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.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "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."

Transkript

1 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 na které jsem zapomněl v cvičení. Vektorový prostor Vektorový prostor V nad tělesem R je množina V pro jejíž prvky je definováno násobení skalárem reálným číslem a u V a R u V a sčítání u + v V u v V. Prvky vektorového prostoru nazýváme vektory. Násobení vektoru skalárem a sčítání vektorů má navíc tyto vlastnosti ab u = ab u u + v + w = u + v + w u + v = v + u a u + v = a u + a v a + b u = a u + b u u = u kde a b R u v w V. Dále zde existuje nulový prvek 0 pro který platí v + 0 = 0 + v = 0 kde v V. A ke každému vektoru u V existuje vektor u V pro který platí u + u = 0 = u + u. Příkladem vektorového prostoru nad R jsou všechny n-tice reálných čísel u u... u n u u... u n R pro které definujeme násobení skalárem a sčítání vektorů jako a u = au u... u n = au au... au n u + v = u u... u n + v v... v n = u + v u + v... u n + v n. Tento vektorový prostor budeme označovat jako R n. Poznámka: Vektoru tvaru a u + a u a m u m kde a a... a n R u u... u m V říkáme lineární kombinace vektorů u u... u m. Báze a dimenze vektorového prostoru lineární nezávislost Uvažujme vektorový prostor V a v něm systém n vektorů u u... u n. O tomto systému řekneme že je lineárně nezávislý pokud pro rovnici a u + a u + + a n u n = 0

2 s neznámými a a... a n R existuje jediné řešení a = 0 a = 0... a n = 0. Pokud není systém vektorů lineárně nezávislý tak říkáme že je lineárně závislý. Předpokládejme že systém vektorů u u... u n je lineárně závislý. To znamená že existuje řešení rovnice takové že alespoň jedno z čísel a a... a n je nenulové. Předpokládejme že je tímto nenulovým číslem například a n a rovnici upravme do tvaru u n = a a n u + a a n u + + a n a n u n. Vektor u n tedy lze vyjádřit jako lineární kombinaci ostatních vektorů. Této vlastnosti můžeme užít k tomu abychom lineární nezávislost vektorů definovali i jiným způsobem. Lineární nezávislost sytému vektorů můžeme definovat také pomocí požadavku že žádný z vektorů tohoto systému nelze vyjádřit jako lineární kombinaci ostatních vektorů tohoto systému s výjimkou případu kdy máme puze jeden vektor v tomto případě je systém lineárně nezávislý pokud je vektor nenulový. Lineárně nezávislý systém vektorů e e... e n z vektorového prostoru V pro který platí to že přidáme-li k němu libovolný další vektor u V tak dostaneme lineárně závislý systém nazýváme bází vektorového prostoru. Lze ukázat že existuje-li báze obsahující konečný počet vektorů tak i všechny ostatní báze obsahují stejný počet vektorů a počet těchto vektorů nazýváme dimenzí vektorového prostoru. Příklad: Jsou dány vektory u = u = 4 u = u 4 = 0 určete zda jsou tyto vektory lineárně nezávislé pokud nejsou tak z nich vyberte maximální počet lineárně nezávislých vektorů. Řešení: Aby byly vektory lineárně nezávislé tak musí mít rovnice a u + a u + a u + a 4 u 4 = 0 pro neznámé a a a a 4 jediné řešení. Dosazením za u u u u 4 dostáváme a + a 4 + a + a 4 0 = a + a + a a + 4a a + a 4 = 0 0. Jedná se o systém rovnic o neznámých který můžeme přepsat pomocí matice kterou můžeme upravit na schodovitý tvar Vidíme že tato soustava má nekonečně mnoho řešení zadaný systém vektorů tedy není lineárně nezávislý. Vynecháme-li však v matici ty sloupce které neobsahují žádný vedoucí člen vedoucí člen je první nenulový člen v řádku schodovité matice tj. druhý a čtvrtý sloupec tak dostaneme matici která odpovídá soustavě rovnic mající jediné řešení. Uvědomíme-li si že sloupce matice 4 odpovídají jednotlivým vektorům v rovnici tak je jasné že vynechání sloupců matice odpovídá vynechání patřičných vektorů v rovnici. To že jsme v matici vynechali druhý a čtvrtý sloupec tedy znamená že uvažujeme systém vektorů ve kterém jsme vynechali druhý a čtvrtý vektor tj. systém u u. Vektory u a u tedy tvoří lineárně nezávislou podmnožinu vektorů u u u u 4.

3 Příklad: Doplňte vektory u = u = o další vektor tak aby tvořili bázi v R. První způsob řešení: Budeme předpokládat že hledaný vektor u má složky x y z. Aby byly vektory u u u lineárně nezávislé tak musí mít rovnice a u + a u + a u = a + a + a x a a + a y a + a + a z = jediné řešení. Tuto soustavu zapíšeme pomocí matice x 0 x 0 y 0 0 y x 0 z z x 0 Z tvaru této matice vidíme že soustava má řešení pouze tehdy platí li z x což splníme například volbou x = y = 0 z = 0. Vektory u u tedy můžeme doplnit o vektor u = 0 0. Druhý způsob řešení: Druhou možností jak řešit tento příklad je přidat k vektorům u u vektory e = 0 0 e = 0 0 e = 0 0 které sami o sobě tvoří bázi v R a z tohoto systému 5 vektorů vybrat lineárně nezávislé vektory tak aby dva z nich byly u u. Budeme tedy zkoumat rovnici a u + a u + a e + a 4 e + a 5 e = a + a + a a a + a 4 a + a + a 5 = kterou zapíšeme pomocí matice Vidíme že čtvrtý a pátý sloupec matice upravené do schodovitého tvaru neobsahují vedoucí členy čtvrtý a pátý vektor tedy vynecháme a zbydou nám vektory u u e které jsou lineárně nezávislé a tvoří bázi v R. Vektor zapsaný v bázi přechod mezi bázemi Necht V je n-dimenzionální vektorový prostor a e e... e n jeho báze. Přidáme-li k bázi další vektor u tak vzniklý systém e e... e n u již nebude lineárně nezávislý protože báze je tvořena maximálním počtem lineárně nezávislých vektorů a podobným způsobem jako jsme v rovnici vyjádřili vektor e n můžeme vyjádřit i vektor u tj. u = u e + u e + + u n e n = u i e i. Soubor čísel u u... u n pak nazýváme souřadnicemi vektoru u v bázi e e... e n a často je zapisujeme jako řádkovou matici u u... u n. Uvažujme nyní jinou bázi e e... vektorového prostoru V. Prvky nové čárkované báze jsou vektory vektorového prostoru V takže je můžeme vyjádřit pomocí vektorů nečárkované báze i= e = T e + T e T n e n e = T e + T e T n e n. = T n e + T n e T nn e n

4 což zapíšeme jako e i = T ij e j. 5 j= Uspořádáme-li čísla T ij do matice tak že v i-tém řádku a j-tém sloupci bude číslo T ij tj. složka j-tá souřadnice vektoru e i v bázi e e... e n řádky matice T jsou tedy tvořeny souřadnicemi vektorů čárkované báze v nečárkované bázi tak budeme moci tento vztah zapsat také v maticovém zápisu jako e T T... T n e e T T... T n e. =... T n T n... T nn Matici T nazýváme maticí přechodu. Stejným způsobem můžeme vyjádřit také bázové vektory e e... e n nečárkované báze jako lineární kombinaci vektorů čárkované báze tj. e i = S ij e j. j= e S S... S n e e. = S S... S n e e n S n S n... S nn Přičemž řádky matice S jsou tvořeny souřadnicemi vektorů nečárkované báze v čárkované bázi. Dosadíme-li 7 do 6 tak získáme rovnici e e e e e. = T e. = T S e e T S I.. = 0 e n která bude splněna tehdy když T S = I tj. tehdy když S = T T = S = T matice T a S jsou tedy vzájemně inverzní. Pro vyjádření vektoru u v bázi e e... e n dostáváme e e u = u i e i = e u u... u n. i=. = u u... u n T e. e n přičemž v poslední rovnosti jsme užili 7 Porovnáme-li tento výraz s vyjádřením vektoru u v bázi e e... u =. e n u i e i = u u... u e n. i= tak vidíme že souřadnice vektoru u v bázi e e... vypočteme z jeho souřadnic v bázi e e... e n pomocí vztahu u u... u n = u u... u n T 8 e 6 4

5 Podobně pro přepočet souřadnic vektoru u v bázi e e... na souřadnice v bázi e e... e n dostáváme u u... u n = u u... u n T. 9 Příklad: Uvažujte změnu báze e = e + e e = e e e = e vyjádřete vektor u = e + e + e pomocí čárkované báze a vektor v = e e + e pomocí nečárkované báze. Řešení: Ze vztahů zadávajících změnu báze určíme matici přechodu T T = K této matici vypočteme matici inverzní 0 T = Souřadnice vektoru u v bázi e e e jsou u u u = souřadnice v čárkované bázi e e e vypočteme pomocí vzorce 8 u u u = u u u T = 0 0 = 0 0 Vektor u tedy pomocí báze e e e zapíšeme jako. u = e e + e. Souřadnice vektoru v v bázi e e e jsou v v v = souřadnice v nečárkované bázi e e e vypočteme pomocí vzorce 9 0 v v v = v v v T = 0 = Vektor v tedy pomocí báze e e e zapíšeme jako v = e + e. Poznámka: Vztah mezi bází e e e a bází e e e jsme zapsali pomocí matice T jako e e = 0 0 e e e 0 0 e e = e + e e = e e e = e 5

6 což jsou vztahy uvedené v zadání. Matici T pak užijeme k tomu abychom dostali řešení této soustavy rovnic pro vektory e e e e 0 e = 0 e 0 0 e e e e = e + e e = e e. e = e Vektor u vyjádřený v bázi e e e tedy získáme tím že vektory e e e vyjádříme pomocí báze e e e tj. u = e + e + e = e + e + e e + e = e e + e. A to je přesně to co je skryto v nepěkně vypadajícím vzorci 8. Skalární součin Uvažujme vektorový prostor V nad R. Skalární součin je zobrazení : V V R které dvěma vektorům u v z vektorového prostoru V přiřadí reálné číslo u v. Pro skalární součin platí a u + a u v = a u v + a u v ua v + a v = a u v + a u v v u = u v u u 0 u u = 0 právě tehdy když u = 0. 0 Pro vektory u v vyjádřené v bázi e e... e n tj. dostáváme u = u v = u i e i v = i= n i= u i e i v j e j = j= i= j= v i e i i= u i v j e i e j přičemž při úpravách jsme užili první dvě pravidla z 0. Uvažujme bázi pro kterou platí e i e j = { i = j 0 i j Takovou bázi nazýváme ortonormální bází a výraz pro skalární součin se zjednoduší na u v = u i v i = u v + u v + + u n v n. i= Poznámka: V R n budeme uvažovat skalární součin u u... u n v v... v n = u v + u v + u n v n. 6

7 Poznámka: Definujeme-li velikost vektoru u jako pak dostaneme pro skalární součin vyjádření u = u u u v = u v cos φ kde φ je úhel mezi vektory u a v. O vektorech u a v tedy řekneme že jsou na sebe kolmé pokud u v = 0. Poznámka: Máme-li nenulový vektor u jenž nemá jednotkovou velikost můžeme ho normovat což znamená že vytvoříme nový vektor u = u u = u u u který je násobkem původního vektoru a platí pro něj u =. Uvažujme ortonormální bázi e e... e n. Budeme-li dále uvažovat další ortonormální bázi e e... ke které přejdeme z báze e e... e n pomocí matice přechodu T pak dostáváme podmínku n n l I ij = e i e j = T ik e k T jl e l = T ik T jl e k e l = T ik T jk = T T T ij k= l= k= k= kde I značí jednotkovou matici a kde jsme užili 5 a. Dostáváme tedy podmínku T T T = I a to znamená že platí T = T T. Změnu ortonormální báze na jinou ortonormální bázi tj. změnu báze zadanou maticí pro kterou platí T T T = I T T = T nazýváme ortonormální změnou báze. Příklad: Je zadána změna ortonormální báze k= e = e + e e = e + e ověřte že báze e e je rovněž ortonormální a zapište vektor u = e + e pomocí této báze. Řešení: Ze zadané změny báze určíme matici přechodu T = Aby byla touto maticí přechodu zadána změna ortonormální báze musí být výraz T T T jednotkové matici tj. T T T = 0 = = I. 0 roven Matice T tedy zadává ortonormální změnu báze. Inverzní matice k matici T je rovna matici transponované T = T T =. Ze souřadnic vektoru u v bázi e e u u = 7

8 vypočteme podle vzorce 8 jeho souřadnice v bázi e e u u = u u T = = Vektor u tedy pomocí báze e e vyjádříme jako Příklad: Jsou dány vektory u = e + e. u = 0 u =. Vektory normujte a doplňte je o další vektor u tak aby vektory u u u tvořili ortonormální bázi v R. Řešení: Přímým výpočtem zjistíme že pro vektory u u platí u u = u u = 0 u u = tj. že jsou na sebe kolmé a jejich velikost je a. Tyto vektory potřebujeme doplnit o další vektor u tak aby platilo u u = 0 u u = 0 u u =. Budeme předpokládat že vektor u má tvar u = x y z kde x y z jsou zatím neurčené neznámé. Dosadíme-li tento výraz do podmínek tak získáme soustavu rovnic u u = x + y = 0 u u = x y + z = 0 u u = x + y + z =. Z první rovnice dostáváme y = x. Odtud dosadíme za y do druhé rovnice čímž dostaneme z = x. Do třetí rovnice dosadíme za y a z čímž dostaneme x + x + x = 6x = tj. x = ± 6. Řešením jsou tedy vektory u = x y z = ± Dostáváme tedy dvě možnosti jak zvolit vektor u. Zbývá normovat vektory u u tj. u = u u = 0 = 0 Trojice vektorů u = 0 u = u = u u = =. u = x y z = ± tedy tvoří ortonormální bázi v R. Jiný postup který můžeme užít nalezení vektoru kolmého k vektorům u a v je vypočíst vektor jejich vektorový součin tj. u v a ten poté normovat. 8

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

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

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

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

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

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

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

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

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

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

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. 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

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

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

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

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

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

Fyzikální veličiny a jednotky, přímá a nepřímá metoda měření

Fyzikální veličiny a jednotky, přímá a nepřímá metoda měření I N V E S T I C E D O R O Z V O J E V Z D Ě L Á V Á N Í TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Laboratorní práce č. 2 Fyzikální veličiny a jednotky,

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

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

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

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 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

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

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

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

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

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

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

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

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

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

ANALYTICKÁ GEOMETRIE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

ANALYTICKÁ GEOMETRIE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALYTICKÁ GEOMETRIE Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

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

[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

Práce, energie a další mechanické veličiny

Práce, energie a další mechanické veličiny Práce, energie a další mechanické veličiny Úvod V předchozích přednáškách jsme zavedli základní mechanické veličiny (rychlost, zrychlení, síla, ) Popis fyzikálních dějů usnadňuje zavedení dalších fyzikálních

Více

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ FUNKCE Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE DO ROZVOJE

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

3. Optimalizace pomocí nástroje Řešitel

3. Optimalizace pomocí nástroje Řešitel 3. Optimalizace pomocí nástroje Řešitel Rovnováha mechanické soustavy Uvažujme dvě různé nehmotné lineární pružiny P 1 a P 2 připevněné na pevné horizontální tyči splývající s osou x podle obrázku: (0,0)

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

DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ

DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast CZ.1.07/1.5.00/34.0963 IV/2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti

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

7 Kardinální informace o kritériích (část 1)

7 Kardinální informace o kritériích (část 1) 7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru

Více

Řešení úloh TSP MU prezentace k výkladům na prezenčních kurzech ZKRÁCENÁ UKÁZKA PRO WEB Analytické myšlení ročník 2011, var. 07

Řešení úloh TSP MU prezentace k výkladům na prezenčních kurzech ZKRÁCENÁ UKÁZKA PRO WEB Analytické myšlení ročník 2011, var. 07 Řešení úloh TSP MU prezentace k výkladům na prezenčních kurzech ZKRÁCENÁ UKÁZKA PRO WEB Analytické myšlení ročník 2011, var. 07 var. 07, úloha č. 51 Úloha č. 51 Víme, že polovina trasy z A do B měří na

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

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

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

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

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

MATEMATIKA vyšší úroveň obtížnosti

MATEMATIKA vyšší úroveň obtížnosti MATEMATIKA vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAMVDC0T03 Maximální bodové hodnocení: 50 bodů Hranice úspěšnosti: 33 % Základní informace k zadání zkoušky Didaktický test obsahuje 23 úloh. Časový limit

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

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

Malé statistické repetitorium Verze s řešením

Malé statistické repetitorium Verze s řešením Verze s řešením Příklad : Rozdělení náhodné veličiny základní charakteristiky Rozdělení diskrétní náhodné veličiny X je dáno následující tabulkou x 0 4 5 P(X = x) 005 05 05 0 a) Nakreslete graf distribuční

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

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

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

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

MO-ME-N-T MOderní MEtody s Novými Technologiemi

MO-ME-N-T MOderní MEtody s Novými Technologiemi Projekt: Reg.č.: Operační program: MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/34.0903 Vzdělávání pro konkurenceschopnost Škola: Hotelová škola, Vyšší odborná škola hotelnictví a turismu

Více

v z t sin ψ = Po úpravě dostaneme: sin ψ = v z v p v p v p 0 sin ϕ 1, 0 < v z sin ϕ < 1.

v z t sin ψ = Po úpravě dostaneme: sin ψ = v z v p v p v p 0 sin ϕ 1, 0 < v z sin ϕ < 1. Řešení S-I-4-1 Hledáme vlastně místo, kde se setkají. A to tak, aby nemusel pes na zajíce čekat nebo ho dohánět. X...místo setkání P...místo, kde vybíhá pes Z...místo, kde vybíhá zajíc ZX = v z t P X =

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

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

Funkce, funkční závislosti Lineární funkce

Funkce, funkční závislosti Lineární funkce Funkce, funkční závislosti Lineární funkce Obsah: Definice funkce Grafické znázornění funkce Konstantní funkce Lineární funkce Vlastnosti lineárních funkcí Lineární funkce - příklady Zdroje Z Návrat na

Více

Funkce. Definiční obor a obor hodnot

Funkce. Definiční obor a obor hodnot Funkce Definiční obor a obor hodnot Opakování definice funkce Funkce je předpis, který každému číslu z definičního oboru, který je podmnožinou množiny všech reálných čísel R, přiřazuje právě jedno reálné

Více

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce)

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce) Předmět: Ročník: Vytvořil: Datum: MATEMATIKA ČTVRTÝ Mgr. Tomáš MAŇÁK 5. srpna Název zpracovaného celku: LOKÁLNÍ EXTRÉMY LOKÁLNÍ EXTRÉMY (maimum a minimum funkce) Lokální etrémy jsou body, v nichž funkce

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

2.7.6 Rovnice vyšších řádů

2.7.6 Rovnice vyšších řádů 6 Rovnice vyšších řádů Předpoklady: 50, 05 Pedagogická poznámka: Pokud mám jenom trochu čas probírám látku této hodiny ve dvou vyučovacích hodinách V první probíráme separaci kořenů, v druhé pak snížení

Více

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat

Více

Pohyb tělesa (5. část)

Pohyb tělesa (5. část) Pohyb tělesa (5. část) A) Co už víme o pohybu tělesa?: Pohyb tělesa se definuje jako změna jeho polohy vzhledem k jinému tělesu. O pohybu tělesa má smysl hovořit jedině v souvislosti s polohou jiných těles.

Více

analytické geometrie v prostoru s počátkem 18. stol.

analytické geometrie v prostoru s počátkem 18. stol. 4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami

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

15. Goniometrické funkce

15. Goniometrické funkce @157 15. Goniometrické funkce Pravoúhlý trojúhelník Ze základní školy znáte funkce sin a cos jako poměr odvěsen pravoúhlého trojúhelníka ku přeponě. @160 Měření úhlů Velikost úhlů se měří buď mírou stupňovou

Více

Výroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0).

Výroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Výroková logika II Negace Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Na konkrétních příkladech si ukážeme, jak se dají výroky negovat. Obecně se výrok dá negovat tak, že před

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

SINOVÁ A KOSINOVÁ VĚTA VZORCE PRO OBSAH TROJÚHELNÍKU

SINOVÁ A KOSINOVÁ VĚTA VZORCE PRO OBSAH TROJÚHELNÍKU Projekt ŠLONY N GVM Gymnázium Velké Meziříčí registrační číslo projektu: Z.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol SINOVÁ KOSINOVÁ

Více

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn!

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn! MATEMATIKA vyšší úroveň obtížnosti MAGVD10C0T01 DIDAKTICKÝ TEST Didaktický test obsahuje 21 úloh. Časový limit pro řešení didaktického testu je uveden na záznamovém archu. Povolené pomůcky: psací a rýsovací

Více

Jednotky zrychlení odvodíme z výše uvedeného vztahu tak, že dosadíme za jednotlivé veličiny.

Jednotky zrychlení odvodíme z výše uvedeného vztahu tak, že dosadíme za jednotlivé veličiny. 1. Auto zrychlí rovnoměrně zrychleným pohybem z 0 km h -1 na 72 km h -1 za 10 sekund. 2. Auto zastaví z rychlosti 64,8 km h -1 rovnoměrně zrychleným (zpomaleným) pohybem za 9 sekund. V obou případech nakreslete

Více

Číselné soustavy a převody mezi nimi

Číselné soustavy a převody mezi nimi Číselné soustavy a převody mezi nimi Základní požadavek na počítač je schopnost zobrazovat a pamatovat si čísla a provádět operace s těmito čísly. Čísla mohou být zobrazena v různých číselných soustavách.

Více

Spolehlivost soustav

Spolehlivost soustav 1 Spolehlivost soustav Spolehlivost soustav 1.1 Koherentní systémy a strukturní funkce Budeme se zabývat modelováním spolehlivosti zřízení s ohledem na spolehlivost jeho komponent. Jedním z hlavních cílů

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

( ) 7.3.16 Další metrické úlohy II. Předpoklady: 7315. Př. 1: Najdi přímku rovnoběžnou s osou I a III kvadrantu vzdálenou od bodu A[ 1;2 ] 2 2.

( ) 7.3.16 Další metrické úlohy II. Předpoklady: 7315. Př. 1: Najdi přímku rovnoběžnou s osou I a III kvadrantu vzdálenou od bodu A[ 1;2 ] 2 2. 76 Další metriké úlohy II Předpoklady: 7 Př : Najdi přímku rovnoěžnou s osou I a III kvadrantu vzdálenou od odu A[ ; ] Osou I a III kvadrantu je přímka y = x přímky s ní rovnoěžné mají rovnii x y + = 0

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

[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

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

CZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT

CZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT Autor Mgr. Lenka Střelcová Tematický celek Posloupnosti Cílová skupina 3. ročník SŠ Anotace Materiál má podobu výkladového a pracovního listu s úlohami, pomocí nichž si žáci osvojí a procvičí využití geometrické

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

5 Minimální kostry, Hladový algoritmus

5 Minimální kostry, Hladový algoritmus 5 Minimální kostry, Hladový algoritmus Kromě teoretických hrátek mají kostry grafů (Oddíl 4.4) následující důležité praktické použití: Dříve jsme uvažovali spojení v grafech cestami jdoucími z jednoho

Více

Matematika stavebního spoření

Matematika stavebního spoření Matematika stavebního spoření Výpočet salda ve stacionárním stavu a SKLV Petr Kielar Stavební spořitelny se od klasických bank odlišují tím, že úvěry ze stavebního spoření poskytují zásadně z primárních

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

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

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

M - Goniometrie a trigonometrie

M - Goniometrie a trigonometrie M - Goniometrie a trigonometrie Určeno jako učební text pro studenty dálkového studia a jako shrnující učební text pro studenty denního studia. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven

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

Žák plní standard v průběhu primy a sekundy, učivo absolutní hodnota v kvartě.

Žák plní standard v průběhu primy a sekundy, učivo absolutní hodnota v kvartě. STANDARDY MATEMATIKA 2. stupeň ČÍSLO A PROMĚNNÁ 1. M-9-1-01 Žák provádí početní operace v oboru celých a racionálních čísel; užívá ve výpočtech druhou mocninu a odmocninu 1. žák provádí základní početní

Více

Digitální učební materiál. III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Příjemce podpory Gymnázium, Jevíčko, A. K.

Digitální učební materiál. III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Příjemce podpory Gymnázium, Jevíčko, A. K. Digitální učební materiál Číslo projektu CZ.1.07/1.5.00/34.0802 Název projektu Zkvalitnění výuky prostřednictvím ICT Číslo a název šablony klíčové aktivity III/2 Inovace a zkvalitnění výuky prostřednictvím

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

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1.

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1. Eponenciální rovnice Eponenciální rovnice jsou rovnice, ve kterých se neznámá vsktuje v eponentu. Řešíme je v závislosti na tpu rovnice několika základními metodami. A. Metoda převedení na stejný základ

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

MATEMATIKA vyšší úroveň obtížnosti

MATEMATIKA vyšší úroveň obtížnosti ILUSTRAČNÍ DIDAKTICKÝ TEST MATEMATIKA vyšší úroveň obtížnosti DIDAKTICKÝ TEST Didaktický test obsahuje 0 úloh. Časový limit pro řešení didaktického testu je uveden na záznamovém archu. Povolené pomůcky:

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