Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2."

Transkript

1 Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace je nejčastěji: polynom c 0 c 1 xc 2 x 2 c m x m zobecněný polynom c 0 g 0 xc 1 g 1 xc m g m x, kde g 1 x,, g m x je systém m1 jednoduchých, LN a dostatečně hladkých funkcí racionální lomenou funkci a 0 a 1 xa 2 x 2 a k x k b 0 b 1 xb 2 x 2 b l x l ( m=kl ) jiná Důvody aproximací jsou: přílišná složitost funkce nutnost počítání characteristik funkce (derivací, integrálů) neznalost funkce (resp. jejího analytického vyjádření) Typy aproximací: Interpolace, extrapolace hledáme funkci ( m x ), která má v zadaných bodech x 0,, x n stejné hodnoty (případně i jejich derivace), jako funkce, kterou chceme aproximovat, dělá se buď globálně nebo lokálně na každém intervalu x k, x k1. Čebyševova aproximace hledáme funkci ( m x ) tak, abychom na zadaném intervalu a,b minimalizovali funkcionál max x a, b m x f x, m x pak nazýváme nejlepší stejnoměrnou aproximací. Metoda nejmenších čtverců je založena na minimalizaci buď b a w x[ f x m x] 2 n dx nebo w [ f m ] 2 i=0 (podle toho, jestli se jedná o spojitý nebo diskrétní případ), v diskrétním případě je vždy nm a tak m neprochází všemi zadanými body, volí se často w x=1, pokud je wx const, mluví se o vážené metodě nejmenších čtverců a funkci wx se říká váha. Interpolace a extrapolace Lagrangeův interpolační polynom Jsou zadány body x 0,, x n a k nim funkční hodnoty y 0,, y n. Lagrangeův interpolační polynom L n je polynom stupně nejvýše n takový, že se jeho hodnota ve všech zadaných bodech x 0,, x n rovná zadaným funkčním hodnotám y 0,, y n.

2 Platí tedy L n x 0 =y 0, L n x 1 =y 1,, L n x n =y n a bodům x 0,, x n říkáme uzly interpolace. K sestrojení Lagrangeova polynomu se definují funkce F i x tak, že F i x j = 1 i= j 0 i j Tyto funkce mají tvar F i x= x x x x x x x x n 0 i 1 i1 n x x n = x x j j=0, j i x j a polynom L n x pak má tvar n L n x= y i F i x. i=0 Pokud jsou uzly rozmístněny ekvidistantně (rovnoměrně s krokem h ), lze Lagrangeův polynom zapsat jako n t t 1 t n L n x=l n x 0 th= y i. i=0 t ii!n i! 1 n i Lagrangeův vzorec se nehodí pro numerický výpočet interpolace. Koeficienty Lagrangeova polynomu lze spočítat řešením systému lineárních rovnic. Matice tohoto systému (Van der Mondova) je však (pro ekvidistantní uzly) často špatně podmíněná, vypočet koeficientů tedy není přesný. Pro implementaci Lagrangeovy interpolace se používá Nevillův algoritmus. Principem tohoto algoritmu je Lagrangeova interpolace na postupně se zvětšujícím počtu uzlů. L ik x=l i x,, 1,, k, y i, y i 1,, y i k je tedy interpolace Lagrangeovým polynomem stupně nejvýše i v k bodech,, k. L i0 x=y i, L i 1,0 x=y i 1, L i1 x=l i x,, 1, y i, y i 1 = x L i 1,0 x 1 x L i0 x 1 = = x y i 1 1 x y i 1, atd. Pro tyto postupné aproximace platí totiž rekurentní vztah L ik x= x L i 1, k 1 x 1 x L i, k 1 x k

3 Interpolace se tedy provádí podle následujícího schématu x y k=0 k=1 k=i 1 k=i k=n x 0 y 0 L 00 x 1 y 1 L 10 L 11 1 y i 1 L i 1,0 L i 1,1 L i 1,i 1 y i L i0 L i1 L i,i 1 L ii x n y n L n0 L n1 L n,i 1 L n i L n n Polynomy se počítají zleva doprava a zezhora dolu (ve směru tmavnoucí barvy). Lagrangeův interpolační polynom je pak L n x=l n n x. Odhad chyby aproximace je dán buď rozdílem L n n x L n 1, n 1 x nebo rozdílem L n n x L n,n 1 x. Příklad v PASCALU DEMPOL.PAS. Při implementaci Nevillova algoritmu se počítají koeficienty C m,i =L im, m L im 1, m 1, D m,i =L im, m L im, m 1 a C m1,i = xc m,i1 D m,i m1 Přitom v koeficientech C m,i a D m,i je odhad chyby., D m1,i = m1 xc m,i1 D m,i m1 Odhad chyby polynomiální interpolace je dán R x= f x L n x=x x 0 x x n f n1 n1! kde minx 0,, x n, max x 0,, x n., Interpolace je hledání hodnoty funkce v bodě x x 0, x n. Extrapolace je hledání hodnoty funkce v bodě xx 0 nebo xx n. Při extrapolaci při rostoucí vzdálenosti od krajních bodů intervalu chyba roste rychle. Pro ekvidistantní uzly a vysoké stupně polynomu, má polynom mezi uzly tendenci oscilovat. Proto se polynomiální interpolace s ekvidistantními uzly používá v praxi pro n 7.

4 Konvergence L n x f x s rostoucím n je zaručena pro analytické funkce, které mají derivaci v celém komplexním oboru s vyjímkou. Newtonův interpolační polynom Obdoba Lagrangeova interpolačního polynomu. N n x=a 0 a 1 x x 0 a 2 x x 0 x x 1 a n x x 0 x x n Koeficienty a 0,, a n se počítají pomocí poměrných nebo obyčejných diferencí. Poměrná diference k tého řádu 1.řádu f, 1 = y i1 y i 1, f,, k = f 1,, k f,, k 1 k Potom a 0 = f x 0, a 1 = f x 0, x 1,, a n = f x 0,, x n Obyčejná diference 1. řádu 1 f i =y i1 y i k tého řádu k f i = k 1 f i1 k 1 f i Příklad v PASCALU ZKPOL.PAS, ZKPO1L.PAS, ZKPOL2.PAS. Racionální lomená funkce Pro některé funkce vhodnější než polynom. Je dáno m1 dobů, pak lze zadanou funkci aproximovat pomocí racionální lomené funkce R i, j x= p p x p x2 p i, kde i j=m a lze q q 0 q 1 xq 2 x 2 q j x j 0 =1. Algoritmus obdobný Nevillovu algoritmu Burlisch a Stoer.

5 RATINT: procedure expose A. B. parse arg N, V Tiny = 1E 25; Ns = 1; Hh = ABS(V A.1) do I = 1 to N H = ABS(V A.I) if H = 0 then do Y = B.I; Dy = 0 return Y Dy end else if H < Hh then do; Ns = I; Hh = H; end C.I = B.I; D.I = B.I + Tiny end Y = B.Ns; Ns = Ns 1 do M = 1 to N 1 do I = 1 to N M Ip1 = I + 1; W = C.Ip1 D.I IpM = I + M; H = A.IpM V T = (A.I V) * D.I / H Dd = T C.Ip1 if Dd = 0 then call ERROR "RATINT: Error ", "the interpolating function has", "a pole at the requested value V" Dd = W / Dd; D.I = C.Ip1 * Dd; C.I = T * Dd end if 2 * Ns < (N M) then do; Nsp1 = Ns + 1; Dy = C.Nsp1; end else do; Dy = D.Ns; Ns = Ns 1; end Y = Y + Dy end return Y Dy ERROR: say ARG(1); exit Hermiteova interpolace Kromě funkčních hodnot zadané i některé derivace, tedy x 0,, x n, y 0,, y n a a y ' 0, y '' 0,, y 0 a 0,, y ' n, y '' n,, y n n. n=ma 0 a n pak podmínky dané zadáním splňuje funkce H n x, který lze zapsat jako H n x=l n x x x 0 x x n H n m 1 x. Pro polynom H n m 1 x stupně n m 1 platí y ' i L ' n H n m 1 = a tak se dopočítají pomocí x x n zadaných prvních derivací některé koeficienty. Pro další derivace se postupuje podobně.

6 Interpolační spline Lokální interpolace taková, že kromě průchodu všemi uzly požadujeme v uzlech ještě spojitost první derivace (alespoň první). Máme tedy na funkci, aproximující zadané hodnoty na intervalu, 1 4 podmínky y i, y i1, y' i =y ' i, y ' i1 =y ' i1. Proto funkce, použitá pro interpolaci musí mít nejméně 4 volitelné parametry. Velmi často se jako tato funkce používá kubický polynom kubický spline. Máme li tedy kubický polynom a 2 krát ho zderivujeme dostaneme lineární funkci. Pro tuto funkci máme zadány hodnoty v krajních bodech y '' i, y '' i1. Lagrangeovou interpolací pak můžeme vyjádřit y ''=Ay '' i By '' i1, kde A= 1 x 1 a B= x 1. Po dvojím integrování s podmínkami y =y i a y 1 =y i1 dostaneme y=a y i B y i1 C y'' i D y '' i1, kde C= 1 6 A3 A 1 2 a D= 1 6 B3 B1 2. (Integrují se koeficienty A x a Bx ) Okrajové podmínky platí zkuste si dosadit do A x a B x body a 1. Hodnoty y '' i můžeme vypočítat z podmínky spojitosti 1. derivace a ze znalosti 1. derivací v krajních bodech intervalu ( tedy y' 0 a y ' n ). Pokud derivace neznáme, zadává se y '' 0 =0 a y '' n =0 přirozený spline. Provedením derivace y x a z podmínky spojitosti 1. derivace v krajních bodech (tj. pokud dosadíme do y ' x na intervalu 1, bod, musí se to rovnat tomu, když se do y 'x na intervalu, 1 dosadí rovněž bod ). Z toho plyne následující soustava pro druhé derivace: 1 6 y '' i 1 x 1 i 1 y '' 3 i x 1 i y '' 6 i1 = y y i1 i y y i i To je soustava s tridiagonální maticí.

7 Příklady v PASCALU SPLINE.PAS, SPLPRA.PAS, SPLPRB.PAS, SPLRUN.PAS. Více dimenzí (2) lokální a globální Lineární Jsou zadány y 1 =y j, k, y 2 =y j1, k, y 3 =y j1, k1, y 4 =y j, k1 Definujeme t= x 1 x 1 j D 1 úseček ohraničujících interval). a u= x 2 x 2 k D 2 (tedy v podstatě relativní vzdálenosti od Lokální lineární interpolace je dána vztahem y x 1, x 2 =1 t 1 u y 1 t 1 u y 2 tuy 3 1 tuy 4. Bikubická Jde o lokální interpolaci Hermiteova typu. V každém bodě jsou zadány hodnoty fce. a jejích parciálních derivací. y y 2 y y x 1, x 2,,, x 1 x 2 x 1 x 2 V každém bodě jsou tedy dány 4 podmínky a ve dvourozměrném intervalu je jich tedy 16 Bikubická interpolace se hledá ve tvaru 4 y x 1, x 2 = i=1 4 c ij t i 1 u j 1. j=1

8 Bikubický spline Lokální interpolace se spojitými parciálními derivacemi v obou směrech na hranicích intervalu. Interpoluje se v jednom směru a pak ve druhém. Globální interpolace Vyšší řád přesnosti. Opět interpolace v jednom směru a pak ve druhém.

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

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

Základní vlastnosti křivek

Základní vlastnosti křivek křivka množina bodů v rovině nebo v prostoru lze chápat jako trajektorii pohybu v rovině či v prostoru nalezneme je také jako množiny bodů na ploše křivky jako řezy plochy rovinou, křivky jako průniky

Více

Numerické algoritmy KAPITOLA 11. Vyhledávání nulových bodů funkcí

Numerické algoritmy KAPITOLA 11. Vyhledávání nulových bodů funkcí Numerické algoritmy KAPITOLA 11 V této kapitole: Vyhledávání nulových bodů funkcí Iterativní výpočet hodnot funkce Interpolace funkcí Lagrangeovou metodou Derivování funkcí Integrování funkcí Simpsonovou

Více

A 9. Počítejte v radiánech, ne ve stupních!

A 9. Počítejte v radiánech, ne ve stupních! A 9 Př.. Je dána rovnice sin + 2 = 0. Najděte interval délky, v němž leží kořen rovnice. Metodou půlení intervalů tento interval zužte až na interval délky 0,25. Pak kořen najděte s přesností ε = 0,00

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

9 INTERPOLACE A APROXIMACE

9 INTERPOLACE A APROXIMACE 1 9 INTERPOLACE A APROXIMACE Vzorová úloha 9.1 Náhrada funkce exp(x) Nalezněte interpolační polynom, který aproximuje funkci exp(x) v intervalu {0, 1} tak, že v krajních bodech x 1 = 0 a x = 1 souhlasí

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

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

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

Matematický ústav Slezské univerzity v Opavě NUMERICKÉ METODY. RNDr. Karel Hasík, Ph.D.

Matematický ústav Slezské univerzity v Opavě NUMERICKÉ METODY. RNDr. Karel Hasík, Ph.D. Matematický ústav Slezské univerzity v Opavě NUMERICKÉ METODY RNDr. Karel Hasík, Ph.D. Obsah 2 ÚVOD DO NUMERICKÉ MATEMATIKY 7 2.1 Rozdělení chyb........................... 7 2.2 Zaokrouhlovací chyby.......................

Více

MATEMATIKA B 2. Metodický list č. 1. Název tématického celku: Význam první a druhé derivace pro průběh funkce

MATEMATIKA B 2. Metodický list č. 1. Název tématického celku: Význam první a druhé derivace pro průběh funkce Metodický list č. 1 Význam první a druhé derivace pro průběh funkce Cíl: V tomto tématickém celku se studenti seznámí s některými základními pojmy a postupy užívanými při vyšetřování průběhu funkcí. Tématický

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

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

scale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel

scale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel Změna velikosti obrázku Převzorkování pomocí filtrů Ačkoliv jsou výše uvedené metody mnohdy dostačující pro běžné aplikace, občas je zapotřebí dosáhnout lepších výsledků. Pokud chceme obrázky zvětšovat

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR

K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR Vlastimil Kratochvíl * Příspěvek obsahuje popis vlastností některých postupů, využitelných pro transformaci souřadnic mezi geodetickými systémy

Více

OBECNÉ METODY VYROVNÁNÍ

OBECNÉ METODY VYROVNÁNÍ OBECNÉ METODY VYROVNÁNÍ HYNČICOVÁ TEREZA, H2IGE1 2014 ÚVOD Z DŮVODU VYLOUČENÍ HRUBÝCH CHYB A ZVÝŠENÍ PŘESNOSTI NIKDY NEMĚŘÍME DANOU VELIČINU POUZE JEDNOU VÝSLEDKEM OPAKOVANÉHO MĚŘENÍ NĚKTERÉ VELIČINY JE

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

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

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0

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

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

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

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

Škola matematického modelování 2015. Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal

Škola matematického modelování 2015. Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal Počítačová cvičení Škola matematického modelování 2015 Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal Počítačová cvičení Škola matematického modelování Petr Beremlijski, Rajko

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

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

Algoritmy I, složitost

Algoritmy I, složitost A0B36PRI - PROGRAMOVÁNÍ Algoritmy I, složitost České vysoké učení technické Fakulta elektrotechnická v 1.01 Rychlost... Jeden algoritmus (program, postup, metoda ) je rychlejší než druhý. Co ta věta znamená??

Více

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení.

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. @083 6 Polynomické funkce Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. Definice: Polynomická funkce n-tého stupně (n N) je dána předpisem n n 1 2 f : y a x

Více

Posloupnosti a jejich konvergence POSLOUPNOSTI

Posloupnosti a jejich konvergence POSLOUPNOSTI Posloupnosti a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace,

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

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

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

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

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

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

Geometrické transformace obrazu a související témata. 9. přednáška předmětu Zpracování obrazů

Geometrické transformace obrazu a související témata. 9. přednáška předmětu Zpracování obrazů Geometrické transformace obrazu a související témata 9. přednáška předmětu Zpracování obrazů Martina Mudrová 2004 Téma přednášk O čem bude tato přednáška? Geometrické transformace obrazu Interpolace v

Více

Základní pojmy teorie ODR a speciální typy ODR1

Základní pojmy teorie ODR a speciální typy ODR1 ODR1 1 Základní pojmy teorie ODR a speciální typy ODR1 A. Diferenciální rovnice a související pojmy Mnohé fyzikální a jiné zákony lze popsat pomocí rovnic, v nichž jako neznámá vystupuje funkce, přičemž

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

Při návrhu FIR filtru řešíme obvykle následující problémy:

Při návrhu FIR filtru řešíme obvykle následující problémy: Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.

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

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

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Obsah předmětu

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Obsah předmětu 1 Podklady předmětu pro akademický rok 2006/2007 Radim Farana Obsah 2 Obsah předmětu, Požadavky kreditového systému, Datové typy jednoduché, složené, Programové struktury, Předávání dat. Obsah předmětu

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

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

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

3. Celistvé výrazy a jejich úprava 3.1. Číselné výrazy

3. Celistvé výrazy a jejich úprava 3.1. Číselné výrazy . Celistvé výrazy a jejich úprava.1. Číselné výrazy 8. ročník. Celistvé výrazy a jejich úprava Proměnná je znak, zpravidla ve tvaru písmene, který zastupuje čísla z dané množiny čísel. Většinou se setkáváme

Více

Použití splinů pro popis tvarové křivky kmene

Použití splinů pro popis tvarové křivky kmene NAZV QI102A079: Výzkum biomasy listnatých dřevin Česká zemědělská univerzita v Praze Fakulta lesnická a dřevařská 9. února 2011 Cíl práce Cíl projektu: Vytvořit a ověřit metodiku pro sestavení lokálního

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

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

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

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Vlastnosti konvoluce. ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz

Vlastnosti konvoluce. ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz Systémy Vlastnosti lineárních systémů. Konvoluce diskrétní a spojitý čas. Vlastnosti konvoluce Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz 1 Systémy obecně: spojení komponentů, zařízení nebo

Více

diferenciální rovnice verze 1.1

diferenciální rovnice verze 1.1 Diferenciální rovnice vyšších řádů, snižování řádu diferenciální rovnice verze 1.1 1 Úvod Následující text popisuje řešení diferenciálních rovnic, konkrétně diferenciálních rovnic vyšších řádů a snižování

Více

Popis modelu pro odhady PH mléčné užitkovosti

Popis modelu pro odhady PH mléčné užitkovosti Popis modelu pro odhady PH mléčné užitkovosti Zvířata zařazená do hodnocení V modelu plemene H jsou hodnoceny krávy s podílem krve H nebo 75% a výše. V modelu plemene C jsou hodnoceny krávy s podílem krve

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika I/2 BA07. Cvičení, zimní semestr

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika I/2 BA07. Cvičení, zimní semestr Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika I/ BA07 Cvičení, zimní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 0 () Integrace užitím základních vzorců.

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

Numerické řešení variačních úloh v Excelu

Numerické řešení variačních úloh v Excelu Numerické řešení variačních úloh v Excelu Miroslav Hanzelka, Lenka Stará, Dominik Tělupil Gymnázium Česká Lípa, Gymnázium Jírovcova 8, Gymnázium Brno MirdaHanzelka@seznam.cz, lenka.stara1@seznam.cz, dtelupil@gmail.com

Více

Vzdálenosti. Copyright c 2006 Helena Říhová

Vzdálenosti. Copyright c 2006 Helena Říhová Vzdálenosti Copyright c 2006 Helena Říhová Obsah 1 Vzdálenosti 3 1.1 Vzdálenostivrovině... 3 1.1.1 Vzdálenostdvoubodů..... 3 1.1.2 Vzdálenostboduodpřímky..... 4 1.1.3 Vzdálenostdvourovnoběžek.... 5 1.2

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

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového

Více

Postup při řešení matematicko-fyzikálně-technické úlohy

Postup při řešení matematicko-fyzikálně-technické úlohy Postup při řešení matematicko-fyzikálně-technické úlohy Michal Kolesa Žádná část této publikace NESMÍ být jakkoliv reprodukována BEZ SOUHLASU autora! Poslední úpravy: 3.7.2010 Úvod Matematicko-fyzikálně-technické

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

Boltzmannův zákon. Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária Rakovská, mrakovska@ukf.sk. Praktický test teoretického zákona.

Boltzmannův zákon. Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária Rakovská, mrakovska@ukf.sk. Praktický test teoretického zákona. PROMOTE MSc POPIS TÉMATU FYZIKA 7 Název Tematický celek Jméno a e-mailová adresa autora Cíle Obsah Pomůcky Poznámky Boltzmannův zákon Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária

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

ROZPOZNÁVÁNÍ S MARKOVSKÝMI MODELY

ROZPOZNÁVÁNÍ S MARKOVSKÝMI MODELY ROZPOZNÁVÁNÍ S MARKOVSKÝMI MODELY Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/ hlavac 1/31 PLÁN PŘEDNÁŠKY

Více

Rovnoměrné rozdělení

Rovnoměrné rozdělení Rovnoměrné rozdělení Nejjednodušší pravděpodobnostní rozdělení pro diskrétní náhodnou veličinu. V literatuře se také nazývá jako klasické rozdělení pravděpodobnosti. Náhodná veličina může nabývat n hodnot

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

Měření součinitele smykového tření dynamickou metodou

Měření součinitele smykového tření dynamickou metodou Měření součinitele smykového tření dynamickou metodou Online: http://www.sclpx.eu/lab1r.php?exp=6 Měření smykového tření na nakloněné rovině pomocí zvukové karty řešil např. Sedláček [76]. Jeho konstrukce

Více

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0 Příklad Určete obsah rovinné plochy ohraničené křivkami: a) =0,=,= b) =4,=0 c) =,=,=3,=0 d) =+, =0 e) + )=,= f) = +4,+= g) =arcsin,=0,= h) =sin,=0, 0; i) =,=,=4,=0 j) =,= k) = 6,= +5 4 l) =4,+=5 m) = +

Více

2. spojitost (7. cvičení) 3. sudost/lichost, periodicita (3. cvičení) 4. první derivace, stacionární body, intervaly monotonie (10.

2. spojitost (7. cvičení) 3. sudost/lichost, periodicita (3. cvičení) 4. první derivace, stacionární body, intervaly monotonie (10. MA. cvičení průběh funkce Lukáš Pospíšil,202 Průběh funkce Pod úkolem vyšetřete průběh funkce budeme rozumět nalezení všech kvalitativních vlastností zadané funkce - tedy bude potřeba zjistit o funkci

Více

URČI HODNOTU VÝRAZU. A) Urči hodnotu výrazu 3 2 5 VYPOČÍTEJ 3 2 5 = 6 5 = 1. B) Urči hodnotu výrazu 4( x + 3) pro x = -1

URČI HODNOTU VÝRAZU. A) Urči hodnotu výrazu 3 2 5 VYPOČÍTEJ 3 2 5 = 6 5 = 1. B) Urči hodnotu výrazu 4( x + 3) pro x = -1 URČI HODNOTU VÝRAZU Kolik to je? A) Urči hodnotu výrazu 3 2 5 VYPOČÍTEJ 3 2 5 = 6 5 = 1 určit (vy)počítat dosadit hodnota výrazu (urči) (vypočítej) (dosaď) B) Urči hodnotu výrazu 4( x + 3) pro x = -1 DOSAĎ

Více

2. Numerické výpočty. 1. Numerická derivace funkce

2. Numerické výpočty. 1. Numerická derivace funkce 2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT7

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT7 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT7. Najděte rovnici tečny ke křivce y x v bodě a. x Tečna je přímka. Přímka se zapisuje jako lineární

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

13 Barvy a úpravy rastrového

13 Barvy a úpravy rastrového 13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody

Více

Cvičení 1 Elementární funkce

Cvičení 1 Elementární funkce Cvičení Elementární funkce Příklad. Najděte definiční obor funkce f = +. + = + =, = D f =,. Příklad. Najděte definiční obor funkce f = 3. 3 3 = > 3 3 + =, 3, 3 = D f =, 3, 3. ± 3 = Příklad 3. Nalezněte

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

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

10 Důkazové postupy pro algoritmy

10 Důkazové postupy pro algoritmy 10 Důkazové postupy pro algoritmy Nyní si ukážeme, jak formální deklarativní jazyk z Lekce 9 využít k formálně přesným induktivním důkazům vybraných algoritmů. Dá se říci, že tato lekce je vrcholem v naší

Více

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy Koza se pase na polovině zahrady, Jaroslav eichl, 011 K OZA E PAE NA POLOVINĚ ZAHADY Zadání úlohy Zahrada kruhového tvaru má poloměr r = 10 m. Do zahrady umístíme kozu, kterou přivážeme provazem ke kolíku

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

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných

Více

11.1 Jedna rovnice pro jednu neznámou

11.1 Jedna rovnice pro jednu neznámou 52. ešení rovnic Mathcad je schopen řešit i velmi složité rovnice, kdy hledaná neznámá je obsažena současně v několika různých funkcích apod.. Jedna rovnice pro jednu neznámou.. Funkce root Před vlastním

Více

MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch

MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch Marie Hojdarová Jana Krejčová Martina Zámková RNDr. Marie Hojdarová, CSc., RNDr. Jana Krejčová, Ph.D., RNDr. Ing. Martina Zámková, Ph.D. ISBN: 978-80-87035-94-8

Více

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA Osmileté studium 1. ročník 1. Opakování a prohloubení učiva 1. 5. ročníku Číslo, číslice, množiny, přirozená čísla, desetinná čísla, číselné

Více

CZ 1.07/1.1.32/02.0006

CZ 1.07/1.1.32/02.0006 PO ŠKOLE DO ŠKOLY CZ 1.07/1.1.32/02.0006 Číslo projektu: CZ.1.07/1.1.32/02.0006 Název projektu: Po škole do školy Příjemce grantu: Gymnázium, Kladno Název výstupu: Prohlubující semináře Matematika (MI

Více

vysledek = ((1:1:50).*(100-(1:1:50))) *ones(50,1) vysledek = ((1:1:75)./2).*sqrt(1:1:75) *ones(75,1)

vysledek = ((1:1:50).*(100-(1:1:50))) *ones(50,1) vysledek = ((1:1:75)./2).*sqrt(1:1:75) *ones(75,1) ZKOUŠKA ČÍSLO 1 x=linspace(0,100,20); y=sqrt(x); A=[x;y]'; save('data.txt','a','-ascii'); polyn = polyfit(x,y,3); polyv = polyval(polyn,x); plot(x,y,'r*') plot(x,polyv,'b') p1=[1 0 0 0 0 0 0-1]; k=roots(p1);

Více

Numerická matematika

Numerická matematika Numerická matematika Jiří Felcman Univerzita Karlova v Praze Matematicko-fyzikální fakulta KNM PRESS PRAHA 2014 iv PŘEDMLUVA 1 felcman@karlinmffcunicz Tel221913392 KNMčdvK458(5042) http://wwwkarlinmffcunicz/~felcman/nmpdf

Více

ÚLOHY DIFERENCIÁLNÍHO A INTEGRÁLNÍHO POČTU S FYZIKÁLNÍM NÁMĚTEM

ÚLOHY DIFERENCIÁLNÍHO A INTEGRÁLNÍHO POČTU S FYZIKÁLNÍM NÁMĚTEM Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol ÚLOHY

Více

ročník 6. 7. 8. 9. celkem počet hodin 4 4 4 5 17 Předmět matematika se vyučuje jako samostatný předmět. Výuka probíhá převážně v kmenových třídách.

ročník 6. 7. 8. 9. celkem počet hodin 4 4 4 5 17 Předmět matematika se vyučuje jako samostatný předmět. Výuka probíhá převážně v kmenových třídách. MATEMATIKA Charakteristika vyučovacího předmětu Obsahové vymezení Vzdělání v matematice je zaměřeno na: užití matematiky v reálných situacích osvojení pojmů, matematických postupů rozvoj abstraktního myšlení

Více

Automatizované řešení úloh s omezeními

Automatizované řešení úloh s omezeními Automatizované řešení úloh s omezeními Martin Kot Katedra informatiky, FEI, Vysoká škola báňská Technická universita Ostrava 17. listopadu 15, Ostrava-Poruba 708 33 Česká republika 25. října 2012 M. Kot

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

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

Reálná čísla. Sjednocením množiny racionálních a iracionálních čísel vzniká množina

Reálná čísla. Sjednocením množiny racionálních a iracionálních čísel vzniká množina Reálná čísla Iracionální číslo je číslo vyjádřené ve tvaru nekonečného desetinného rozvoje, ve kterém se nevyskytuje žádná perioda. Při počítání je potřeba iracionální číslo vyjádřit zaokrouhlené na určitý

Více

5.2. Funkce, definiční obor funkce a množina hodnot funkce

5.2. Funkce, definiční obor funkce a množina hodnot funkce 5. Funkce 8. ročník 5. Funkce 5.. Opakování - Zobrazení a zápis intervalů a) uzavřený interval d) otevřený interval čísla a,b krajní body intervalu číslo a patří do intervalu (plné kolečko) číslo b patří

Více