Fourierovské metody v teorii difrakce a ve strukturní analýze

Rozměr: px
Začít zobrazení ze stránky:

Download "Fourierovské metody v teorii difrakce a ve strukturní analýze"

Transkript

1 Osnova přednášky na 31 kolokviu Krystalografické společnosti Výpočetní metody v rtg a neutronové strukturní analýze Nové Hrady, Fourierovské metody v teorii difrakce a ve strukturní analýze Jiří Komrska Ústav fyzikálního inženýrství, FSI VUT v Brně, Technická 2, Brno A Význam Fourierovy transformace v teorii difrakce 1 Definice Fundamentální věta 2 Význam Fourierovy transformace v teorii difrakce 3 Fourierova transformace ve sférických souřadnicích a atomový faktor 4 Linearita Fourierovy transformace a Babinetův princip 5 Konvoluce a Fourierova transformace konvoluce Korelace, autokorelace 6 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat lineární regulární transformací souřadnic 7 Středová symetrie čtverce modulu Fourierovy transformace a Friedelův zákon 8 Fourierova transformace součtu f x = n j=1 f 0 x x j a fraunhoferovská difrakce na soustavě identických stejně orientovaných objektů B Mřížka tvořená body, mřížková funkce a její Fourierova transformace, reciproká mřížka 9 Mřížková funkce 10 Algebraická definice reciproké mřížky 11 Reciproká mřížka a Fourierova transformace mřížkové funkce C Kinematická teorie difrakce 12 Nekonečná krystalová mřížka a její Fourierova transformace Strukturní faktor 13 Konečná krystalová mřížka a její Fourierova transformace Mřížková a tvarová amplituda 14 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách Laueovy rovnice, Braggova rovnice

2 1 Definice Fundamentální věta Pro x, X E N a reálné nenulové konstanty A, B, k vázané podmínkou definujeme: AB = k 2π FT{f x} = A N f x exp ikx x d N x, FT 1 {F X} = B N F X expikx x d N X 1 Podmínka 1 vyplývá z fundamentální věty FT 1{ FT{f x} } = FT { FT 1 {f x} } = f x a dovoluje nazývat funkce f x a F X dvojící funkcí souvisejících spolu Fourierovou transformací ve smyslu F X = FT { f x }, f x = FT 1{ F X } 2 Význam Fourierovy transformace v teorii difrakce Fourierova transformace v jistém smyslu charakterizuje směrovou závislost rozptylu kolimovaného svazku záření na zkoumaném objektu Proměnná X mívá význam rozdílu X = n n 0 jednotkových vektorů ve směru rozptýleného n a dopadajícího n 0 záření nebo je tomuto rozdílu úměrná, takže platí X = 2 sin ϑ, kde 2ϑ je úhel mezi vektory n a n 0 3 Fourierova transformace ve sférických souřadnicích a atomový faktor Fourierovu transformaci sféricky symetrických funkcí f 0 r a F 0 R v E 3 lze transformací do sférických souřadnic a integrací podle úhlových proměnných vyjádřit ve tvaru F 0 R = A 3 4π f 0 r = B 3 4π kde r = x, R = X Atomový faktor pro rentgenové záření sin ϑ f X = 4π r 2 sin krr f 0 r dr, krr R 2 sin krr F 0 R krr dr, sin ϑ r 2 sin4π pr r 4π sin ϑ r dr, kde pr je časová střední hodnota hustoty pravděpodobnosti výskytu elektronu, má v tomto smyslu tvar Fourierovy transformace při volbě A = B = 1, k = 2π a z toho vyplývající interpretaci X = R = n n 0 = 2 sin ϑ 4 Linearita Fourierovy transformace a Babinetův princip Linearita: FT α j f j x = j j α j FT {f j x}

3 Komplementární objekty f 1 x, f 2 x: Pro X 0 je α 1 f 1 x + α 2 f 2 x = const α 1 F 1 X + α 2 F 2 X = const B N δ X F 1 X = α 2 F 2 X, α 1 F 1 X 2 = α 2 F2 2 X 2 Babinetův princip obr 1 α 1 Obrázek 1: Ilustrace Babinetova principu: Fraunhoferova difrakce na pozitivu a negativu rozostřeného astigmatického elektronově mikroskopického snímku uhlíkové blány 5 Konvoluce a Fourierova transformace konvoluce Korelace, autokorelace Konvoluce: f x = f 1 x f 2 x = f 1 y f 2 x y d N y Fourierova transformace konvoluce a Fourierova transformace součinu: i a tedy FT { f 1 x f 2 x } = 1 A N F 1 XF 2 X FT 1{ F 1 XF 2 X } = A N f 1 x f 2 x ii a tedy FT { f 1 xf 2 x } = B N F 1 X F 2 X FT 1{ F 1 X F 2 X } = 1 B N f 1 xf 2 x

4 Korelace: f x = f 1 x f 2 x = = f1 x f 2 x f 1 y f 2 y + x d N y = 6 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat lineární regulární transformací souřadnic x, x 0 sloupcové matice, M regulární matice, X řádková matice Je-li f x = f 0 M x x 0, je F X = det M 1 exp ik X x 0 F 0 XM 1 Zvláštní případy: M = I, x 0 0 translace, M = M 1 T ortogonální matice, x = 0 rotace resp zrcadlení 7 Středová symetrie čtverce modulu Fourierovy transformace a Friedelův zákon f x = f x F X = F X f x = f x = F XF X = F XF X Friedelův zákon obr 2 Obrázek 2: Ilustrace Friedelova zákona: Fresnelův portrét zdobící titulní stránku jeho sebraných spisů Œuvres complètes d Augustin Fresnel, tome 1 Imprimerie impériale, Paris 1866 a Fraunhoferova difrakce z negativu portrétní perokresby Portrét nemá středovou symetrii, má však reálnou funkci propustnosti V důsledku toho má difrakční obrazec středovou symetrii

5 8 Fourierova transformace součtu f x = n j=1 f 0 x x j a fraunhoferovská difrakce na soustavě identických stejně orientovaných objektů Fourierova transformace translace: Identické objekty: f x = FT { f x x 0 } = exp ik X x 0 FT { f x } j=1 n f 0 x x j = f 0 x j=1 n δ x x j j=1 n n FT f 0 x x j = FT {f 0 x} exp ikx x j Obecné vlastnosti součtu S X; n = n j=1 exp ik X x j : i max S X; n = S 0; n = n j=1 ii iii iv S X X = 0, n = 0 S X; n = 0, když x j 0, j = 1,, n, = 1, když pro některé j je x j = 0 S X; n 2 = n 9 Mřížková funkce f x = δ x x n = δ x n 1 a 1 n N a N mřížková funkce Význam symbolů: a r, r = 1, 2,, N, jsou bazální vektory mřížky, nn 1, n 2,, n N je multiindex, x n = n 1 a 1 + n 2 a n N a N je mřížkový vektor Symbol vyjadřuje, že čísla n r nabývají všech celočíselných hodnot a že jde o N násobnou nekonečnou řadu a 1 a 1 a 1 a 2 a 1 a N a 2 a 1 a 2 a 2 a 2 a N det G = Gramův determinant, a N a 1 a N a 2 a N a N V U = [ det G ] 1/2 objem elementární buňky 10 Algebraická definice reciproké mřížky Definice bazálních vektorů a + s reciproké mřížky: a r a + s = δ rs, r, s = 1, 2,, N Explicitní vyjádření bazálních vektorů a + s reciproké mřížky prostřednictvím bazálních vektorů a r mřížky: a + s = det G s, s = 1, 2,, N, det G kde det G s je determinant vzniklý nahrazením prvků s tého řádku Gramova determinantu bazálními vektory a 1, a 2,, a N mřížky

6 11 Reciproká mřížka a Fourierova transformace mřížkové funkce tj X h = h 1 a h 2 a h N a + N mřížkový vektor reciproké mřížky { FT δ } x n 1 a 1 n N a N = 1 1 X B N 2π h 1 a + 1 V U k + + h N a N +, Důkaz není jednoduchý! FT { δ x x n } = 1 B N 1 V U δ δ X 2πk X h 12 Nekonečná krystalová mřížka a její Fourierova transformace Strukturní faktor f U x charakterizuje elementární buňku, F U X = FT { f U x } Nekonečná krystalová mřížka: f x = f U x δ x x n Její Fourierova transformace: F X = = N 2π 1 F U X k V U N 2π 1 k V U F U δ 2πk X X h 2π X k h = δ X 2πk X h 2π F U k X h 2π F 2 U k X h strukturní amplituda, strukturní faktor Fourierova řada krystalové mřížky: 1 f x = A N V U F U 2π k X h exp 2π ix h x 13 Konečná krystalová mřížka a její Fourierova transformace Mřížková a tvarová amplituda Laue: f x = f U x δ x x n Symbol n V vyjadřuje, že součet tvoří konečný počet sčítanců, v nichž koncový bod mřížkového vektoru x n patří do oblasti V objem krystalu n V F X = F U X G X, kde G X = exp ikx x n mřížková amplituda periodická funkce, n V speciální případ součtu S X; n z kap 8 max G X 2π = G X k h = V V U 2

7 Ewald: viz obr 3 a 4, kde f x = f U x δ x x n s x, 3 F X = F U X h inf δ n inf X 2πk X h G 1 X 4 s x = 1, když x V s x = 0, když x V tvarová funkce, G 1 X = 1 A N V U FT { s x } tvarová amplituda, G 1 0 = V V U 14 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách Laueovy rovnice, Braggova rovnice Difrakční maxima jsou ve směrech n h, pro něž je maximální velikost mřížkové amplitudy G X viz 2: n h n 0 = 2π k X h Při k = 2π tomu odpovídá n h n 0 = X h 5 Skalárním násobením 5 vektory a 1, a 2, a 3 se získávají Laueovy rovnice: n h n 0 a1 = h 1, n h n 0 a2 = h 2, n h n 0 a3 = h 3, tj cos α 1 cos α 01 = h1 a 1, cos α 2 cos α 02 = h2 a 2, cos α 3 cos α 03 = h3 a 3 Porovnáním velikostí vektorů na obou stranách 5 se získá Braggova rovnice: = 2d h1h 2h 3 sin ϑ, neboť n h n 0 = 2 sin ϑ, d h = 1 X h

8 Obrázek 3: Ilustrace vztahů 3 a 4: Vliv vnějšího tvaru konečné mřížky na tvar difrakčních stop a,b dvojrozměrné mřížky s touž strukturou čtverečnou, avšak s různými vnějšími okraji Obě mřížky se tedy liší pouze tvarovou funkcí s x c, e a d, f Fraunhoferova difrakce z a a b: c,d celá střední část difrakčního obrazce, e, f detail ukazující tvar difrakčních stop Difrakční obrazce v pravém a levém sloupci se liší pouze tvarovou amplitudou G 1 X

9 Obrázek 4: Ilustrace vztahů 3 a 4: Fraunhoferova difrakce na dvojrozměrné mřížce V horní části obrázku je táž dvojrozměrná mřížka tvořená jednou kruhovými jednou obdélníkovými otvory Obě mřížky se tedy liší pouze motivem f U x Ve střední části obrázku jsou celé Fraunhoferovy difrakční obrazce těchto mřížek Difrakční obrazce se liší pouze funkcí F U X a ukazují, že difrakční obrazec jako celek je vymezen tvarem odpovídajícím difrakci na motivu vytvářejícím mřížku rotačně symetrický Airyho difrakční obrazec představuje difrakci na kruhovém otvoru, kříž s rameny kolmými na strany obdélníků představuje difrakci na obdélníkovém otvoru V dolní části obrázku je zvětšená centrální část difrakčního obrazce Různost funkcí F U X se neprojevuje Hlavní maxima tvoří reciprokou mřížku k původní mřížce

17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda

17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda 17 KONEČNÁ KRYSTALOVÁ MŘÍŽKA, MŘÍŽKOVÁ A TVAROVÁ AMPLITUDA 1 17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda Konečnou mřížku f x) pravidelně rozmístěný motiv f

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

MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE. Jiří Komrska

MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE. Jiří Komrska MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE Jiří Komrska Ústav fyzikálního inženýrství, Fakulta strojního inženýrství, VUT Brno, Technická 2, 616 69 Brno Přednášky pro doktorský studijní program 1

Více

18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách

18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách 18 SMĚRY HLAVNÍCH DIFRAKČNÍCH MAXIM PŘI DIFRAKCI NA MŘÍŽKÁCH 1 18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách V odst. 2.1 bylo vysvětleno že vlnová funkce záření difraktovaného

Více

Teorie rentgenové difrakce

Teorie rentgenové difrakce Teorie rentgenové difrakce Vlna primárního záření na atomy v krystalu. Jádra atomů zůstanou vzhledem ke své velké hmotnosti v klidu, ale elektrony jsou rozkmitány se stejnou frekvencí jako má primární

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

Více

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,

Více

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

DEFINICE Z LINEÁRNÍ ALGEBRY DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které

Více

VĚTY Z LINEÁRNÍ ALGEBRY

VĚTY Z LINEÁRNÍ ALGEBRY VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru

Více

C Mapy Kikuchiho linií 263. D Bodové difraktogramy 271. E Počítačové simulace pomocí programu JEMS 281. F Literatura pro další studium 289

C Mapy Kikuchiho linií 263. D Bodové difraktogramy 271. E Počítačové simulace pomocí programu JEMS 281. F Literatura pro další studium 289 OBSAH Předmluva 5 1 Popis mikroskopu 13 1.1 Transmisní elektronový mikroskop 13 1.2 Rastrovací transmisní elektronový mikroskop 14 1.3 Vakuový systém 15 1.3.1 Rotační vývěvy 16 1.3.2 Difúzni vývěva 17

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

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

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Kapitola 11: Vektory a matice 1/19

Kapitola 11: Vektory a matice 1/19 Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =

Více

2. Difrakce elektronů na krystalu

2. Difrakce elektronů na krystalu 2. Difrakce elektronů na krystalu Interpretace pozorování v TEM faktory ovlivňující interakci e - v krystalu 2 způsoby náhledu na interakci e - s krystalem Rozptyl x difrakce částice x vlna Difrakce odchýlení

Více

Afinní transformace Stručnější verze

Afinní transformace Stručnější verze [1] Afinní transformace Stručnější verze je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím body a vektory: afinní prostor využití například v počítačové grafice a)

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Skalární součin a ortogonalita Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad

Více

Požadavky ke zkoušce. Ukázková písemka

Požadavky ke zkoušce. Ukázková písemka Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. 6 Skalární součin Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. Příklad: Určete odchylku přímek p, q : p : x =1+3t,

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

7 Analytické vyjádření shodnosti

7 Analytické vyjádření shodnosti 7 Analytické vyjádření shodnosti 7.1 Analytická vyjádření shodných zobrazení v E 2 Osová souměrnost Osová souměrnost O(o) podle osy o s obecnou rovnicí o : ax + by + c =0: x = x 2a (ax + by + c) a 2 +

Více

Fyzika II. Marek Procházka Vlnová optika II

Fyzika II. Marek Procházka Vlnová optika II Fyzika II Marek Procházka Vlnová optika II Základní pojmy Reflexe (odraz) Refrakce (lom) jevy na rozhraní dvou prostředí o různém indexu lomu. Disperze (rozklad) prostorové oddělení složek vlnění s různou

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m. Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC .6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom

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

LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií)

LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií) LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií) RHEED (Reflection High-Energy Electron Diffraction difrakce elektronů s vysokou energií na odraz) Úvod Zkoumání povrchů pevných

Více

P 1 = P 1 1 = P 1, P 1 2 =

P 1 = P 1 1 = P 1, P 1 2 = 1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U

Více

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1) 14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový

Více

Matematika 2 pro PEF PaE

Matematika 2 pro PEF PaE Determinanty / 8 Matematika 2 pro PEF PaE 3 Determinanty Přemysl Jedlička Katedra matematiky, TF ČZU Permutace Determinanty Výpočet determinantu z definice 2 / 8 Permutací množiny {,, n} rozumíme prosté

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

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

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního

Více

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí 1. Reálná funkce reálné proměnné, derivování (FAPPZ) Petr Gurka aktualizováno 12. října 2011 Obsah 1 Přehled některých elementárních funkcí 1 1.1 Polynomické funkce.......................... 1 1.2 Racionální

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava Lineární algebra 9. přednáška: Ortogonalita Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen

Více

Chemie a fyzika pevných látek p2

Chemie a fyzika pevných látek p2 Chemie a fyzika pevných látek p2 difrakce rtg. záření na pevných látkch, reciproká mřížka Doporučená literatura: Doc. Michal Hušák dr. Ing. B. Kratochvíl, L. Jenšovský - Úvod do krystalochemie Kratochvíl

Více

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného

Více

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. Téma 4: Grupy, okruhy a pole SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,

Více

Symetrické a kvadratické formy

Symetrické a kvadratické formy Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

Více

Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti.

Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti. U. 4. Goniometrie Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti. 4.. Orientovaný úhel a jeho velikost. Orientovaným úhlem v rovině rozumíme uspořádanou dvojici polopřímek

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

Rovinné přetvoření. Posunutí (translace) TEORIE K M2A+ULA

Rovinné přetvoření. Posunutí (translace) TEORIE K M2A+ULA Rovinné přetvoření Rovinné přetvoření, neboli, jak se také často nazývá, geometrická transformace je vlastně lineární zobrazení v prostoru s nějakou soustavou souřadnic. Jde v něm o přepočet souřadnic

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

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

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného

Více

Momenty setrvačnosti a deviační momenty

Momenty setrvačnosti a deviační momenty Momenty setrvačnosti a deviační momenty Momenty setrvačnosti a deviační momenty charakterizují spolu shmotností a statickými momenty hmoty rozložení hmotnosti tělesa vprostoru. Jako takové se proto vyskytují

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

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

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

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

4. Statika základní pojmy a základy rovnováhy sil

4. Statika základní pojmy a základy rovnováhy sil 4. Statika základní pojmy a základy rovnováhy sil Síla je veličina vektorová. Je určena působištěm, směrem, smyslem a velikostí. Působiště síly je bod, ve kterém se přenáší účinek síly na těleso. Směr

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 8 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

Lineární algebra. Matice, operace s maticemi

Lineární algebra. Matice, operace s maticemi Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory Vektorový počet.1 Eklidovský prostor E 3 Eklidovský prostor E 3 je prostor spořádaných trojic (tj. bodů), v němž je definována vzdálenost dvo jeho bodů A, B (značíme ji AB ). Vzdálenost bodů A = [a 1,

Více

Geometrické vidění světa KMA/GVS ak. rok 2013/2014 letní semestr

Geometrické vidění světa KMA/GVS ak. rok 2013/2014 letní semestr Geometrické transformace v prostoru Geometrické vidění světa KMA/GVS ak. rok 2013/2014 letní semestr Shodné transformace 1 Shodné transformace stejný přístup jako ve 2D shodné transformace (shodnosti,

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic

Více

Geometrické transformace pomocí matic

Geometrické transformace pomocí matic Geometrické transformace pomocí matic Pavel Strachota FJFI ČVUT v Praze 2. dubna 2010 Obsah 1 Úvod 2 Geometrické transformace ve 2D 3 Geometrické transformace ve 3D Obsah 1 Úvod 2 Geometrické transformace

Více

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa 2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace

Více

MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET MPV, LADP TUL, ZS 2009/10

MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET MPV, LADP TUL, ZS 2009/10 1 MATEMATIKA PRO PŘÍRODNÍ VĚDY LINEÁRNÍ ALGEBRA, DIFERENCIÁLNÍ POČET 2 koncepce/slides: Jan Picek přednášející: Jiří Veselý KAP, tel. 485352290, budova H konzul. hodiny: dle úmluvy e-mail: jvesely@karlin.mff.cuni.cz

Více

Matematika 3. Úloha 1. Úloha 2. Úloha 3

Matematika 3. Úloha 1. Úloha 2. Úloha 3 Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí: Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se

Více

Elektronová mikroskopie II

Elektronová mikroskopie II Elektronová mikroskopie II Metody charakterizace nanomateriálů I RNDr. Věra Vodičková, PhD. Transmisní elektronová mikroskopie TEM Informace zprostředkována prošlými e - (TE, DE) Umožň žňuje studium vnitřní

Více

Mgr. Tomáš Kotler. I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17

Mgr. Tomáš Kotler. I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17 Mgr. Tomáš Kotler I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17 VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Je dán rovinný obrazec, v obrázku vyznačený barevnou výplní, který představuje

Více

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz 1/15 ANALYTICKÁ GEOMETRIE Základní pojmy: Soustava souřadnic v rovině a prostoru Vzdálenost bodů, střed úsečky Vektory, operace s vektory, velikost vektoru, skalární součin Rovnice přímky Geometrie v rovině

Více

rozumíme obdélníkovou tabulku

rozumíme obdélníkovou tabulku Přednáška : Matice Matice poskytují velmi účinný způsob jak úsporně zapisovat mnoho lineárních problémů. Navíc je tento způsob velmi vhodný pro jejich zadání do počítačových programů, které dokáží tyto

Více

6.1 Vektorový prostor

6.1 Vektorový prostor 6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána

Více

Determinanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer

Determinanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer Přednáška MATEMATIKA č. 3 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 21. 10. 2010 Uvažujme neprázdnou množinu přirozených čísel M = {1, 2,..., n}. Z kombinatoriky

Více

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

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

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

Úvod do fyziky tenkých vrstev a povrchů. Typy interakcí, základy elektronové difrakce, metody LEED a RHEED

Úvod do fyziky tenkých vrstev a povrchů. Typy interakcí, základy elektronové difrakce, metody LEED a RHEED Úvod do fyziky tenkých vrstev a povrchů Typy interakcí, základy elektronové difrakce, metody LEED a RHEED \ Signál Sonda \ Svazek elektron Elektrony Ionty Elektromagnetické zá ení AES (SAM) TEM, SEM LEED,

Více

Shodnostní Helmertova transformace

Shodnostní Helmertova transformace Shodnostní Helmertova transformace Toto pojednání ukazuje, jak lze určit transformační koeficienty Helmertovy transformace za požadavku, aby představovaly shodnostní transformaci. Pro jednoduchost budeme

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. Téma 5: Vektorové prostory SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)

Více

CVIČNÝ TEST 41. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17

CVIČNÝ TEST 41. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17 CVIČNÝ TEST 41 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Je dán magický čtverec, pro nějž platí,

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}. VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada (Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem

Více

Cvičení z Lineární algebry 1

Cvičení z Lineární algebry 1 Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice

Více

ANALYTICKÁ GEOMETRIE V ROVINĚ

ANALYTICKÁ GEOMETRIE V ROVINĚ ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii

Více

KTE / PPEL Počítačová podpora v elektrotechnice

KTE / PPEL Počítačová podpora v elektrotechnice KTE / PPEL Počítačová podpora v elektrotechnice Ing. Lenka Šroubová, Ph.D. email: lsroubov@kte.zcu.cz http://home.zcu.cz/~lsroubov 3. 10. 2012 Základy práce s výpočetními systémy opakování a pokračování

Více

KLASICKÁ MECHANIKA. Předmětem mechaniky matematický popis mechanického pohybu v prostoru a v čase a jeho příčiny.

KLASICKÁ MECHANIKA. Předmětem mechaniky matematický popis mechanického pohybu v prostoru a v čase a jeho příčiny. MECHANIKA 1 KLASICKÁ MECHANIKA Předmětem mechaniky matematický popis mechanického pohybu v prostoru a v čase a jeho příčiny. Klasická mechanika rychlosti těles jsou mnohem menší než rychlost světla ve

Více

ftp://math.feld.cvut.cz/pub/olsak/linal/

ftp://math.feld.cvut.cz/pub/olsak/linal/ Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

z textu Lineární algebra

z textu Lineární algebra 2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

Optika pro mikroskopii materiálů I

Optika pro mikroskopii materiálů I Optika pro mikroskopii materiálů I Jan.Machacek@vscht.cz Ústav skla a keramiky VŠCHT Praha +42-0- 22044-4151 Osnova přednášky Základní pojmy optiky Odraz a lom světla Interference, ohyb a rozlišení optických

Více

Difrakce elektronů v krystalech, zobrazení atomů

Difrakce elektronů v krystalech, zobrazení atomů Difrakce elektronů v krystalech, zobrazení atomů T. Sýkora 1, M. Lanč 2, J. Krist 3 1 Gymnázium Českolipská, Českolipská 373, 190 00 Praha 9, tomas.sykora@email.cz 2 Gymnázium Otokara Březiny a SOŠ Telč,

Více

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy, Komplexní čísla Množinu všech uspořádaných dvojic (x, y) reálných čísel x, y nazýváme množinou komplexních čísel C, jestliže pro každé dvě takové dvojice (x, y ), (x 2, y 2 ) je definována rovnost, sčítání

Více

Numerické metody a programování

Numerické metody a programování Projekt: Inovace výuky optiky se zaměřením na získání experimentálních dovedností Registrační číslo: CZ.1.7/2.2./28.157 Numerické metody a programování Lekce 4 Tento projekt je spolufinancován Evropským

Více

1 Analytická geometrie

1 Analytická geometrie 1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice

Více

Vibrace atomů v mřížce, tepelná kapacita pevných látek

Vibrace atomů v mřížce, tepelná kapacita pevných látek Vibrace atomů v mřížce, tepelná kapacita pevných látek Atomy vázané v mřížce nejsou v klidu. Míru jejich pohybu vyjadřuje podobně jako u plynů a kapalin teplota. - Elastické vlny v kontinuu neatomární

Více

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika.

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika. 4.8.3. Cvičení z matematiky Předmět Cvičení z matematiky je vyučován v sextě a v septimě jako volitelný předmět. Vzdělávací obsah vyučovacího předmětu Cvičení z matematiky vychází ze vzdělávací oblasti

Více

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme

Více

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více