Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008"

Transkript

1 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta

2 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního operátoru resp. čtvercové matice. Jejich výpočet. Základní vlastnosti. Uvedení matice na diagonální tvar. Informace o Jordanově tvaru v obecném případě. Otázka vychází především ze skript pana Jiřího Tůmy a částečně i ze skript pana Jiřího Rohna Definice Definice Nechť A je čtvercová matice řádu n s reálnými (komplexními) prvky. Jestliže platí Ax = λx (1) pro jisté λ C a pro nenulový vektor x R n 1 (C n 1 ). Pak λ nazveme vlastním číslem matice A a vektor x vlastním vektorem příslušným k tomuto vlastnímu číslu. Množinu všech vlastních čísel matice A nazýváme spektrum matice A a označujeme ji σ(a). Funkci p(λ) = det(a λi n ) nazveme charakteristický polynom matice A. Pozorování Z definice přímo plyne: λ σ(a) matice A λi n je singulární det(a λi n ) = 0 Poslední podmínka nám říká, jak najít vlastní čísla matice, pokud existují. Vlastní vektory vypočteme úpravou (1) na: (A λi n )x = 0 Definice Je-li F : V V lineární operátor na reálném (komplexním) vektorovém prostoru V, pak skalár λ nazýváme vlastní číslo lineárního operátoru V, pokud existuje nenulový vektor x V, pro který platí F (x) = λx. Je-li λ vlastní číslo operátoru F, pak každý vektor x V, pro který platí F (x) = λx, nazýváme vlastní vektor lineárního operátoru F příslušný vlastnímu číslu λ. Množinu všech vlastních čísel operátoru F označujeme σ(f ) a nazýváme spektrum operátoru F. 2

3 Definice (podobné matice, diagonalizovatelnost) Řekneme, že matice A a B jsou podobné, pokud existuje nějaká regulární matice P taková, že platí B = P 1 AP. Reálná(komplexní) matice A řádu n se nazývá diagonalizovatelná, pokud existuje regulární reálná(komplexní) matice P řádu n, pro kterou platí, že součin P 1 AP je diagonální matice, tj. pokud matice A je podobná nějaké diagonální matici. Lineární operátor F : V V na reálném(komplexním) vektorovém prostoru V se nazývá diagonalizovatelný, pokud existuje báze B prostoru V, pro kterou platí, že matice [F ] B operátoru F vzhledem k bázi B je diagonální Výpočet vlastních čísel a vlastních vektorů Příklad ( ) 3 2 A = 2 6 ( 3 λ 2 det 2 6 λ ( 3 λ 2, spočítáme tedy kdy se det 2 6 λ ) = 0 ) = (3 λ)(6 λ) 4 = λ 2 9λ + 14 λ 2 9λ + 14 = 0 dává dvě řešení: λ 1 = 2 a λ 2 = 7 vlastní vektor příslušný vlastnímu číslu λ 1 = 2: ( ) ( ) ( ) = ( ) 1 2 x = 0 x = ( 2, 1) 2 4 vlastní vektor příslušný vlastnímu číslu λ 2 = 7: ( ) ( ) ( ) = ( ) 4 2 x = 0 x = (1, 2) Vlastnosti Věta (vlastnosti vlastních čísel) Pro komplexní čtvercovou matici A řádu n platí: 1. charakteristický polynom matice A řádu n je polynom stupně n s vedoucím koeficientem rovným ( 1) n 2. komplexní číslo λ je vlastním číslem matice A právě když je kořenem charakteristického polynomu p(λ) matice A 3

4 3. matice A má n vlastních komplexních čísel, počítáme-li každé tolikrát, kolik je jeho násobnost jako kořene charakteristického polynomu 4. pokud A je reálná matice, pak λ σ(a) právě když komplexně sdružené λ σ(a) Důkaz 1. plyne z definice determinantu. 2. x 0 : Ax = λx Ax λx = 0 (A λi n )x = 0, tj. matice (A λi n ) je singulární, takže musí mít nulový determinant. 3. plyne ze Základní věty algebry. 4. taktéž. Věta Determinant čtvercové matice je roven součinu jejích vlastních čísel. Věta Vlastními čísly horní(dolní) trojúhelníkové matice jsou právě všechny diagonální prvky. Věta Je-li A reálná symetrická matice, pak každé vlastní číslo matice A je reálné. Věta Je-li A čtvercová reálná(komplexní) matice řádu n, P reálná(komplexní) regulární matice stejného řádu a B = P 1 AP, pak obě matice A a B mají stejný charakterictický polynom a tedy i stejné spektrum. Důkaz det(p 1 AP ti) = det(p 1 AP tp 1 IP) = det(p 1 ) det(a ti) det(p) = det(a ti). Věta Jsou-li A, B čtvercové matice stejného typu, potom AB a BA mají stejná vlastní čísla Uvedení matice na diagonální tvar Věta (O diagonalizovatelnosti a bázi) Čtvercová reálná(komplexní) matice A řádu n je diagonalizovatelná, právě když existuje báze prostoru R n (C n ), která je složena z vlastních vektorů matice A. Lineární operátor F : V V na reálném(komplexním) vektorovém prostoru V je diagonalizovatelný právě když existuje báze prostoru V složená z vlastních vektorů operátoru F. 4

5 Důkaz Je-li A diagonalizovatelná, znamená to, že existuje regulární matice R taková, že R 1 AR = D (a D je diagonální), což je to samé jako AR = RD. Sloupce matice R tvoří vlastní vektory příslušné vlastním číslům matice A. R je regulární, takže vlastní vektory jsou lineárně nezávislé a tedy tvoří bázi. Mám-li n lineárně nezávislých vlastních vektorů, mohu z nich sestavit matici R a pro ní už platí, že R 1 AR = D. Důsledek Je-li A čtvercová matice řádu n a P regulární matice taková, že P 1 AP = D pro nějakou diagonální matici D, pak na hlavní diagonále matice D jsou všechna vlastní čísla matice A. Věta (Vlastní čísla a diagonalizovatelnost) Platí: 1. Jsou-li λ 1,..., λ m navzájem různá vlastní čísla matice A řádu n a u i 0 je vlastní vektor matice A příslušný vlastnímu číslu λ i pro libovolné i = 1,..., m, pak je posloupnost vektorů u 1,..., u m lineárně nezávislá. 2. Má-li matice A řádu n celkem n navzájem různých vlastních čísel, pak je diagonalizovatelná. 3. Má-li lineární operátor F : V V celkem n navzájem různých vlastních čísel, pak je diagonalizovatelný. Důkaz 1. indukcí a sporem, u 1,..., u k dávají nejmenší protipříklad, pak z rovnice 0 = A0 = k a iλ i u i a 0 = λ k 0 = λ k k a iu i, pak dostávám spor (buď byly u 1,..., u k 1 závislé, nebo je u k nulové) 2. z n lineárně nezávislých vlastních vektorů sestrojím matici R a platí AR=RD, kde D je diagonální matice s vlastními čísly na diagonále. Věta (O diagonalizovatelnosti a násobnostech) Čtvercová reálná(komplexní) matice A řádu n je diagonalizovatelná, právě když pro každé vlastní číslo λ matice A platí, že algebraická násobnost λ se rovná dimenzi nulového prostoru matice A λi n, tj. číslu dim N (A λi n ). Neboli: čtvercová matice A řádu n je diagonalizovatelná, právě když pro každé její vlastní číslo λ i s násobností r i platí rank(a λ i I) = n r i. Důkaz Matice je diagonalizovatelná, právě když existuje báze prostoru C n (R n ), složená z vlastních vektorů, a tu lze rozložit na k bází Ker(A λi), které mají dimenzi r i. 5

6 Věta (spektrální věta pro diagonalizovatelné matice) Čtvercová matice A řádu n se spektrem σ(a) = {λ 1,..., λ t } je diagonalizovatelná právě když existují matice E 1,..., E t řádu n, pro které platí: 1. A = λ 1 E 1 + λ 2 E λ t E t 2. E i 2 = E i pro každé i = 1, 2,..., t 3. E i E j = 0 pro libovolné dva různé indexy i, j = 1, 2,..., t 4. E 1 + E E t = I n Dále pro diagonalizovatelnou matici A platí, že 5. matice E i jsou jednoznačně určené maticí A a vlastnostmi 1,2,3,4 6. hodnost každé z matic E i se rovná algebraické násobnosti vlastního čísla λ i 7. je-li f(x) = c 0 + c 1 x c k x k libovolný polynom s komplexními koeficienty, pak platí f(a) = c 0 I n + c 1 A c k A k = f(λ 1 )E 1 + f(λ 2 )E f(λ k )E k 8. nějaká matice B komutuje s maticí A (tj. AB = BA) právě tehdy, když komutuje s každou z matic E i pro i = 1, 2,..., t 14.5 Jordanův tvar v obecném případě Definice (Jordanův tvar) Diagonalizovatelné matice mají dobře pochopitelnou strukturu popsanou ve spektrální větě. Matice, které nelze diagonalizovat, nemají bázi složenou z vlastních vektorů, musí mít nějaké vícenásobné vlastní číslo λ, pro které je dimenze nulového prostoru N (J λi n ) menší než algebraická násobnost čísla λ. (viz věta o diagonalizovatelnosti a násobnostech) Příklad takové matice řádu n, pro n 2 λ λ λ J = λ λ λ Všechny prvky na diagonále se rovnají stejnému číslu λ, všechny prvky bezprostředně nad hlavní diagonálou se rovnají 1, ostatní prvky jsou nulové. Pozorování Charakteristický polynom matice J se rovná: p(t) = (λ t) n 6

7 Pozorování Matice J λi n je v řádkově odsťupňovaném tvaru, její hodnost se rovná n 1 a její nulový prostor N (J λi n ) má proto dimenzi rovnou 1, což se nerovná algebraické násobnosti vlastního čísla λ, matice J tedy není diagonalizovatelná. Definice (Jordanova buňka) Matice J se nazývá Jordanova buňka řádu n příslušná vlastnímu číslu λ. Věta (O Jordanově kanonickém tvaru) Pro každou čtvercovou matici A existuje regulární matice P taková, že J J P 1 AP = 0 0 J J k kde každá z matic J i pro i = 1,..., k je Jordanova buňka nějakého řádu n i příslušná vlastnímu číslu λ i. Čísla λ 1,..., λ k jsou všechna, nikoliv nutně různá, vlastní čísla matice A a platí dále n n k = n. Dvojice n i, λ i pro i = 1,..., k jsou maticí A určené jednoznačně až na pořadí (tj. reprezentují třídu podobných matic). Definice (Hermitovskost) Nechť A je komplexní matice, potom matici A H, pro kterou platí, že (A H ) ij = a ji nazýváme hermitovskou transpozicí matice A (někdy se používá název konjugovaná matice ). Komplexní čtvercová matice A se nazývá unitární, pokud platí, že A H A = I. Komplexní čtvercová matice A se nazývá hermitovská, pokud A H = A. Pozorování Platí: (AB) H = B H A H (důkaz je stejný jako pro obyčejnou transpozici). Věta (O hermitovských maticích) Každá hermitovská matice A má všechna vlastní čísla reálná ( i když je sama komplexní). Navíc existuje unitární matice R taková, že R 1 AR je diagonální. (tzn. hermitovská matice je diagonalizovatelná). Důsledek Interpretace v R: Pro každou symetrickou matici A platí, že všechna její vl. čísla jsou reálná a navíc existuje ortogonální matice R: R 1 AR je diagonální. Příslušný vl. vektor x lze vzít reálný, protože (A λi)x = 0 soustava lin. rovnic s reálnou singulární maticí musí mít netriviální reálné řešení Spektrální věta - část důkazu Tato část není v požadavcích ke zkouškám! 7

8 Důkaz Důkaz spektrální věty je poměrně dlouhý - několik stránek, uvedu zde tedy jen část důkazu, doufám že tu lehčí :) A je diagonalizovatelná vlastnosti 1,2,3,4 Nechť m i je algebraická násobnost vlastního čísla λ i pro i = 1,..., t. Matice A je diagonalizovatelná, tedy dle Definice 3 existuje regulární matice P řádu n taková, že součin P 1 AP je diagonální matice, a tato diagonální matice má na diagonále vlastní čísla matice A dle důsledku tvrzení 7 TODO. Tedy λ 1 I m1 0 0 P 1 0 λ 2 I m2 0 AP = (2) λ t I mt kde I mi jsou jednotkové matice řádu m i. Označíme pro i = 1,..., t symbolem D i matici, kterou dostaneme z blokové matice na pravé straně poslední rovnosti tak, že nahradíme všechny výskyty vlastního čísla λ i číslem 1 a výskyty ostatních vlastních čísel λ j pro j i číslem 0. Například I m2 0 D 2 = Jedná se vlastně o částečnou jednotkovou matici, která má pouze na části diagonály čísla 1. Pak platí: I n = D 1 + D D t P 1 AP = λ 1 D 1 + λ 2 D λ t D t A = λ 1 PD 1 P 1 + λ 2 PD 2 P λ t PD t P 1 V první rovnosti jsme vlastně jen sečetli částečné jednotkové matice D i a výsledek je jednotková matice. Pokud všechny matice D i vynásobíme vlastními čísly λ i a sečteme je, dostaneme matici na pravé straně rovnice (2). A ve třetí rovnosti se jen zbavíme matic P a P 1 na levé straně. Položíme E i = PD i P 1 pro i = 1,..., t a dostaneme tak z třetí rovnosti vlastnost 1. Protože D i 2 = D i a D i D j = 0 pro libovolné různé indexy i, j, = 1,..., t, dostáváme E 2 i = PD i P 1 PD i P 1 = PD 2 i P 1 = PD i P 1 = E i E i E j = PD i P 1 PD j P 1 = PD i D j P 1 = P0P 1 = 0 E E t = PD 1 P PD t P 1 = P(D D t )P 1 = = PI n P 1 = I n 8

9 což dokazuje vlastnosti 2,3,4. V první rovnosti jsme využili, že D i 2 = D i, ve druhé jsme využili D i D j = 0 a ve třetí I n = D 1 + D D t. Opačnou implikaci, tedy že z vlastností 1,2,3,4 plyne diagonalizovatelnost matice nebudu dokazovat. Ze zbývajících vlastností 5,6,7,8 dokážu vlastnosti 6 a 7. Vlastnost 6 Matice D i (z předchozího důkazu), má hodnost m i, proto má tutéž hodnost i matice E i = PD i P 1, což dokazuje 6. Vlastnost 7 Tento důkaz vypadá na první pohled odporně ale nenechte se odradit :) je to pouze rozepisování sum. Dle vlastnosti 1 : A 2 = (λ 1 E λ t E t )(λ 1 E λ t E t ) to se rovná (jen přepsaní na sumu, násobení každý s každým) λ i E i λ j E j i,j=1 dáme li matice k sobě, vznikne nám E i E j což je dle vlastnosti 3 rovno nule (pro různé indexy i a j), tyto násobení tedy můžeme ignorovat a přepsat sumu tak, aby se mezi sebou násobili pouze matice se stejným indexem. Dále víme z vlasnosti 2 že E 2 i = E i, tedy λ 2 i E 2 i = λ 2 i E i jestliže nyní předpokládáme A l = λ l i E i pro nějaké l 2, pak dostáváme (a upravujeme stejně jako v předchozím případě) A l+1 = (λ 1 E λ t E t )(λ l 1 E l λ l t E l t ) = = λ i E i λ l j E l j = λ l+1 i E 2 i = λ l+1 i E i i,j=1 Protože rovněž platí A 0 = I n = E E t = λ 0 1 E λ 0 t E t tedy jsme dokázali, že rovnost A l = λ l i E i 9

10 platí pro každé nezáporné celé číslo l. Pro každé číslo j = 0,...k dostáváme c j A j = c j λ j i E i a tedy platí f(a) = k c j A j = j=0 k c j ( λ j i E i ) = j=0 k ( c j λ j i )E i = j=0 f(λ i )E i 10

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

2.6. Vlastní čísla a vlastní vektory matice

2.6. Vlastní čísla a vlastní vektory matice 26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1 Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném

Více

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26 Obsah 1 Matice 3 11 Operace s maticemi 4 12 Soustavy lineárních rovnic 11 13 Maticové rovnice a výpočet inverzní matice 15 14 Elementární matice 19 15 Cvičení 21 16 Řešení 22 2 Vektory a vektorové prostory

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace Kapitola 2 Algebraické struktury Řada algebraických objektů má podobu množiny s nějakou dodatečnou strukturou. Například vektorový prostor je množina vektorů, ty však nejsou jeden jako druhý : jeden z

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V. Učební texty k přednášce ALGEBRAICKÉ STRUKTURY Michal Marvan, Matematický ústav Slezská univerzita v Opavě 15. Moduly Definice. Bud R okruh, bud M množina na níž jsou zadány binární operace + : M M M,

Více

Učební texty k státní bakalářské zkoušce Matematika Algebra. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Algebra. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Algebra študenti MFF 15. augusta 2008 1 8 Algebra Požadavky Grupa, okruh, těleso definice a příklady Podgrupa, normální podgrupa, faktorgrupa, ideál

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Základní vlastnosti eukleidovského prostoru

Základní vlastnosti eukleidovského prostoru Kapitola 2 Základní vlastnosti eukleidovského prostoru 2.1 Eukleidovský prostor Eukleidovský prostor a jeho podprostory. Metrické vlastnosti, jako např. kolmost, odchylka, vzdálenost, obsah, objem apod.

Více

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů... [1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.

Více

Determinanty a matice v theorii a praxi

Determinanty a matice v theorii a praxi Determinanty a matice v theorii a praxi 1. Lineární závislost číselných soustav In: Václav Vodička (author): Determinanty a matice v theorii a praxi. Část druhá. (Czech). Praha: Jednota československých

Více

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy 36 KAPITOLA 1. KVADRIKY JAKO PLOCHY 2. STUPNĚ 2 1 2 1 1 y 1 2 Obráek 1.26: Průměrová rovina válcové plochy Věta: Je-li definována průměrová rovina sdružená s asymptotickým směrem, potom je s tímto směrem

Více

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C,

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C, Výsledky operací jsou tedy popsány pomocí svých koeficientů algoritmicky. Na vstupu do algoritmu jsou koeficienty polynomů, které sčítáme resp. násobíme. S proměnnou x algoritmy nepracují. Polynomy Polynom

Více

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Matematika pro studenty ekonomie Vydala Grada Publishing, a.s. U Průhonu 22, 70 00 Praha 7 tel.: +420 234 264 40, fax: +420 234 264 400 www.grada.cz jako svou

Více

Lineární algebra nad obecným Z m, lineární kódy

Lineární algebra nad obecným Z m, lineární kódy Lineární algebra nad obecným Z m, lineární kódy Jiří Velebil: X01DML 19. listopadu 2010: Lineární algebra a kódy 1/19 Minule: soustavy lineárních rovnic nad Z p, p prvočíslo, stejně jako nad R. Dále nad

Více

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Lineární kódy, část 2 Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Jiří Velebil: A7B01LAG 22.12.2014: Lineární kódy, část 2 1/12 Dnešní přednáška 1 Analýza Hammingova (7, 4)-kódu.

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

MAT 1 Mnohočleny a racionální lomená funkce

MAT 1 Mnohočleny a racionální lomená funkce MAT 1 Mnohočleny a racionální lomená funkce Studijní materiály Pro listování dokumentem NEpoužívejte kolečko myši nebo zvolte možnost Full Screen. Brno 2012 RNDr. Rudolf Schwarz, CSc. First Prev Next Last

Více

Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace

Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace Kapitola 8 Samoopravné kódy Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace šumu při přehrávání kompaktních

Více

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L.

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Soustavy o jedné rovnici neboli rovnice. Algebraické rovnice: Polynom= 0. POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Rovnice 1. stupně: lineární, ax + b = 0, a 0. Řešení: x = b a. Rovnice 2. stupně:

Více

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 VYBRANÉ ČÁSTI A APLIKACE VEKTOROVÉHO POČTU STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

Více

5. Interpolace a aproximace funkcí

5. Interpolace a aproximace funkcí 5. Interpolace a aproximace funkcí Průvodce studiem Často je potřeba složitou funkci f nahradit funkcí jednodušší. V této kapitole budeme předpokládat, že u funkce f známe její funkční hodnoty f i = f(x

Více

Matematika pro informatiku 4

Matematika pro informatiku 4 Matematika pro informatiku 4 Doc. RNDr. Alena Šolcová, Ph. D., KTI FIT ČVUT v Praze 7.března 2011 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Lámejte si hlavu - L1 Určete všechny

Více

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy)

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy) Euklidovský prostor Euklidovy Základy (pohled do historie) dnešní definice kartézský souřadnicový systém vlastnosti rovin v E n speciální vlastnosti v E 3 (vektorový součin) a) eprostor, 16, b) P. Olšák,

Více

15. KubickÈ rovnice a rovnice vyööìho stupnï

15. KubickÈ rovnice a rovnice vyööìho stupnï 15. KubickÈ rovnice a rovnice vyööìho stupnï Čas od času je možné slyšet v pořadech o počasí jména jako Andrew, Mitch, El Ňiňo. otom následuje zpráva o katastrofálních vichřicích, uragánech a jiných mimořádných

Více

Co byste měl/a zvládnout po 6. týdnu

Co byste měl/a zvládnout po 6. týdnu Co byste měl/a zvládnout po 6. týdnu Zde je uveden naprostý základ. Nejde o úplný výčet všech dovedností. Jiří Velebil: A7B01LAG Zvládnutá látka po 6. týdnu 1/8 Slovník základních pojmů Monomorfismus,

Více

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE A NEROVNICE, SOUSTAVY ROVNIC A NEROVNIC Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21.

Více

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic 8 REGULÁRNÍ LINEÁRNÍ TRANSFORMACE SOUŘADNIC 8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic Ze zkušenosti s Fraunhoferovými difrakčními

Více

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU ZDENĚK ŠIBRAVA 1. Obecné řešení lin. dif. rovnice 2.řádu s konstntními koeficienty 1.1. Vrice konstnt. Příkld 1.1. Njděme obecné řešení diferenciální rovnice (1) y

Více

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace RELACE Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace slouží k vyjádření vztahů mezi prvky nějakých množin. Vztahy mohou být různé povahy. Patří sem vztah býti potomkem,

Více

Numerické metody pro nalezení

Numerické metody pro nalezení Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Numerické metody pro nalezení vlastních čísel matic Diplomová práce květen 006 Alena Baštincová Poděkování V úvodu bych ráda

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

9.4. Rovnice se speciální pravou stranou

9.4. Rovnice se speciální pravou stranou Cíle V řadě případů lze poměrně pracný výpočet metodou variace konstant nahradit jednodušším postupem, kterému je věnována tato kapitola. Výklad Při pozorném studiu předchozího textu pozornějšího studenta

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 11. Lineární zobrazení V celé přednášce pojednáváme o vektorových prostorech nad

Více

Limita a spojitost funkce

Limita a spojitost funkce Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu

Více

Kapitola 2: Lineární zobrazení

Kapitola 2: Lineární zobrazení Sbírka příkladů Matematika II pro strukturované studium Kapitola 2: Lineární zobrazení Chcete-li ukončit prohlížení stiskněte klávesuesc. Chcete-li pokračovat stiskněte klávesuenter.. p.1/11 Lineární zobrazení

Více

Přepsal Petr Baudiš v ak. roce 2004/2005

Přepsal Petr Baudiš v ak. roce 2004/2005 Přepsal Petr Baudiš v ak roce 2004/2005 IfIamgivenaformula,andIamignorantofitsmeaning,itcannotteachmeanythingButif Ialreadyknowit,whatdoestheformulateachme? ST AUGUSTINE c 2004/2005 Jiří Fiala, Petr Baudiš

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Výroková logika dokazatelnost

Výroková logika dokazatelnost Výroková logika dokazatelnost Ke zjištění, zda formule sémanticky plyne z dané teorie (množiny formulí), máme k dispozici tabulkovou metodu. Velikost tabulky však roste exponenciálně vzhledem k počtu výrokových

Více

Kapitola 1: Lineární prostor

Kapitola 1: Lineární prostor Lineární prostor Kapitola 1: Lineární prostor Chcete-li ukončit prohlížení stiskněte klávesu Esc. Chcete-li pokračovat stiskněte klávesu Enter.. p.1/15 Lineární prostor Lineární prostoralineární podprostor

Více

Jakub Opršal. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165.

Jakub Opršal. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165. TEORIE ČÍSEL MNOHOČLENŮ A MNOHOČLENY V TEORII ČÍSEL Jakub Opršal Kurz vznikl v rámci projektu Rozvoj systému vzdělávacích příležitostí pro nadané žáky a studenty v přírodních vědách a matematice s využitím

Více

NUMERICKÉ METODY. Josef Dalík

NUMERICKÉ METODY. Josef Dalík NUMERICKÉ METODY Josef Dalík Zdroje chyb Při řešení daného technického problému numerickými metodami jde zpravidla o zjištění některých kvantitativních charakteristik daného procesu probíhajícího v přírodě

Více

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Lineární systémy se speciálními maticemi Diplomová práce květen 2006 Jaroslava Benáčková Poděkování V úvodu bych ráda poděkovala

Více

Historie matematiky a informatiky Cvičení 2

Historie matematiky a informatiky Cvičení 2 Historie matematiky a informatiky Cvičení 2 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Číselně teoretické funkce (Number-Theoretic

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického

Více

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek CHEMOMETRIKA a STATISTIKA Prozatímní učební text vybrané příklady (srpen 01) Miloslav Suchánek Úkol č. 1 Maticové operace s využitím EXCELu V EXCELu jsou dvě důležité maticové operace, které nám pomohou

Více

STŘEDOŠKOLSKÁ MATEMATIKA

STŘEDOŠKOLSKÁ MATEMATIKA STŘEDOŠKOLSKÁ MATEMATIKA MOCNINY, ODMOCNINY, ALGEBRAICKÉ VÝRAZY VŠB Technická univerzita Ostrava Ekonomická fakulta 006 Mocniny, odmocniny, algebraické výrazy http://moodle.vsb.cz/ 1 OBSAH 1 Informace

Více

Poznámky k ekonomickému ukazateli IRR. výnos do splatnosti...

Poznámky k ekonomickému ukazateli IRR. výnos do splatnosti... Poznámky k ekonomickému ukazateli IRR (Remarks on the economic criterion the Internal Rate of Return ) Carmen Simerská IRR... vnitřní míra výnosnosti, vnitřní výnosové procento, výnos do splatnosti...

Více

4 - Vlastnosti systému: Stabilita, převrácená odezva, řiditelnost a pozorovatelnost

4 - Vlastnosti systému: Stabilita, převrácená odezva, řiditelnost a pozorovatelnost 4 - Vlastnosti systému: Stabilita, převrácená odezva, řiditelnost a pozorovatelnost Michael Šebek Automatické řízení 25 25-2-5 Stabilita obecně Automatické řízení - Kybernetika a robotika Stabilita obecně

Více

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Seminář pro učitele středních a vysokých škol, Plzeň, 30. března 2012 jsou všude Některé oblasti využití: CD přehrávače mobilní

Více

MASARYKOVA UNIVERZITA

MASARYKOVA UNIVERZITA MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Bakalářská práce BRNO 2012 VLASTISLAV FORCH MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Pravděpodobný

Více

Řešení slovních úloh pomocí lineárních rovnic

Řešení slovních úloh pomocí lineárních rovnic Řešení slovních úloh pomocí lineárních rovnic Řešení slovních úloh představuje spojení tří, dnes bohužel nelehkých, úloh porozumění čtenému textu (pochopení zadání), jeho matematizaci (převedení na rovnici)

Více

Oproti definici ekvivalence jsme tedy pouze zaměnili symetričnost za antisymetričnost.

Oproti definici ekvivalence jsme tedy pouze zaměnili symetričnost za antisymetričnost. Kapitola 3 Uspořádání a svazy Pojem uspořádání, který je tématem této kapitoly, představuje (vedle zobrazení a ekvivalence) další zajímavý a důležitý speciální případ pojmu relace. 3.1 Uspořádání Definice

Více

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta Řetězové zlomky a dobré aproximace Motivace Chceme-li znát přibližnou hodnotu nějakého iracionálního čísla, obvykle používáme jeho (nekonečný) desetinný rozvoj Z takového rozvoje, řekněme z rozvoje 345926535897932384626433832795028849769399375

Více

7.2.12 Vektorový součin I

7.2.12 Vektorový součin I 7 Vektorový součin I Předpoklad: 708, 7 Při násobení dvou čísel získáváme opět číslo Skalární násobení vektorů je zcela odlišné, protože vnásobením dvou vektorů dostaneme číslo, ted něco jiného Je možné

Více

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Algebra Struktury s jednou operací Teoretická informatika 2 Proč zavádíme algebru hledáme nástroj pro popis objektů reálného světa (zejména

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc.

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc. FAKULTA STROJNÍHO INŽENÝRSTVÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Numerické metody Garant předmětu: doc. RNDr. Libor Čermák, CSc. Autoři textu: Mgr. Irena Růžičková RNDr. Rudolf Hlavička, CSc. Ústav matematiky

Více

Line rn algebra II podle p edn ek prof. Franti ka ika Sazbu v L A TEXu p ipravil Du an Dobe Obsah Diagonalizovatelnost matic 2 Symetrick transformace 4 3 Hermitovsk matice a kongruentnost 5 4 Pozitivn

Více

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0. Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin

Více

Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly.

Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly. Kapitola Reprezentace grafu V kapitole?? jsme se dozvěděli, co to jsou grafy a k čemu jsou dobré. rzo budeme chtít napsat nějaký program, který s grafy pracuje. le jak si takový graf uložit do počítače?

Více

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3 3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu (vlevo nahoře) Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 12-16 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu

Více

Základní pojmy teorie grafů [Graph theory]

Základní pojmy teorie grafů [Graph theory] Část I Základní pojmy teorie grafů [Graph theory] V matematice grafem obvykle rozumíme grafické znázornění funkční závislosti. Pro tento předmět je však podstatnější pohled jiný. V teorii grafů rozumíme

Více

Vlastnosti regulárních jazyků

Vlastnosti regulárních jazyků Vlastnosti regulárních jazyků Podobně jako u dalších tříd jazyků budeme nyní zkoumat následující vlastnosti regulárních jazyků: vlastnosti strukturální, vlastnosti uzávěrové a rozhodnutelné problémy pro

Více

Ohodnocené orientované grafy

Ohodnocené orientované grafy Ohodnocené orientované grafy Definice Buď G graf Funkce w : H( G) (, ) se nazývá (hranové) ohodnocení grafu G; graf se zadaným ohodnocením se nazývá ohodnocený graf Definice Nechť G je orientovaný graf

Více

Fibonacciho čísla na střední škole

Fibonacciho čísla na střední škole Fibonacciho čísla na střední škole Martina Jarošová Abstract In this contribution we introduce some interesting facts about Fibonacci nunbers We will prove some identities using different proof methods

Více

Ve srovnání s křivkami, kterými jsme se zabývali v Kapitole 5, je plocha matematicky

Ve srovnání s křivkami, kterými jsme se zabývali v Kapitole 5, je plocha matematicky Kapitola 8 Plocha a její obsah 1 efinice plochy Plochu intuitivně chápeme jako útvar v prostoru, který vznikne spojitou deformací části roviny Z geometrického pohledu je plochu možno interpretovat jako

Více

6 Vícerovnicové ekonometrické soustavy 1

6 Vícerovnicové ekonometrické soustavy 1 6 Vícerovnicové ekonometrické soustavy Obsah 6 Vícerovnicové ekonometrické soustavy 1 6.1 SUR - Seemingly unrelated regression (zdánlivě nepropojené regrese).......... 3 6.2 Panelová data.........................................

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

1 Úvod - jazyk matematiky 2 1.1 Co je to matematika... 2 1.2 Co je algebra... 3 1.3 Jazyk matematiky... 6

1 Úvod - jazyk matematiky 2 1.1 Co je to matematika... 2 1.2 Co je algebra... 3 1.3 Jazyk matematiky... 6 Obsah 1 Úvod - jazyk matematiky 2 11 Co je to matematika 2 12 Co je algebra 3 13 Jazyk matematiky 6 2 Polynomy 12 21 Co to je polynom? 12 22 Operace s polynomy 13 23 Hornerovo schema 20 24 Kořeny polynomu

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

Více

Souhrn základních výpočetních postupů v Excelu probíraných v AVT 04-05 listopad 2004. r r. . b = A

Souhrn základních výpočetních postupů v Excelu probíraných v AVT 04-05 listopad 2004. r r. . b = A Souhrn zákldních výpočetních postupů v Ecelu probírných v AVT 04-05 listopd 2004. Řešení soustv lineárních rovnic Soustv lineárních rovnic ve tvru r r A. = b tj. npř. pro 3 rovnice o 3 neznámých 2 3 Hodnoty

Více

Seminář z MATLABU. Jiří Krejsa. A2/710 krejsa@fme.vutbr.cz

Seminář z MATLABU. Jiří Krejsa. A2/710 krejsa@fme.vutbr.cz Seminář z MATLABU Jiří Krejsa A2/710 krejsa@fme.vutbr.cz Obsah kurzu Posluchači se seznámí se základy systému Matlab, vědeckotechnickými výpočty, programováním v Matlabu včetně pokročilých technik, vizualizací

Více

Programy na PODMÍNĚNÝ příkaz IF a CASE

Programy na PODMÍNĚNÝ příkaz IF a CASE Vstupy a výstupy budou vždy upraveny tak, aby bylo zřejmé, co zadáváme a co se zobrazuje. Není-li určeno, zadáváme přirozená čísla. Je-li to možné, používej generátor náhodných čísel vysvětli, co a jak

Více

Úlohy k procvičování textu o univerzální algebře

Úlohy k procvičování textu o univerzální algebře Úlohy k procvičování textu o univerzální algebře Číslo za pomlčkou v označení úlohy je číslo kapitoly textu, která je úlohou procvičovaná. Každá úloha je vyřešena o několik stránek později. Kontrolní otázky

Více

Numerace. Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo.

Numerace. Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo. Numerace Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo. Numerace má tyto dílčí úkoly: 1) Naučit žáky číst číslice a správně vyslovovat názvy čísel. 2) Naučit žáky zapisovat čísla v

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Celá čísla. Celá čísla jsou množinou čísel, kterou tvoří všechna čísla přirozená, čísla k nim opačná a číslo nula.

Celá čísla. Celá čísla jsou množinou čísel, kterou tvoří všechna čísla přirozená, čísla k nim opačná a číslo nula. Celá čísla Celá čísla jsou množinou čísel, kterou tvoří všechna čísla přirozená, čísla k nim opačná a číslo nula. Množinu celých čísel označujeme Z Z = { 3, 2, 1,0, 1,2, 3, } Vlastností této množiny je,

Více

Výukový materiál zpracován v rámci oblasti podpory 1.5 EU peníze středním školám

Výukový materiál zpracován v rámci oblasti podpory 1.5 EU peníze středním školám Výukový materiál zpracován v rámci oblasti podpory 1.5 EU peníze středním školám Název školy Obchodní akademie a Hotelová škola Havlíčkův Brod Název OP OP Vzdělávání pro konkurenceschopnost Registrační

Více

Mimo samotné správnosti výsledku vypočteného zapsaným algoritmem je ještě jedno

Mimo samotné správnosti výsledku vypočteného zapsaným algoritmem je ještě jedno 12 Délka výpočtu algoritmu Mimo samotné správnosti výsledku vypočteného zapsaným algoritmem je ještě jedno neméně důležité hledisko k posouzení vhodnosti algoritmu k řešení zadané úlohy. Jedná se o čas,

Více

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A středa 19. listopadu 2014, 11:20 13:20 ➊ (8 bodů) Rozhodněte o stejnoměrné konvergenci řady n 3 n ( ) 1 e xn2 x 2 +n 2 na množině A = 0, + ). ➋

Více

Matematická analýza 1b. 9. Primitivní funkce

Matematická analýza 1b. 9. Primitivní funkce Matematická analýza 1b 9. Primitivní funkce 9.1 Základní vlastnosti Definice Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže

Více

ZÁKLADNÍ POZNATKY Z MATEMATIKY

ZÁKLADNÍ POZNATKY Z MATEMATIKY ZÁKLADNÍ POZNATKY Z MATEMATIKY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky

Více

I. kolo kategorie Z7

I. kolo kategorie Z7 60. ročník Matematické olympiády I. kolo kategorie Z7 Z7 I 1 Součin číslic libovolného vícemístného čísla je vždy menší než toto číslo. Pokud počítáme součin číslic daného vícemístného čísla, potom součin

Více