f )v = (λ i λ j ) ( f λ j I) v = m( f )v = 0 (λ i λ j ) i= j= r j= j i Συμπεραίνουμε ότι v i V i = ker( f λ i I) Ισχύει όμως ότι V i V j = {0} όταν i j διότι αν v V i τότε f v = λ i v και αν v V j τότε f v = λ j v Από τις δυο αυτές σχέσεις λ i v = λ j v ή (λ i λ j )v = 0 και συνεπώς, αφού λ i λ j, v = 0 Επομένως V = V V V r Θεώρημα 7 Αν ο πίνακας A είναι ερμιτιανός, το ελάχιστο πολυώνυμό του έχει απλές ρίζες Απόδειξη Ας υποθέσουμε ότι το ελάχιστο πολυώνυμο του A δεν έχει απλές ρίζες Τότε υπάρχει λ και πολυώνυμο p(x) τέτοια ώστε m(x) = (x λ) p(x) Αυτό σημαίνει ότι, αν ϑέσουμε q(x) = (x λ)p(x) ο πίνακας q(a) δεν είναι μηδενικός (άλλως το m δεν ϑα ήταν το ελάχιστο πολυώνυμο) και επομένως υπάρχει στοιχείο v του χώρου V τέτοιο ώστε w = q(a)v 0 Συνεπώς 0 < w, w = q(a)v, q(a)v = (A λi)p(a)v, (A λi)p(a)v = p(a)v, (A λi) p(a)v = p(a)v, m(a)v = p(a)v, 0 = 0 το οποίο είναι άτοπο (Στις παραπάνω ισότητες χρησιμοποιήσαμε το γεγονός ότι, αφού ο A είναι ερμιτιανός, και ο A λi είναι ερμιτιανός, και επομένως, για οποιαδήποτε x, y V, (A λi)x, y = x, (A λi)y ) 43

44 Το παραπάνω ϑεώρημα αποδεικνύει ότι οι ερμιτιανοί πίνακες είναι διαγωνοποιήσιμοι, κάτι που έχουμε ήδη δει Στην γενική περίπτωση, όταν ο γραμμικός μετασχηματισμός f δεν είναι υποχρεωτικά διαγωνιοποιήσιμος, το ελάχιστο πολυώνυμο έχει την μορφή m(x) = (x λ ) µ (x λ r ) µ r όπου µ i n i, i =,, r Αυτό σημαίνει ότι το ελάχιστο πολυώνυμο έχει όλες τις ρίζες του χαρακτηριστικού αλλά ενδεχομένως με μικρότερη πολλαπλότητα Ο πίνακας ειναι διαγωνιοποιήσιμος αν µ i = για,, r Παράδειγμα: Θεωρείστε τους δύο πίνακες A = B = Και οι δύο έχουν χαρακτηριστικό πολυώνυμο χ(x) = (x )(x ) Ομως, αν κάνουμε τις πράξεις βλέπουμε ότι (A I)(A I) 0 συνεπώς το ελάχιστο πολυώνυμο του A είναι το (x )(x ) και ο A δεν είναι διαγωνιοποιήσιμος Οσον αφορά τον πίνακα B, (B I)(B I) = 0 και επομένως το ελάχιστο πολυώνυμο του B είναι το (x )(x ) Αυτό σημαίνει ότι ο B είναι διαγωνιοποιήσιμος Αν ένας πίνακας δεν είναι διαγωνιοποιήσιμος τότε μπορεί να τεθεί με μια αλλαγή βάσης στη μορφή Jordan Η μορφή αυτή είναι σχεδόν διαγώνια με τις ιδιοτιμές στη διαγώνιο και μονάδες πάνω από την διαγώνιο για τις ιδιοτιμές εκείνες των οποίων η γεωμετρική πολλαπλότητα είναι μικρότερη από την αλγεβρική Χωρίς να μπούμε στις λεπτομέρειες ας δούμε το εξής παράδειγμα Εστω ο πίνακας B = [ 3 ] Το χαρακτηριστικό του πολυώνυμο είναι (x ) (Η ιδιοτιμή έχει αλγεβρική πολλαπλότητα ) Εχει όμως γεωμετρική πολλαπλότητα γιατί μόνο ένα ιδιοδιάνυσμα αντιστοιχεί στην ιδιοτιμή, το (, ) T Συνεπώς, όπως μπορούμε να διαπιστώσουμε το ελάχιστο πολυώνυμο είναι επίσης το (x ) Ο πίνακας B μπορεί να γραφεί με μια αλλαγή βάσης στη μορφή Jordan J = [ 0 44 ]

45 38 Ασκήσεις Πρόβλημα Να διαγωνιοποιήσετε τον πίνακα A = και να υπολογίσετε τον A n για n N Λύση: = Αφού ο πίνακας A είναι συμμετρικός τα ιδιοδιανύσματα μπορεί να επιλεγούν με τρόπο που να είναι ορθογώνια και αυτό έγινε εδώ (Λέμε «μπορεί να επιλεγούν» και όχι «είναι» επειδή οι ιδιοτιμές δεν είναι όλες διαφορετικές μεταξύ τους) Συνεπώς, κανονικοποιώντας έχουμε την αναπαράσταση A = UΛU T όπου U = και Λ είναι ο διαγώνιος πίνακας των ιδιοτιμών Παρατηρείστε ότι ο U είναι συμμετρικός συνεπώς U T = U Άρα ισχύει U = I A n = n 0 Συνεπώς, μετά από στοιχειώδεις πράξεις έχουμε ότι A n = 0 n A 0 n Αυτό δεν πρέπει να μας εκπλήσσει αφού μπορεί κανείς να δει με λίγη σκέψη ότι ο A είνα βαθμωτό πολλαπλάσιο ενός πίνακα προβολής 45

46 Πρόβλημα Να διαγωνοποιήσετε τον πίνακα 0 B = και να υπολογίσετε τον B n για n N Λύση: Αφού ο πίνακας είναι τριγωνικός οι ιδιοτιμές βρίσκονται στην διαγώνιο και είναι οι 0, και Βρίσκοντας τα αντίστοιχα ιδιοδιανύσματα έχουμε = Συνεπώς B n = 0 n 0 n 0 0 n Πρόβλημα 3 Ποιοι από τους πίνακες A =, A 0 0 = i 0 A 3 = i i, A 4 = 0 i μπορούν να διαγωνοποιηθούν με ένα ορθομοναδιαίο πίνακα, δηλαδή για ποίους από τους παραπάνω πίνακες μπορούμε να γράψουμε A i = U i Λ i Ui H όπου U i ορθομοναδιαίος και Λ i διαγώνιος (i =,, 3, 4) με στοιχεία στο C; Δικαιολογείστε την απάντησή σας Πρόβλημα 4 α) Για τον πίνακα A = να βρείτε τις ιδιοτιμές και τα αντίστοιχα ιδιοδιανύσματα και να υπολογίσετε τους πίνακες A, A 3 καθώς και τον e ta β) Να επαναλάβετε τα παραπάνω ερωτήματα για τον πίνακα 0 B = ,,

47 Πρόβλημα 5 α) Πότε ένας πίνακας ονομάζεται ορθομοναδιαίος; Δείξτε ότι αν ο U είναι ορθομοναδιαίος τότε είναι και ο U β) Πότε είναι το γινόμενο δύο συμμετρικών πινάκων n n συμμετρικός πίνακας; Πρόβλημα 6 Εστω v διάνυσμα στήλης του R n με στοιχεία v,, v n Δείξτε ότι ο πίνακας v v v v v v n v A = vv T v v v v v n = v n v v n v v n v n έχει n πραγματικές ιδιοτιμές (όχι υποχρεωτικά διαφορετικές μεταξύ τους) και βρείτε τις ιδιοτιμές και τα αντίστοιχα ιδιοδιανύσματα Περιγράψτε την περίπτωση n = 3, v T = (,, ) Πρόβλημα 7 Λύστε με διαγωνοποίηση το ακόλουθο σύστημα γραμμικών διαφορικών εξισώσεων [ d x ] [ ] [ ] [ ] [ ] dt x (t) x (0) d x =, = dt x (t) x (0) Πρόβλημα 9 Αν A = να υπολογίσετε τον A με την βοήθεια του ϑεωρήματος Cayley Hamilton Πρόβλημα 0 Να βρείτε τις ιδιοτιμές του πίνακα [ ] a b A =, b a και να δείξετε ότι τα (, ) και (, ) είναι ιδιοδιανύσματα Πρόβλημα Εστω ο πίνακας Q = [ K K ] όπου οι τετραγωνικοί πίνακες K, K, δίδονται από τις [ ] cos θ K j = j sin θ j, j =,, sin θ j cos θ j και τα υπόλοιπα στοιχεία του Q είναι μηδενικά Να δείξετε ότι Qx = x, δηλαδή ότι ο Q διατηρεί τα μήκη Να βρείτε επίσης τις ιδιοτιμές και τα ιδιοδιανύσματα του πίνακα αν θ = π/4 και θ = π/ 47

48 Άσκηση 38 Θεωρείστε τον πίνακα U = I ww T όπου w T = (,, ) Χωρίς 9 να κάνετε υπολογισμούς σκεφτείτε ποιές πρέπει να είναι οι ιδιοτιμές και ποια τα ιδιοδιανύσματα του U με βάση την γεωμετρία Επαληθεύστε τις σκέψεις σας Άσκηση 38 Εστω P ο πίνακας μεταθέσεων P = διάστασης n Να δείξετε ότι το χαρακτηριστικό πολυώνυμο του P είναι το x n Αν ω = e πi/n να δείξετε ότι το ιδιοδιάνυσμα του P που αντιστοιχεί στην ιδιοτιμή ω n r δίνεται από την x r = (ω r, ω r,, ω nr ) T, r =,,, n (35) Δείξτε ότι, αν A = c 0 c n c c c c 0 c 3 c c n c n c c 0 και f (x) = c 0 + c x + c x + + c n x n, τότε A = f (P) Συμπεράνετε ότι οι ιδιοτιμές του A δίνονται από τις f (ω n r ), r =,,, n με αντίστοιχα ιδιοδιανύσματα x r που δίνονται από την (35) Άσκηση 383 Να βρείτε τις ιδιοτιμές και τα ιδιοδιανύσματα του πίνακα A = Να βρείτε επίσης το χαρακτηριστικό και το ελάχιστο πολυώνυμο του πίνακα 48

49 Κεφάλαιο 4 Ανάλυση Πινάκων 4 Πίνακες των οποίων τα στοιχεία είναι πραγματικές συναρτήσεις Ας ϑεωρήσουμε ένα (τετραγωνικό) πίνακα A, n n του οποίου τα στοιχεία είναι πραγματικές συναρτήσεις μιας μεταβλητής: a i j (t) : R R Αν υποθέσουμε ότι τα στοιχεία του πίνακα είναι συνεχείς, διαφορίσιμες συναρτήσεις σε κάποιο διάστημα I R τότε μπορούμε να ορίσουμε την παράγωγο του A(t) ως d A(t) = lim (A(t + δ) A(t)) dt δ 0 ɛ Συνεπώς [ d A(t)] dt i j = d [A(t)] dt i j (δηλαδή το στοιχείο i j της παραγώγου του πίνακα A είναι η παράγωγος του στοιχείου i j του πίνακα A ή με άλλα λόγια ο πίνακας παραγωγίζεται στοιχείο προς στοιχείο) Για παράδειγμα, αν τότε [ A(t) = cos t sin t sin t cos t [ sin t cos t A (t) = cos t sin t ], B(t) = [ ] t t, ] [ 0 0, B (t) = t Παρατηρήστε ότι A(t)A (t) = A (t)a(t) ενώ αντίθετα B(t)B (t) B (t)b(t) πίνακες A και A δεν αντιμετατίθενται ] Εν γένει οι Από τον ορισμό μπορούμε να δούμε πώς μεταβάλλονται οι γνωστοί κανόνες παραγώγισης πραγματικών συναρτήσεων στη περίπτωση των πινάκων Πρόταση Αν A, B είναι παραγωγίσιμοι τετραγωνικοί πίνακες n n, (AB) = A B + AB 49

50 Απόδειξη: (AB) = lim δ 0 δ (A(t + δ)b(t + δ) A(t)B(t)) = lim δ (A(t + δ)b(t + δ) A(t + δ)b(t) + A(t + δ)b(t) A(t)B(t)) δ 0 = lim δ A(t + δ) (B(t + δ) B(t)) + lim δ (A(t + δ) A(t)) B(t) δ 0 δ 0 = A B + AB (4) Αν στην πρόταση που μόλις δείξαμε πάρουμε A = B έχουμε (A ) = A A + AA Αν οι πίνακες A και A αντιμετατίθενται τότε (A ) = AA = A A Με τον ίδιο τρόπο μπορούμε να δούμε ότι (A 3 ) = A A + AA A + A A, (A 4 ) = A A 3 + AA A + A A A + A 3 A, και γενικά, για κάθε ακέραιο m, m (A m ) = A k A A m k k=0 Αν υποθέσουμε ότι ο A είναι αντιστρέψιμος και ϑέσουμε B = A τότε έχουμε 0 = (AA ) = A A + A(A ) απ όπου συμπεραίνουμε ότι (A ) = A A A 4 Το εκθετικό ενός τετραγωνικού πίνακα Αν ο A είναι ένας τετραγωνικός πίνακας n n μπορούμε να ορίσουμε το εκθετικό του μέσω της άπειρης σειράς e A = k! Ak (4) k=0 ως Μας ενδιαφέρει ιδιαίτερα η συνάρτηση E(t) := e At, t R η οποία ορίζεται παρόμοια e ta = k=0 t k k! Ak (43) Παραγωγίζοντας την ανωτέρω σειρά όρο προς όρο διαπιστώνουμε ότι η συνάρτηση E(t) ικανοποιεί την διαφορική εξίσωση E (t) = AE(t) = E(t)A με αρχική συνθήκη E(0) = I (Παρατηρήστε επίσης ότι ο πίνακας e ta αντιμετατίθεται με τον A) 50

51 4 Υπολογισμός του εκθετικού ενός πίνακα με αναγωγή στη διαγώνια μορφή Ενας απλπός τρόπος υπολογισμού του e ta βασίζεται στην διαγωνοποίηση του A, υπό την προϋπόθεση ότι έχει ένα πλήρες σύνολο από γραμμικά ανεξάρτητα ιδιοδιανύσματα, x, x,, x n Αν ϑέσουμε S = [x x n ] και Λ = diag(λ,, λ n ) τον διαγώνιο πίνακα με στοιχεία τις ιδιοτιμές του A τότε και Συνεπώς, από την σειρά (43) έχουμε e ta = A = S ΛS, A k = S ΛS S ΛS S ΛS = S Λ k S k=0 όπου e tλ = diag(e λ t,, e λ nt ) t k k! S Λk S = S k=0 t k k! Λk S = S e tλ S (44) 43 Νόρμες διανυσμάτων και πινάκων Ο λόγος που παρεμβάλουμε την συζήτηση για τις νόρμες που ακολουθεί είναι προκειμένου να δικαιολογήσουμε ϑεωρητικά τα ζητήματα σύγκλισης που προκύπτουν, για παράδειγμα, από τον ορισμό (4) Ξεκινάμε την ενότητα αυτή με δύο σημαντικές ανισότητες 43 Η ανισότητα του Hölder Πρόταση 3 Εστω a, b R + και p, q [, ) τέτοια ώστε + p q = Τότε ισχύει η ανισότητα a p p + bq ab q (45) Απόδειξη Θεωρούμε τη συνάρτηση y = x p u Ισχύει ότι 0 xp dx = up Το ολοκλήρωμα p αυτό είναι το εμβαδόν του χωρίου 0uR (με κίτρινο χρώμα στο σχήμα) Η αντίστροφη συνάρτηση είναι η x = y v p Γι αυτή ισχύει ότι y p 0 dy = v + p = vq (Η τελευταία + q p ισότητα οφείλεται στο γεγονός ότι + = p = q) Το δεύτερο αυτό ολοκλήρωμα p p 5

52 Σχήμα 4: Η ανισότητα του Hölder είναι το εμβαδόν του χωρίου 0Pv στο σχήμα (με πράσινο χρώμα) Από το σχήμα είναι σαφές ότι u v u p uv x p dx + y p dy = p + vq q 0 επειδή το άθροισμα των εμβαδών των χωρίων 0uR και 0Pv υπερβαίνει το εμβαδόν του ορθογωνίου 0uQv κατά το εμβαδόν του PQR Ετσι δείξαμε ότι ισχύει η 4 Από το σχήμα επίσης φαίνεται ότι η ισότητα στην (4) ισχύει μόνο αν το εμβαδόν του PQR είναι μηδέν πράγμα που συμβαίνει αν v = u p ή ισοδύναμα v q = u q(p ) ή v q = u p (Το τελευταίο ισχύει γιατί p + q = συνεπάγεται p = q(p )) 0 Εφαρμόζοντας τη σχέση (4) για τις ϑετικές ποσότητες x i x p, y i y q, έχουμε x i p p x p p και αθροίζοντας ως προς i: + y i q q y q q x iy i x p y q, i =,, n p x p p i= x i p + q y q q y i q i= n i= x i y i x p y q Παρατηρείστε όμως ότι n i= x i p = x p p όπως και n i= y i q = y q q Επομένως, δεδομένου ότι p + q =, n i= x i y i x p y q Η παραπάνω ανισότητα αποδεικνύει την ανισότητα του Hoelder: x, y x i y i x p y q (46) i= 5

Ας υποθέσουμε ότι ο παίκτης Ι διαλέγει πρώτος την τυχαιοποιημένη στρατηγική (x 1, x 2 ), x 1, x2 0,

Ας υποθέσουμε ότι ο παίκτης Ι διαλέγει πρώτος την τυχαιοποιημένη στρατηγική (x 1, x 2 ), x 1, x2 0, Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Στατιστικής Εισαγωγή στην Επιχειρησιακή Ερευνα Εαρινό Εξάμηνο 2015 Μ. Ζαζάνης Πρόβλημα 1. Να διατυπώσετε το παρακάτω παίγνιο μηδενικού αθροίσματος ως πρόβλημα γραμμικού

Διαβάστε περισσότερα

Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή.

Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή. Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή. Mαθηματικό σύστημα Ένα μαθηματικό σύστημα αποτελείται από αξιώματα, ορισμούς, μη καθορισμένες έννοιες και θεωρήματα. Η Ευκλείδειος γεωμετρία αποτελεί ένα

Διαβάστε περισσότερα

Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Εκθετικά πινάκων. 9 Απριλίου 2013, Βόλος

Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Εκθετικά πινάκων. 9 Απριλίου 2013, Βόλος ιαφορικές Εξισώσεις Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Ατελείς ιδιοτιμές Εκθετικά πινάκων Μανόλης Βάβαλης Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας 9 Απριλίου

Διαβάστε περισσότερα

Εισαγωγικά. 1.1 Η σ-αλγεβρα ως πληροφορία

Εισαγωγικά. 1.1 Η σ-αλγεβρα ως πληροφορία 1 Εισαγωγικά 1.1 Η σ-αλγεβρα ως πληροφορία Στη θεωρία μέτρου, όταν δουλεύει κανείς σε έναν χώρο X, συνήθως έχει διαλέξει μια αρκετά μεγάλη σ-άλγεβρα στον X έτσι ώστε όλα τα σύνολα που εμφανίζονται να ανήκουν

Διαβάστε περισσότερα

Γραμμική Ανεξαρτησία. Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας. 17 Μαρτίου 2013, Βόλος

Γραμμική Ανεξαρτησία. Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας. 17 Μαρτίου 2013, Βόλος Γραμμικές Συνήθεις ιαφορικές Εξισώσεις Ανώτερης Τάξης Γραμμικές Σ Ε 2ης τάξης Σ Ε 2ης τάξης με σταθερούς συντελεστές Μιγαδικές ρίζες Γραμμικές Σ Ε υψηλότερης τάξης Γραμμική Ανεξαρτησία Μανόλης Βάβαλης

Διαβάστε περισσότερα

Κεφάλαιο 1. Πίνακες και απαλοιφή Gauss

Κεφάλαιο 1. Πίνακες και απαλοιφή Gauss Κεφάλαιο 1 Πίνακες και απαλοιφή Gauss Γύρω απ το γινομένου πινάκων Κάτι σαν τυπολόγιο Αν AB = C, τότε: 1 (C) i j = (i-γραμμή A) ( j-στήλη B) Το συμβολίζει εσωτερικό γινόμενο 2 (i-γραμμή C) = k(a) ik (k-γραμμή

Διαβάστε περισσότερα

Επίλυση ειδικών μορφών ΣΔΕ

Επίλυση ειδικών μορφών ΣΔΕ 15 Επίλυση ειδικών μορφών ΣΔΕ Σε αυτό το κεφάλαιο θα δούμε κάποιες ειδικές μορφές ΣΔΕ για τις οποίες υπάρχει μέθοδος επίλυσης. Περισσότερες μπορεί να δει κανείς στο Kloeden and Plaen (199), 4.-4.4. Θα

Διαβάστε περισσότερα

5.1 Μετρήσιμες συναρτήσεις

5.1 Μετρήσιμες συναρτήσεις 5 Μετρήσιμες συναρτήσεις 5.1 Μετρήσιμες συναρτήσεις Ορισμός 5.1. Εστω (Ω, F ), (E, E) μετρήσιμοι χώροι. Μια συνάρτηση f : Ω E λέγεται F /Eμετρήσιμη αν f 1 (A) F για κάθε A E. (5.1) Συμβολίζουμε το σύνολο

Διαβάστε περισσότερα

1. Εστω ότι A, B, C είναι γενικοί 2 2 πίνακες, δηλαδή, a 21 a, και ανάλογα για τους B, C. Υπολογίστε τους πίνακες (A B) C και A (B C) και

1. Εστω ότι A, B, C είναι γενικοί 2 2 πίνακες, δηλαδή, a 21 a, και ανάλογα για τους B, C. Υπολογίστε τους πίνακες (A B) C και A (B C) και ΕΙΣΑΓΩΓΗ ΣΤΗ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Εαρινό Εξάμηνο 0 Ασκήσεις για προσωπική μελέτη Είναι απολύτως απαραίτητο να μπορείτε να τις λύνετε, τουλάχιστον τις υπολογιστικές! Εστω ότι A, B, C είναι γενικοί πίνακες,

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις

Αναγνώριση Προτύπων. Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις Αναγνώριση Προτύπων Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις 1 Λόγος Πιθανοφάνειας Ας υποθέσουμε ότι θέλουμε να ταξινομήσουμε

Διαβάστε περισσότερα

Οι γέφυρες του ποταμού... Pregel (Konigsberg)

Οι γέφυρες του ποταμού... Pregel (Konigsberg) Οι γέφυρες του ποταμού... Pregel (Konigsberg) Β Δ Β Δ Γ Γ Κύκλος του Euler (Euler cycle) είναι κύκλος σε γράφημα Γ που περιέχει κάθε κορυφή του γραφήματος, και κάθε ακμή αυτού ακριβώς μία φορά. Για γράφημα

Διαβάστε περισσότερα

Εφαρμογές στην κίνηση Brown

Εφαρμογές στην κίνηση Brown 13 Εφαρμογές στην κίνηση Brown Σε αυτό το κεφάλαιο θέλουμε να κάνουμε για την πολυδιάστατη κίνηση Brown κάτι ανάλογο με αυτό που κάναμε στην Παράγραφο 7.2 για τη μονοδιάστατη κίνηση Brown. Δηλαδή να μελετήσουμε

Διαβάστε περισσότερα

{ i f i == 0 and p > 0

{ i f i == 0 and p > 0 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Σχεδίαση και Ανάλυση Αλγορίθμων Διδάσκων: Ε. Μαρκάκης, Φθινοπωρινό εξάμηνο 014-015 Λύσεις 1ης Σειράς Ασκήσεων

Διαβάστε περισσότερα

Κεφάλαιο Η εκθετική κατανομή. Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση (1.1) f(x) = 0 αν x < 0.

Κεφάλαιο Η εκθετική κατανομή. Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση (1.1) f(x) = 0 αν x < 0. Κεφάλαιο Συνεχείς Τυχαίες Μεταβλητές. Η εκθετική κατανομή Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση f(x) = λe λx αν x, αν x

Διαβάστε περισσότερα

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών Κεφάλαιο Αλυσίδες Markov σε Συνεχή Χρόνο. Αλυσίδες

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο.

Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο. 2 Μέτρα 2.1 Μέτρα σε μετρήσιμο χώρο Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο. Ορισμός 2.1. Μέτρο στον (X, A) λέμε κάθε συνάρτηση µ : A [0, ] που ικανοποιεί τις

Διαβάστε περισσότερα

«ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ»

«ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» HY 118α «ΔΙΚΡΙΤ ΜΘΗΜΤΙΚ» ΣΚΗΣΕΙΣ ΠΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΙΣΤΩΝ εώργιος Φρ. εωργακόπουλος ΜΕΡΟΣ (1) ασικά στοιχεία της θεωρίας συνόλων. Π. ΚΡΗΤΗΣ ΤΜ. ΕΠ. ΥΠΟΛΟΙΣΤΩΝ «ΔΙΚΡΙΤ ΜΘΗΜΤΙΚ». Φ. εωργακόπουλος

Διαβάστε περισσότερα

Ο Ισχυρός Νόμος των Μεγάλων Αριθμών

Ο Ισχυρός Νόμος των Μεγάλων Αριθμών 1 Ο Ισχυρός Νόμος των Μεγάλων Αριθμών Στο κεφάλαιο αυτό παρουσιάζουμε ένα από τα σημαντικότερα αποτελέσματα της Θεωρίας Πιθανοτήτων, τον ισχυρό νόμο των μεγάλων αριθμών. Η διατύπωση που θα αποδείξουμε

Διαβάστε περισσότερα

602. Συναρτησιακή Ανάλυση. Υποδείξεις για τις Ασκήσεις

602. Συναρτησιακή Ανάλυση. Υποδείξεις για τις Ασκήσεις 602. Συναρτησιακή Ανάλυση Υποδείξεις για τις Ασκήσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Αθήνα 2018 Περιεχόμενα 1 Χώροι με νόρμα 1 2 Χώροι πεπερασμένης διάστασης 23 3 Γραμμικοί τελεστές και γραμμικά

Διαβάστε περισσότερα

Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων.

Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων. A A N A B P Y T A Άρθρο στους Μιγαδικούς Αριθμούς 9 5 0 Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων. Δρ. Νίκος Σωτηρόπουλος, Μαθηματικός Εισαγωγή Το άρθρο αυτό γράφεται με

Διαβάστε περισσότερα

Αναλυτικές ιδιότητες

Αναλυτικές ιδιότητες 8 Αναλυτικές ιδιότητες 8. Βαθμός συνέχειας* Ξέρουμε ότι η κίνηση Brown είναι συνεχής και θα δείξουμε αργότερα ότι είναι πουθενά διαφορίσιμη. Πόσο ομαλή είναι λοιπόν; Μια ασθενέστερη μορφή ομαλότητας είναι

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

ιάσταση του Krull Α.Π.Θ. Θεσσαλονίκη Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, / 27

ιάσταση του Krull Α.Π.Θ. Θεσσαλονίκη Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, / 27 ιάσταση του Krull Χ. Χαραλάμπους Α.Π.Θ. Θεσσαλονίκη Ιανουάριος, 2017 Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, 2017 1 / 27 Ορισμοί Εστω R (αντιμεταθετικός) δακτύλιος. Ορισμός Η διάσταση του Krull

Διαβάστε περισσότερα

HY 280. θεμελιακές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ. Γεώργιος Φρ.

HY 280. θεμελιακές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ. Γεώργιος Φρ. HY 280 «ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΟΥ» θεμελικές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Γεώργιος Φρ. Γεωργκόπουλος μέρος Α Εισγωγή, κι η σική θεωρί των πεπερσμένων

Διαβάστε περισσότερα

Η εξίσωση Black-Scholes

Η εξίσωση Black-Scholes 8 Η εξίσωση Black-Scholes 8. Μια απλή αγορά Θεωρούμε ότι έχουμε μια αγορά που έχει μόνο δύο προϊόντα. Το ένα είναι η δυνατότητα κατάθεσης σε μια τράπεζα (ισοδύναμα, αγορά ομολόγων της τράπεζας) και το

Διαβάστε περισσότερα

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Σ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΔΕΥΤΕΡΑ 12 ΙΟΥΝΙΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΗΡΕΣΙΩΝ): ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ

Διαβάστε περισσότερα

Επιχειρησιακή Ερευνα Ι

Επιχειρησιακή Ερευνα Ι Επιχειρησιακή Ερευνα Ι Μ. Ζαζάνης Κεφάλαιο 1 Τετραγωνικές μορφές στον R n και το ϑεώρημα του Taylor Ορισμός 1. Εστω a 11 a 1n A =.. a n1 a nn συμμετρικός πίνακας n n με στοιχεία στους πραγματικούς αριθμούς.

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Bias (απόκλιση) και variance (διακύμανση) Ελεύθεροι Παράμετροι Ελεύθεροι Παράμετροι Διαίρεση dataset Μέθοδος holdout Cross Validation Bootstrap Bias (απόκλιση) και variance

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ231: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 2017-2018 Φροντιστήριο 3 - Λύσεις 1. Εστω ο πίνακας Α = [12, 23, 1, 5, 7, 19, 2, 14]. i. Να δώσετε την κατάσταση

Διαβάστε περισσότερα

Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα.

Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα. 2 Δεσμευμένη μέση τιμή 2.1 Ορισμός Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα. Ορισμός 2.1. Για X : Ω R τυχαία

Διαβάστε περισσότερα

Ο τύπος του Itô. f (s) ds (12.1) f (g(s)) dg(s). (12.2) t f (B s ) db s + 1 2

Ο τύπος του Itô. f (s) ds (12.1) f (g(s)) dg(s). (12.2) t f (B s ) db s + 1 2 12 Ο τύπος του Itô Για συνάρτηση f : R R με συνεχή παράγωγο, έχουμε d f (s) = f (s) ds που σε ολοκληρωτική μορφή σημαίνει f (b) f (a) = b a f (s) ds (12.1) για κάθε a < b. Αν επιπλέον και η g : R R έχει

Διαβάστε περισσότερα

Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α. 1η σειρά ασκήσεων

Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α. 1η σειρά ασκήσεων Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α 1η σειρά ασκήσεων Ονοματεπώνυμο: Αριθμός μητρώου: Ημερομηνία παράδοσης: Μέχρι την Τρίτη 2 Απριλίου 2019 Σημειώστε τις ασκήσεις για τις οποίες έχετε παραδώσει λύση: 1

Διαβάστε περισσότερα

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών Κεφάλαιο Αλυσίδες Markov σε Συνεχή Χρόνο Αλυσίδες Markov

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Μη Παραμετρικός Υπολογισμός πυκνότητας με εκτίμηση Ιστόγραμμα Παράθυρα Parzen Εξομαλυμένη Kernel Ασκήσεις 1 Μη Παραμετρικός Υπολογισμός πυκνότητας με εκτίμηση Κατά τη

Διαβάστε περισσότερα

Εκφωνήσεις και Λύσεις των Θεμάτων

Εκφωνήσεις και Λύσεις των Θεμάτων ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Δευτέρα 8 Μαΐου 0 Εκφωνήσεις και Λύσεις των Θεμάτων

Διαβάστε περισσότερα

Γενικό Λύκειο Μαραθοκάμπου Σάμου. Άλγεβρα Β λυκείου. 13 Οκτώβρη 2016

Γενικό Λύκειο Μαραθοκάμπου Σάμου. Άλγεβρα Β λυκείου. 13 Οκτώβρη 2016 Γενικό Λύκειο Μαραθοκάμπου Σάμου Άλγεβρα Β λυκείου Εργασία2 η : «Συναρτήσεις» 13 Οκτώβρη 2016 Ερωτήσεις Θεωρίας 1.Πότελέμεότιμιασυνάρτησηfείναιγνησίωςάυξουσασεέναδιάστημα του πεδίου ορισμού της; 2.Πότελέμεότιμιασυνάρτησηfείναιγνησίωςφθίνουσασεέναδιάστημα

Διαβάστε περισσότερα

ΣΧΟΛΙΚΟ ΕΤΟΣ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ. Ονοματεπώνυμο Τμήμα

ΣΧΟΛΙΚΟ ΕΤΟΣ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ. Ονοματεπώνυμο Τμήμα Σελίδα 1 ΣΧΟΛΙΚΟ ΕΤΟΣ 2014 2015 ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ Ονοματεπώνυμο Τμήμα ΘΕΜΑ Α Οδηγία: Να γράψετε στην κόλλα σας τον αριθμό καθεμιάς από τις παρακάτω ερωτήσεις

Διαβάστε περισσότερα

Αλγόριθμοι & Βελτιστοποίηση

Αλγόριθμοι & Βελτιστοποίηση Αλγόριθμοι & Βελτιστοποίηση ΠΜΣ / ΕΤΥ : Μεταπτυχιακό Μάθημα 4η Ενότητα: Γραμμικά Συστήματα Εξισωσεων και Pivots Χρήστος Ζαρολιάγκης (zaro@ceid.upatras.gr) Σπύρος Κοντογιάννης (kontog@cs.uoi.gr) Τμήμα Μηχανικών

Διαβάστε περισσότερα

21/11/2005 Διακριτά Μαθηματικά. Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ Δ Ι. Γεώργιος Βούρος Πανεπιστήμιο Αιγαίου

21/11/2005 Διακριτά Μαθηματικά. Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ Δ Ι. Γεώργιος Βούρος Πανεπιστήμιο Αιγαίου Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ A Ε B Ζ Η Γ K Θ Δ Ι Ορισμός Ένα (μη κατευθυνόμενο) γράφημα (non directed graph) Γ, είναι μία δυάδα από σύνολα Ε και V και συμβολίζεται με Γ=(Ε,V). Το σύνολο

Διαβάστε περισσότερα

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ ΗΜΕΡΟΜΗΝΙΑ: ΕΠΩΝΥΜΟ: ΟΝΟΜΑ: ΟΜΑΔΑ Α Για τις προτάσεις Α1 μέχρι και Α6 να

Διαβάστε περισσότερα

Σχέσεις και ιδιότητές τους

Σχέσεις και ιδιότητές τους Σχέσεις και ιδιότητές τους Διμελής (binary) σχέση Σ από σύνολο Χ σε σύνολο Υ είναι ένα υποσύνολο του καρτεσιανού γινομένου Χ Υ. Αν (χ,ψ) Σ, λέμε ότι το χ σχετίζεται με το ψ και σημειώνουμε χσψ. Στην περίπτωση

Διαβάστε περισσότερα

Ανελίξεις σε συνεχή χρόνο

Ανελίξεις σε συνεχή χρόνο 4 Ανελίξεις σε συνεχή χρόνο Σε αυτό το κεφάλαιο είναι συγκεντρωμένοι ορισμοί και αποτελέσματα από τη θεωρία των στοχαστικών ανελιξεων συνεχούς χρόνου. Με εξαίρεση την Παράγραφο 4.1, η οποία είναι εντελώς

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ Την ευθύνη του εκπαιδευτικού υλικού έχει ο επιστημονικός συνεργάτης των Πανεπιστημιακών Φροντιστηρίων «ΚOΛΛΙΝΤΖΑ», οικονομολόγος συγγραφέας θεμάτων ΑΣΕΠ, Παναγιώτης Βεργούρος.

Διαβάστε περισσότερα

ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα

ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα Τα βιβλία διακριτών μαθηματικών του Γ.Β. Η/Υ με επεξεργαστή Pentium και χωρητικότητα

Διαβάστε περισσότερα

Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein Πηγή:

Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein Πηγή: Ας πούμε και κάτι για τις δύσκολες μέρες που έρχονται Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein 1879-1955 Πηγή: http://www.cognosco.gr/gnwmika/ 1 ΚΥΚΛΙΚΟΣ

Διαβάστε περισσότερα

Εισαγωγή στη Μιγαδική Ανάλυση. (Πρώτη Ολοκληρωμένη Γραφή)

Εισαγωγή στη Μιγαδική Ανάλυση. (Πρώτη Ολοκληρωμένη Γραφή) Εισαωή στη Μιαδική Ανάλυση Σημειώσεις (Πρώτη Ολοκληρωμένη Γραφή) Ε. Στεφανόπουλος Τμήμα Μαθηματικών Πανεπιστήμιο Αιαίου Καρλόβασι Καλοκαίρι 26 Πρόλοος Οι σημειώσεις αυτές είναι αποτέλεσμα επεξερασίας

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε P(X = = P(X = = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων

Διαβάστε περισσότερα

Martingales. 3.1 Ορισμός και παραδείγματα

Martingales. 3.1 Ορισμός και παραδείγματα 3 Martingales 3.1 Ορισμός και παραδείγματα Εστω χώρος πιθανότητας (Ω, F, P). Διήθηση σε αυτό τον χώρο λέμε μια αύξουσα ακολουθία (F n ) n 0 σ-αλγεβρών, η καθεμία από τις οποίες είναι υποσύνολο της F. Δηλαδή,

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε (X = = (X = = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων αριθμών

Διαβάστε περισσότερα

( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «απεικονίσεις»

( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «απεικονίσεις» ( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «πεικονίσεις» 1. ΣΧΕΣΕΙΣ: το σκεπτικό κι ο ορισμός. Τ σύνολ νπριστούν ιδιότητες μεμονωμένων στοιχείων: δεδομένου συνόλου S, κι ενός στοιχείου σ, είνι δυντόν είτε σ S είτε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ31: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 017-018 Φροντιστήριο 5 1. Δικαιολογήστε όλες τις απαντήσεις σας. i. Δώστε τις 3 βασικές ιδιότητες ενός AVL δένδρου.

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Εκτίμηση Πυκνότητας με k NN k NN vs Bayes classifier k NN vs Bayes classifier Ο κανόνας ταξινόμησης του πλησιέστερου γείτονα (k NN) lazy αλγόριθμοι O k NN ως χαλαρός

Διαβάστε περισσότερα

α 0. α ν x ν +α ν 1 x ν α 1 x+α 0 α ν x ν,α ν 1 x ν 1,...,α 1 x,α 0, ...,α 1,α 0,

α 0. α ν x ν +α ν 1 x ν α 1 x+α 0 α ν x ν,α ν 1 x ν 1,...,α 1 x,α 0, ...,α 1,α 0, Άλγεβρα Β Λυκείου - Πολυώνυμα: Θεωρία, Μεθοδολογία και Λυμένες ασκήσεις Κώστας Ράπτης Μάιος 2011 Μέρος I Πολυώνυμα 1 Πολυώνυμα 1.1 Στοιχεία ϑεωρίας Καλούμε μονώνυμο του x κάθε παράσταση της μορφήςαx ν,

Διαβάστε περισσότερα

Κατασκευή της κίνησης Brown και απλές ιδιότητες

Κατασκευή της κίνησης Brown και απλές ιδιότητες 5 Κατασκευή της κίνησης Brown και απλές ιδιότητες 51 Ορισμός, ύπαρξη, και μοναδικότητα Ορισμός 51 Μια στοχαστική ανέλιξη { : t } ορισμένη σε έναν χώρο πιθανότητας (Ω, F, P) και με τιμές στο R λέγεται (μονοδιάστατη)

Διαβάστε περισσότερα

Χαρακτηριστικές συναρτήσεις

Χαρακτηριστικές συναρτήσεις 13 Χαρακτηριστικές συναρτήσεις 13.1 Μετασχηματισμός Fourier μέτρου πιθανότητας στο R Εστω (Ω, F, µ) χώρος μέτρου και f : Ω C Borel-μετρήσιμη συνάρτηση. Το πραγματικό και φανταστικό μέρος της f, που τα

Διαβάστε περισσότερα

τους στην Κρυπτογραφία και τα

τους στην Κρυπτογραφία και τα Οι Ομάδες των Πλεξίδων και Εφαρμογές τους στην Κρυπτογραφία και τα Πολυμερή Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών ΕΜΠ Επιβλέπουσα Καθηγήτρια: Λαμπροπούλου Σοφία Ιούλιος, 2013 Περιεχόμενα

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ) ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε P(X = ) = P(X = ) = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων

Διαβάστε περισσότερα

Στοχαστικές διαφορικές εξισώσεις

Στοχαστικές διαφορικές εξισώσεις 14 Στοχαστικές διαφορικές εξισώσεις 14.1 Γενικά Στοχαστική διαφορική εξίσωση λέμε μια εξίσωση της μορφής dx = µ(, X ) d + σ(, X ) db, X = x, (14.1) με µ, σ : [, ) R R μετρήσιμες συναρτήσεις, x R, και B

Διαβάστε περισσότερα

Μονάδες 5 1.2.α. Να γράψετε στο τετράδιό σας τον παρακάτω πίνακα σωστά συµπληρωµένο.

Μονάδες 5 1.2.α. Να γράψετε στο τετράδιό σας τον παρακάτω πίνακα σωστά συµπληρωµένο. ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΕΥΤΕΡΑ 12 ΙΟΥΝΙΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΠΑΡΑΓΩΓΗΣ): ΧΗΜΕΙΑ - ΒΙΟΧΗΜΕΙΑ ΣΥΝΟΛΟ ΣΕΛΙ

Διαβάστε περισσότερα

ΜΙΚΡΟΟΙΚΟΝΟΜΙΚΗ Η ΚΑΤΑΝΑΛΩΤΙΚΗ ΑΠΟΦΑΣΗ. Άσκηση με θέμα τη μεγιστοποίηση της χρησιμότητας του καταναλωτή

ΜΙΚΡΟΟΙΚΟΝΟΜΙΚΗ Η ΚΑΤΑΝΑΛΩΤΙΚΗ ΑΠΟΦΑΣΗ. Άσκηση με θέμα τη μεγιστοποίηση της χρησιμότητας του καταναλωτή ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΙΟΝΙΩΝ ΝΗΣΩΝ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΣΑΓΩΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 07 08 ΛΕΥΚΑΔΑ ΜΙΚΡΟΟΙΚΟΝΟΜΙΚΗ Η ΚΑΤΑΝΑΛΩΤΙΚΗ

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Tα Πανεπιστημιακά Φροντιστήρια «ΚΟΛΛΙΝΤΖΑ» προετοιμάζοντας σε ολιγομελείς ομίλους τους υποψήφιους για τον επικείμενο διαγωνισμό του Υπουργείου Οικονομικών, με κορυφαίο

Διαβάστε περισσότερα

Μαθηματικά Πληροφορικής

Μαθηματικά Πληροφορικής Πανεπιστήμιο Αθηνών Μαθηματικά Πληροφορικής Ηλίας Κουτσουπιάς Αθήνα, Οκτώβριος 2009 Περιεχόμενα Περιεχόμενα 1 Σύνολα... 5 ΆλλαΣύμβολα... 6 1 Υποθέσεις και Θεωρήματα 9 1.1 Παρατήρηση-Υπόθεση-Απόδειξη...

Διαβάστε περισσότερα

ΣΤΟ ΙΑΤΡΕΙΟ. Με την πιστοποίηση του αποκτά πρόσβαση στο περιβάλλον του ιατρού που παρέχει η εφαρμογή.

ΣΤΟ ΙΑΤΡΕΙΟ. Με την πιστοποίηση του αποκτά πρόσβαση στο περιβάλλον του ιατρού που παρέχει η εφαρμογή. ΣΤΟ ΙΑΤΡΕΙΟ Ο ιατρός αφού διαπιστώσει εάν το πρόσωπο που προσέρχεται για εξέταση είναι το ίδιο με αυτό που εικονίζεται στο βιβλιάριο υγείας και ελέγξει ότι είναι ασφαλιστικά ενήμερο (όπως ακριβώς γίνεται

Διαβάστε περισσότερα

ΠΡΟΛΟΓΟΣ. Αθήνα, 12 Απριλίου 2016.

ΠΡΟΛΟΓΟΣ. Αθήνα, 12 Απριλίου 2016. Αλγεβρική Γεωμετρία ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος Κεφάλαιο 1. Αλγεβρικές ποικιλότητες 1 1. Αλγεβρικά Σύνολα 1 2. Το Θεώρημα Ριζών του Hilbert 7 3. Συγγενείς Αλγεβρικές Ποικιλότητες 14 4. Πολλαπλότητα και Πολλαπλότητα

Διαβάστε περισσότερα

Επίλυση δικτύων διανομής

Επίλυση δικτύων διανομής ΑστικάΥδραυλικάΈργα Υδρεύσεις Επίλυση δικτύων διανομής Δημήτρης Κουτσογιάννης & Ανδρέας Ευστρατιάδης Τομέας Υδατικών Πόρων Εθνικό Μετσόβιο Πολυτεχνείο Διατύπωση του προβλήματος Δεδομένου ενός δικτύου αγωγών

Διαβάστε περισσότερα

Μετασχηματισμοί Laplace. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ Πανεπιστήμιο Θεσσαλίας

Μετασχηματισμοί Laplace. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ Πανεπιστήμιο Θεσσαλίας ιαφορικές Εξισώσεις Μετασχηματισμοί Laplace Μανόλης Βάβαλης Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ Πανεπιστήμιο Θεσσαλίας Βόλος, 11 Μαΐου 2015 Περιεχόμενα Μετασχηματισμοί Laplace Ορισμός μετασχηματισμού

Διαβάστε περισσότερα

Πιθανότητες ΙΙ 1 o Μέρος. Οικονομικό Πανεπιστήμιο Αθηνών

Πιθανότητες ΙΙ 1 o Μέρος. Οικονομικό Πανεπιστήμιο Αθηνών Πιθανότητες ΙΙ o Μέρος Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών 4 Απριλίου 7 Κεφάλαιο Συνεχείς Τυχαίες Μεταβλητές. Η εκθετική κατανομή Η πυκνότητα πιθανότητας της εκθετικής κατανομής

Διαβάστε περισσότερα

17 Μαρτίου 2013, Βόλος

17 Μαρτίου 2013, Βόλος Συνήθεις ιαφορικές Εξισώσεις 1ης Τάξης Σ Ε 1ης τάξης, Πεδία κατευθύνσεων, Υπαρξη και μοναδικότητα, ιαχωρίσιμες εξισώσεις, Ολοκληρωτικοί παράγοντες, Αντικαταστάσεις, Αυτόνομες εξισώσεις Μανόλης Βάβαλης

Διαβάστε περισσότερα

Ευρωπαϊκά παράγωγα Ευρωπαϊκά δικαιώματα

Ευρωπαϊκά παράγωγα Ευρωπαϊκά δικαιώματα 17 Ευρωπαϊκά παράγωγα 17.1 Ευρωπαϊκά δικαιώματα Ορισμός 17.1. 1) Ευρωπαϊκό δικαίωμα αγοράς σε μία μετοχή είναι ένα συμβόλαιο που δίνει στον κάτοχό του το δικαίωμα να αγοράσει μία μετοχή από τον εκδότη

Διαβάστε περισσότερα

Προτεινόμενα θέματα στο μάθημα. Αρχές Οικονομικής Θεωρίας ΟΜΑΔΑ Α. Στις προτάσεις από Α.1. μέχρι και Α10 να γράψετε στο τετράδιό σας τον αριθμό της

Προτεινόμενα θέματα στο μάθημα. Αρχές Οικονομικής Θεωρίας ΟΜΑΔΑ Α. Στις προτάσεις από Α.1. μέχρι και Α10 να γράψετε στο τετράδιό σας τον αριθμό της Προτεινόμενα θέματα στο μάθημα Αρχές Οικονομικής Θεωρίας ΟΜΑΔΑ Α Στις προτάσεις από Α.1. μέχρι και Α10 να γράψετε στο τετράδιό σας τον αριθμό της καθεμιάς και δίπλα σε κάθε αριθμό την ένδειξη Σωστό, αν

Διαβάστε περισσότερα

Η έκδοση αυτή είναι υπό προετοιμασία. Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης

Η έκδοση αυτή είναι υπό προετοιμασία. Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης Θεωρία Αριθμών και Εφαρμογές Η έκδοση αυτή είναι υπό προετοιμασία Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης 9 Φεβρουαρίου 2015 2 Περιεχόμενα I ΑΡΙΘΜΟΘΕΩΡΙΑ ΤΩΝ ΡΗΤΩΝ ΑΡΙΘΜΩΝ 7 1 ΔΙΑΙΡΕΤΟΤΗΤΑ ΚΑΙ ΠΡΩΤΟΙ

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Η κατάρα της διαστατικότητας Μείωση διαστάσεων εξαγωγή χαρακτηριστικών επιλογή χαρακτηριστικών Αναπαράσταση έναντι Κατηγοριοποίησης Ανάλυση Κυρίων Συνιστωσών PCA Γραμμική

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ231: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 2017-2018 Φροντιστήριο 3 1. Εστω η στοίβα S και ο παρακάτω αλγόριθμος επεξεργασίας της. Να καταγράψετε την κατάσταση

Διαβάστε περισσότερα

Εκφωνήσεις και Λύσεις των Θεμάτων

Εκφωνήσεις και Λύσεις των Θεμάτων ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Τετάρτη 23 Μαΐου 2012 Εκφωήσεις και Λύσεις

Διαβάστε περισσότερα

Η κατανομή του Euler επί των αυτοαντίστροφων στοιχείων της

Η κατανομή του Euler επί των αυτοαντίστροφων στοιχείων της Ε Κ Π Α Τ Μ Η κατανομή του Euler επί των αυτοαντίστροφων στοιχείων της υπεροκταεδρικής ομάδας Μ Ε Μουστάκας Βασίλης - Διονύσης : Χ Α. Α Αθήνα Ιούνιος 07 Στον πρώτο μου δάσκαλο, μαθηματικό Γιάννη Καρρά.

Διαβάστε περισσότερα

Εξέταση Ηλεκτρομαγνητισμού Ι 2 Φεβρουαρίου 2018

Εξέταση Ηλεκτρομαγνητισμού Ι 2 Φεβρουαρίου 2018 ΕΚΠΑ, Τμήμα Φυσικής Εξέταση Ηλεκτρομαγνητισμού Ι 2 Φεβρουαρίου 2018 ΘΕΜΑ 1 Γραμμική κατανομή φορτίου εκτείνεται από h έως +h κατά μήκος του άξονα z με ετερογενή πυκνότητα λ 0 < 0 για h z < 0 και λ 0 >

Διαβάστε περισσότερα

ΘΕΜΑ: Aποτελεσματικότητα της νομισματικής και δημοσιονομικής πολιτικής σε μια ανοικτή οικονομία

ΘΕΜΑ: Aποτελεσματικότητα της νομισματικής και δημοσιονομικής πολιτικής σε μια ανοικτή οικονομία ΘΕΜΑ: ποτελεσματικότητα της νομισματικής και δημοσιονομικής πολιτικής σε μια ανοικτή οικονομία Σύνταξη: Μπαντούλας Κων/νος, Οικονομολόγος, Ms Χρηματοοικονομικών 1 Η πρώτη θεωρία σχετικά με τον αυτόματο

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ. H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει

ΕΙΣΑΓΩΓΗ. H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει ΕΙΣΑΓΩΓΗ ------------------------------------------------------------------------------------- H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει αντικείμενο

Διαβάστε περισσότερα

(3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις

(3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις (3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις Είναι πράγματι τα «προβλήματα» τόσο δύσκολα; Είδαμε (σύντομα) στα προηγούμενα

Διαβάστε περισσότερα

Αλγόριθμοι & Βελτιστοποίηση

Αλγόριθμοι & Βελτιστοποίηση Αλγόριθμοι & Βελτιστοποίηση ΠΜΣ/ΕΤΥ: Μεταπτυχιακό Μάθημα 8η Ενότητα: Γραμμικός Προγραμματισμός ως Υπορουτίνα για Επίλυση Προβλημάτων Χρήστος Ζαρολιάγκης (zaro@ceid.upatras.gr) Σπύρος Κοντογιάννης (kontog@cs.uoi.gr)

Διαβάστε περισσότερα

Συναρτήσεις. Σημερινό μάθημα

Συναρτήσεις. Σημερινό μάθημα Συναρτήσεις Σημερινό μάθημα C++ Συναρτήσεις Δήλωση συνάρτησης Σύνταξη συνάρτησης Πρότυπο συνάρτησης & συνάρτηση Αλληλο καλούμενες συναρτήσεις συναρτήσεις μαθηματικών Παράμετροι συναρτήσεων Τοπικές μεταβλητές

Διαβάστε περισσότερα

Διανυσματικές Συναρτήσεις

Διανυσματικές Συναρτήσεις Κεφάλαιο 5 Διανυσματικές Συναρτήσεις 51 Διανυσματατικές συναρτήσεις Μια συνάρτηση με τιμές στοr n, n>1 λέγεται διανυσματική συνάρτηση Τις διανυσματικές συναρτήσεις ϑα τις συμβολίζουμε με παχειά γράμματα,

Διαβάστε περισσότερα

Αλγόριθμοι & Βελτιστοποίηση Μεταπτυχιακό Μάθημα ΠΜΣ/ΕΤΥ 2η Ενότητα: Μοντελοποίηση Προβλημάτων ως ΓΠ, Ισοδυναμες Μορφές ΓΠ, Γεωμετρία Χωρου Λύσεων

Αλγόριθμοι & Βελτιστοποίηση Μεταπτυχιακό Μάθημα ΠΜΣ/ΕΤΥ 2η Ενότητα: Μοντελοποίηση Προβλημάτων ως ΓΠ, Ισοδυναμες Μορφές ΓΠ, Γεωμετρία Χωρου Λύσεων Αλγόριθμοι & Βελτιστοποίηση Μεταπτυχιακό Μάθημα ΠΜΣ/ΕΤΥ 2η Ενότητα: Μοντελοποίηση Προβλημάτων ως ΓΠ, Ισοδυναμες Μορφές ΓΠ, Γεωμετρία Χωρου Λύσεων Χρήστος Ζαρολιάγκης (zaro@ceid.upatras.gr) Σπύρος Κοντογιάννης

Διαβάστε περισσότερα

Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ

Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Ενα δεύτερο μάθημα στις πιθανότητες Ενα δεύτερο

Διαβάστε περισσότερα

Ερμηνευτικό Λεξικό Λ-501

Ερμηνευτικό Λεξικό Λ-501 Ερμηνευτικό Λεξικό Α Αθροισμα γραμμής: [row sum] Το άθροισμα των στοιχείων μιας γραμμής μιας μήτρας. Αθροισμα στήλης [column sum]: Το άθροισμα των στοιχείων μιας στήλης μιας μήτρας. Ακραίο ή συνοριακό

Διαβάστε περισσότερα

Ψηφιακή Εικόνα. Σημερινό μάθημα!

Ψηφιακή Εικόνα. Σημερινό μάθημα! Ψηφιακή Εικόνα Σημερινό μάθημα! Ψηφιακή Εικόνα Αναλογική εικόνα Ψηφιοποίηση (digitalization) Δειγματοληψία Κβαντισμός Δυαδικές δ έ (Binary) εικόνες Ψηφιακή εικόνα & οθόνη Η/Υ 1 Ψηφιακή Εικόνα Μια ακίνητη

Διαβάστε περισσότερα

Αρτιες και περιττές συναρτήσεις

Αρτιες και περιττές συναρτήσεις Μελέτη Συναρτήσεων: άρτιες, περιττές συναρτήσεις - μονοτονία - ακρότατα Κωνσταντίνος Α. Ράπτης Άρτιες και περιττές συναρτήσεις Ὁι ψυχολόγοι κάνουν λόγο για δύο επίπεδα συλλογιστικής και μνήμης: το αρχαϊκό

Διαβάστε περισσότερα

ΣΤΟ ΦΑΡΜΑΚΕΙΟ. Με την πιστοποίηση του έχει πρόσβαση στο περιβάλλον του φαρμακείου που παρέχει η εφαρμογή.

ΣΤΟ ΦΑΡΜΑΚΕΙΟ. Με την πιστοποίηση του έχει πρόσβαση στο περιβάλλον του φαρμακείου που παρέχει η εφαρμογή. ΣΤΟ ΦΑΡΜΑΚΕΙΟ Ο ασθενής έχοντας μαζί του το βιβλιάριο υγείας του και την τυπωμένη συνταγή από τον ιατρό, η οποία αναγράφει τον μοναδικό κωδικό της, πάει στο φαρμακείο. Το φαρμακείο αφού ταυτοποιήσει το

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ Δημήτρης Χελιώτης ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ B τ u(x):=e x {f(b τ ) u(x) = } x ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Εισαγωγή στον

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ Δημήτρης Χελιώτης ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ B τ u(x):=e x {f(b τ ) u(x) = } x ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Εισαγωγή στον

Διαβάστε περισσότερα

Αρτιες και περιττές συναρτήσεις

Αρτιες και περιττές συναρτήσεις Μελέτη Συναρτήσεων: άρτιες, περιττές συναρτήσεις - μονοτονία - ακρότατα Κώστας Ράπτης Άρτιες και περιττές συναρτήσεις Ὁι ψυχολόγοι κάνουν λόγο για δύο επίπεδα συλλογιστικής και μνήμης: το αρχαϊκό και το

Διαβάστε περισσότερα

Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 Α. Να µεταφέρετε στο τετράδιό σας και να συµπληρώσετε τον παρακάτω πίνακα αλήθειας δύο προτάσεων

Διαβάστε περισσότερα

9η Ενότητα: Προβλήματα ικτυακών Ροών

9η Ενότητα: Προβλήματα ικτυακών Ροών Θέματα Αλγορίθμων Αλγόριθμοι και Εφαρμογές στον Πραγματικό Κόσμο CSE.UOI : Μεταπτυχιακό Μάθημα 9η Ενότητα: Προβλήματα ικτυακών Ροών Σπύρος Κοντογιάννης kontog@cse.uoi.gr Τμήμα Μηχανικών Η/Υ & Πληροφορικής

Διαβάστε περισσότερα

Παραβολή ψ=αχ 2 +βχ+γ, α 0. Η παραβολή ψ = αχ 2. Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α 0 λέγεται τετραγωνική συνάρτηση.

Παραβολή ψ=αχ 2 +βχ+γ, α 0. Η παραβολή ψ = αχ 2. Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α 0 λέγεται τετραγωνική συνάρτηση. Η παραβολή ψ=αχ 2 +βχ+γ Σελίδα 1 από 10 Παραβολή ψ=αχ 2 +βχ+γ, α0 Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α0 λέγεται τετραγωνική συνάρτηση. Η παραβολή ψ = αχ 2 Η γραφική παράσταση της συνάρτησης

Διαβάστε περισσότερα

Εισαγωγή στις Διακριτές Πιθανότηες. Οικονομικό Πανεπιστήμιο Αθηνών

Εισαγωγή στις Διακριτές Πιθανότηες. Οικονομικό Πανεπιστήμιο Αθηνών Εισαγωγή στις Διακριτές Πιθανότηες Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών 27 Δεκεμβρίου 2010 2 Κεφάλαιο 1 Συνδιαστική Ανάλυση και Μαθηματικές Τεχνικές Η απαρίθμηση των στοιχείων

Διαβάστε περισσότερα

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 30 ΜΑΪΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ: ΧΗΜΕΙΑ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΕΞΙ (6)

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 30 ΜΑΪΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ: ΧΗΜΕΙΑ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΕΞΙ (6) ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Σ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 30 ΜΑΪΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ: ΧΗΜΕΙΑ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΕΞΙ (6) ΘΕΜΑ 1ο Στις ερωτήσεις 1.1 έως 1.3, να γράψετε στο τετράδιό

Διαβάστε περισσότερα

( ) Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ

( ) Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ Ενδιαφερόμαστε μεν για τους αλγορίθμους αλλά εντός ενός συγκεκριμμένου πλαισίου: (α) ως λύσεις προβλημάτων,

Διαβάστε περισσότερα

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΔΙΑΦΟΡΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΔΙΑΦΟΡΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ : ΔΙΑΦΟΡΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ Πανεπιστήμιο Πατρών Σχολή : Θετικών Επιστημών Τμήμα : Μαθηματικών Μ.Δ.Ε. : Μαθηματικά των Φυσικών και Βιομηχανικών Εφαρμογών Ακαδημαϊκό Έτος

Διαβάστε περισσότερα