Miroslav Hanzelka, Václav Rozhoň června 2013

Rozměr: px
Začít zobrazení ze stránky:

Download "Miroslav Hanzelka, Václav Rozhoň června 2013"

Transkript

1 Matematický popis systémů interagujících částic Miroslav Hanzelka, Václav Rozhoň Gymnázium Česká Lípa, Žitavská 2969; Gymnázium J. V. Jirsíka, Fráni Šrámka 23, České Budějovice; června 2013 Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

2 ÚVOD Definujeme jednoduchý model pro pohyb chodců Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

3 ÚVOD Definujeme jednoduchý model pro pohyb chodců. Nalezneme průměrné hodnoty obsazenosti jednotlivých buněk Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

4 IPS Systémy interagujících částic Částice se pohybují pomocí přeskoků mezi buňkami mřížky L. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

5 IPS Systémy interagujících částic Částice se pohybují pomocí přeskoků mezi buňkami mřížky L. Pravděpodobnost přeskoku w(x y) = Pr[x y S (x) ]. L x S (x) Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

6 IPS Systémy interagujících částic Částice se pohybují pomocí přeskoků mezi buňkami mřížky L. Pravděpodobnost přeskoku w(x y) = Pr[x y S (x) ]. Stav systému η t = (η t (x)) x L. L x S (x) Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

7 IPS Systémy interagujících částic Částice se pohybují pomocí přeskoků mezi buňkami mřížky L. Pravděpodobnost přeskoku w(x y) = Pr[x y S (x) ]. Stav systému η t = (η t (x)) x L. η t (x) označuje počet částic v buňce x a čase t. L x S (x) Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

8 Markovovy procesy Definice Bud {η n, n N 0 } náhodný proces. Potom ho nazýváme markovským, pokud Pr[η n+1 = j η n = i; η n 1 = i n 1 ;... ; η 0 = i 0 ] = Pr[η n+1 = j η n = i]. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

9 Markovovy procesy Definice Bud {η n, n N 0 } náhodný proces. Potom ho nazýváme markovským, pokud Pr[η n+1 = j η n = i; η n 1 = i n 1 ;... ; η 0 = i 0 ] = Pr[η n+1 = j η n = i]. Definice Markovský proces je homogenní právě tehdy, když n N 0 : Pr[η n+1 = j η n = i] = Pr[η 1 = j η 0 = i] =: p ij. Matici P = (p ij ) nazýváme matice přechodu. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

10 Stacionární řešení a hustotní profil Definice Vektor π je stacionárním řešením markovského procesu právě tehdy, když π = P T π. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

11 Stacionární řešení a hustotní profil Definice Vektor π je stacionárním řešením markovského procesu právě tehdy, když π = P T π. Definice Hustotní profil definujeme jako vektor ρ, jehož složky jsou určeny vztahem ρ(i) = η(i)π(η). η X Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

12 Popis modelu 5 0 Pohyb částic se vyhodnocuje paralelně Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

13 Popis modelu 5 0 Pohyb částic se vyhodnocuje paralelně. Pokud je částice na pozici i a pozice i + 1 je volná, přeskočí do ní s pravděpodobností p i Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

14 Popis modelu 5 0 Pohyb částic se vyhodnocuje paralelně. Pokud je částice na pozici i a pozice i + 1 je volná, přeskočí do ní s pravděpodobností p i Pokud je pozice i + 1 obsazená a i + 2 volná, přeskočí do druhé jmenované s pravděpodobností αp i, kde α 0; Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

15 Popis modelu 5 0 Pohyb částic se vyhodnocuje paralelně. Pokud je částice na pozici i a pozice i + 1 je volná, přeskočí do ní s pravděpodobností p i Pokud je pozice i + 1 obsazená a i + 2 volná, přeskočí do druhé jmenované s pravděpodobností αp i, kde α 0; Pokud by měly dvě částice skočit na stejnou pozici, vybere se náhodně jedna z nich. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

16 Matice přechodu c a b c a b c a b c a b c5 0 0 b a c b a b0*q c0*q3 c0*p3 b0*p3 0 0 a0*q a0*p c0*p4 0 c0*q4 b0*q4 b0*p a0*p4 0 a0*q b1*q c1*q4 c1*p4 b1*p4 0 0 a1*q a1*p c1*p a1*p5 0 0 c1*q5 b1*q5 b1*p a1*q b2*q c2*q5 c2*p5 b2*p5 0 0 a2*q5 0 0 a2*p c2*p a2*p0 0 0 c2*q0 b2*q0 b2*p a2*q b3*q c3*q0 c3*p0 b3*p0 0 0 a3*q0 0 a3*p c3*p a3*p1 0 0 c3*q1 b3*q1 b3*p a3*q b4*q1 0 a4*q c4*q1 c4*p1 b4*p1 0 a4*p c4*p a4*p2 0 0 c4*q2 b4*q2 b4*p2 a4*q b5*q b5*p2 0 0 a5*q c5*q2 c5*p2 0 a5*p c5*p3 0 b5*q3 b5*p a5*p3 0 0 c5*q3 0 a5*q p0*q2*q4 p0*q2*p4 0 0 q0*p2*q4 p0*p2*q4 0 0 q0*q2*p4 q0*p2*p4 q0*q2*q4 p0*p2*p q1*q3*p5 q1*p3*p5 0 0 p1*q3*q5 p1*q3*p5 0 0 q1*p3*q5 p1*p3*q5 0 0 p1*p3*p5 q1*q3*q5 ( w( ) = a i = p i+1 1 αp i ) 2. w( ) = b i = αp i ( 1 p i+1 2 ). q i = 1 p i. c i = 1 a i b i. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

17 Zúžení závislost na agresivitě Graf: p i = 0, 5 pro i 0, 1, 2, 3, 4 a p 5 = 0, 05. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

18 Zúžení 2 Graf: p i = 0, 5 pro i 0, 1, 2, 3, 4 a proměnným p 5. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

19 Postupné zužování Graf: p i = 0, 6 0, 1i. Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

20 Děkujeme za pozornost Hanzelka, Rozhoň (GCL, GJVJ) Matematický popis systémů interagujících částic 20. června / 11

Simulace pohybu chodců pomocí celulárních modelů

Simulace pohybu chodců pomocí celulárních modelů Simulace pohybu chodců pomocí celulárních modelů Marek Bukáček výzkumná skupina GAMS při KM KIPL FJFI ČVUT v Praze 8. červen 2011 Obsah Úvod Celulární modely úprava Floor field modelu Proč modelovat Akademický

Více

Markovské metody pro modelování pravděpodobnosti

Markovské metody pro modelování pravděpodobnosti Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou

Více

Statistika pro informatiku (MI-SPI) Cvičení č. 6

Statistika pro informatiku (MI-SPI) Cvičení č. 6 Statistika pro informatiku (MI-SPI) Cvičení č. 6 Přednášející: Rudolf Blažek Cvičící: J. Hrabáková, K. Klouda, M. Kupsa, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké

Více

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak, Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace

Více

Optimalizace prodeje prošlého zboží

Optimalizace prodeje prošlého zboží Západočeská univerzita v Plzni Plán prezentace Seznámení se s problematikou a popis matematického modelu Analytické vyjádření zisku v jednotlivých případech, kromě posledního Stochastický model posledního

Více

Stochastické modely Informace k závěrečné zkoušce

Stochastické modely Informace k závěrečné zkoušce Stochastické modely Informace k závěrečné zkoušce Jan Zouhar Katedra ekonometrie, FIS VŠE v Praze, zouharj@vse.cz 10. února 2015 Průběh zkoušky. Zkouška je ústní s přípravou na potítku. Každý si vylosuje

Více

Markovské procesy. příklad: diabetický pacient, hladina inzulinu, léky, jídlo

Markovské procesy. příklad: diabetický pacient, hladina inzulinu, léky, jídlo Pravděpodobnostní usuzování v čase Markovské procesy příklad: diabetický pacient, hladina inzulinu, léky, jídlo předpokládáme, že se množina možných stavů S nemění v průběhu času předpokládáme diskrétní

Více

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Vojta Vonásek vonasek@labe.felk.cvut.cz České vysoké učení technické v Praze Fakulta elektrotechnická Katedra kybernetiky Markovovy

Více

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Lineární algebra : Metrická geometrie

Lineární algebra : Metrická geometrie Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních

Více

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední

Více

Stochastické procesy - pokračování

Stochastické procesy - pokračování Stochastické procesy - pokračování Úvodní pojmy: Stochastické procesy jsou to procesy (funkce) jejichž hodnoty jsou náhodné veličiny závislé na parametru t stav systému souhrn vlastností a charakteristik,

Více

Zápočtová písemka z Matematiky III (BA04) skupina A

Zápočtová písemka z Matematiky III (BA04) skupina A skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost

Více

Detekce kartografického zobrazení z množiny

Detekce kartografického zobrazení z množiny Detekce kartografického zobrazení z množiny bodů Tomáš Bayer Katedra aplikované geoinformatiky Albertov 6, Praha 2 bayertom@natur.cuni.cz Abstrakt. Detekce kartografického zobrazení z množiny bodů o známých

Více

10 Funkce více proměnných

10 Funkce více proměnných M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y

Více

Apriorní rozdělení. Jan Kracík.

Apriorní rozdělení. Jan Kracík. Apriorní rozdělení Jan Kracík jan.kracik@vsb.cz Apriorní rozdělení Apriorní rozdělení (spolu s modelem) reprezentuje informaci o neznámém parametru θ, která je dostupná předem, tj. bez informace z dat.

Více

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet.

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet. Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Dnešní program Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu

Více

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1] [1] Afinní transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím využití například v počítačové grafice Evropský sociální fond Praha & EU. Investujeme do

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

1. Parametrické vyjádření přímky Přímku v prostoru můžeme vyjádřit jen parametricky, protože obecná rovnice přímky v prostoru neexistuje.

1. Parametrické vyjádření přímky Přímku v prostoru můžeme vyjádřit jen parametricky, protože obecná rovnice přímky v prostoru neexistuje. 1/7 ANALYTICKÁ GEOMETRIE V PROSTORU Základní pojmy: Parametrické vyjádření přímky, roviny Obecná rovnice roviny Vzájemná poloha přímek a rovin Odchylka přímek a rovin Vzdálenosti www.karlin.mff.cuni.cz/katedry/kdm/diplomky/jan_koncel/

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

grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa

grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa grupa komutativní podgrupa těleso generovaná prvkem, cyklická, řád prvku Malá Fermatova věta konečné těleso charakteristika tělesa polynomy ireducibilní prvky, primitivní prvky definice: G, je grupa kde

Více

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Lineární algebra : Vlastní čísla, vektory a diagonalizace Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je

Více

Michal Zamboj. December 23, 2016

Michal Zamboj. December 23, 2016 Meziřádky mezi kuželosečkami - doplňkový materiál k přednášce Geometrie Michal Zamboj December 3, 06 Pozn. Najdete-li chybu, neváhejte mi napsat, může to ušetřit tápání Vašich kolegů. Pozn. v dokumentu

Více

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem) cvičení z PSI 0-4 prosince 06 Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem) Z realizací náhodných veličin X a Y s normálním rozdělením) jsme z výběrů daného rozsahu obdrželi

Více

Kapitola 5. O vyhledávači Google. JakfungujeGoogle?-obsah. JakfungujeGoogle? Počítá vlastní vektory matice webu Perronova-Frobeniova teorie

Kapitola 5. O vyhledávači Google. JakfungujeGoogle?-obsah. JakfungujeGoogle? Počítá vlastní vektory matice webu Perronova-Frobeniova teorie JakfungujeGoogle?-obsah Kapitola 5 JakfungujeGoogle? Počítá vlastní vektory matice webu Perronova-Frobeniova teorie 5-1 Jak funguje Google? 5-2 Jak porovnat důležitost stránek Příklad grafu webu důležitost

Více

{Q={1,2};S,T;u(s,t)} (3.3) Prorovnovážnéstrategie s,t vehřesnulovýmsoučtemmusíplatit:

{Q={1,2};S,T;u(s,t)} (3.3) Prorovnovážnéstrategie s,t vehřesnulovýmsoučtemmusíplatit: 3 ANTAGONISTICKÉ HRY 3. ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,

Více

PIKOMAT MFF UK 28. listopadu ledna 2017 nečitelný soubor 17. prosince 2016

PIKOMAT MFF UK 28. listopadu ledna 2017 nečitelný soubor 17. prosince 2016 PIKOMAT MFF UK 9 0 00 00 00 000 0 5 8 9 7 5 0 80 90 0 50 000 0 0 000 000 8967 5 000 000 50 00 5 5 5 S = π r 5 V = S 5 5 V = π r v : v = 50 d = 00 r = 50 v = r r = v V = π v v = π v v = V π V = π r 5 v

Více

Kapitola 12: Soustavy diferenciálních rovnic 1. řádu

Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Základní pojmy Definice: Rovnice tvaru = f(t, x, y) = g(t, x, y), t I nazýváme soustavou dvou diferenciálních rovnic 1. řádu. Řešením soustavy rozumíme

Více

Metoda řezu a projekce jako model kvazikrystalu. 14. května 2010

Metoda řezu a projekce jako model kvazikrystalu. 14. května 2010 Metoda řezu a projekce jako model kvazikrystalu Zuzana Masáková 14. května 2010 Vlastnosti požadované od Σ R d Delonovská vlastnost: r, R, 0 < r R < + : (i) B(x, r) Σ = {x} pro x Σ; (ii) B(x, R) Σ pro

Více

21. Úvod do teorie parciálních diferenciálních rovnic

21. Úvod do teorie parciálních diferenciálních rovnic 21. Úvod do teorie parciálních diferenciálních rovnic Aplikovaná matematika IV, NMAF074 M. Rokyta, KMA MFF UK LS 2014/15 21.1 Základní termíny Definice Vektor tvaru α = (α 1,...,α m ), kde α j N {0}, j

Více

Úvod do teorie her

Úvod do teorie her Úvod do teorie her 2. Garanční řešení, hry s nulovým součtem a smíšené strategie Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2017 ÚTIA AV ČR Program 1. Zavedeme řešení, které zabezpečuje minimální výplatu

Více

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení

Více

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B. Zkouška z předmětu KMA/PST. Anotace předmětu Náhodné jevy, pravděpodobnost, podmíněná pravděpodobnost. Nezávislé náhodné jevy. Náhodná veličina, distribuční funkce. Diskrétní a absolutně spojitá náhodná

Více

Statistika II. Jiří Neubauer

Statistika II. Jiří Neubauer Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou

Více

Odhad stavu matematického modelu křižovatek

Odhad stavu matematického modelu křižovatek Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita

Více

Matematika 1 Jiˇr ı Fiˇser 19. z aˇr ı 2016 Jiˇr ı Fiˇser (KMA, PˇrF UP Olomouc) KMA MAT1 19. z aˇr ı / 19

Matematika 1 Jiˇr ı Fiˇser 19. z aˇr ı 2016 Jiˇr ı Fiˇser (KMA, PˇrF UP Olomouc) KMA MAT1 19. z aˇr ı / 19 Matematika 1 Jiří Fišer 19. září 2016 Jiří Fišer (KMA, PřF UP Olomouc) KMA MAT1 19. září 2016 1 / 19 Zimní semestr KMA MAT1 1 Úprava algebraických výrazů. Číselné obory. 2 Kombinatorika, základy teorie

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

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2, Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se

Více

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus. (1 [B] Nechť A : R 6 R 6 je lineární zobrazební takové, že A 26 = I. Najděte lineární prostory V 1, V 2 a V 3 takové, že R 6 = V 1 V 2 V 3 dim V 1 = dim V 2 = dim V 3 AV 1 V 1, AV 2 V 2 a AV 3 V 3 (2 [B]

Více

Michal Zamboj. January 4, 2018

Michal Zamboj. January 4, 2018 Meziřádky mezi kuželosečkami - doplňkový materiál k přednášce Geometrie Michal Zamboj January 4, 018 Pozn. Najdete-li chybu, neváhejte mi napsat, může to ušetřit tápání Vašich kolegů. Pozn. v dokumentu

Více

Matematika 4 FSV UK, LS Miroslav Zelený

Matematika 4 FSV UK, LS Miroslav Zelený Matematika 4 FSV UK, LS 2017-18 Miroslav Zelený 13. Diferenční rovnice 14. Diferenciální rovnice se separovanými prom. 15. Lineární diferenciální rovnice prvního řádu 16. Lineární diferenciální rovnice

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Teorie náhodných matic aneb tak trochu jiná statistika

Teorie náhodných matic aneb tak trochu jiná statistika Teorie náhodných matic aneb tak trochu jiná statistika B. Vlková 1, M.Berg 2, B. Martínek 3, O. Švec 4, M. Neumann 5 Gymnázium Uničov 1, Gymnázium Václava Hraběte Hořovice 2, Mendelovo gymnázium Opava

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

Matematika II. dvouletý volitelný předmět

Matematika II. dvouletý volitelný předmět Název předmětu: Zařazení v učebním plánu: O7A, C3A, S5A, O8A, C4A, S6A dvouletý volitelný předmět Cíle předmětu Tento předmět je koncipován s cílem umožnit studentům dosáhnout lepší výsledky ve společné

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

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

Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)

Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci) 2. Diferenciál funkce, tečná rovina. Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci) df(a, h) = x (a)h + (a)h 2, h = (h, h

Více

zpravidla předpokládá, že hodnoty intenzity poruch a oprav jsou konstantní.

zpravidla předpokládá, že hodnoty intenzity poruch a oprav jsou konstantní. Pohotovost a vliv jednotlivých složek na číselné hodnoty pohotovosti Systém se může nacházet v mnoha různých stavech. V praxi se nejčastěji vyskytují případy, kdy systém (nebo prvek) je charakterizován

Více

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová 1 / 40 Vzpěr jednoduchého rámu, diferenciální operátory Lenka Dohnalová ČVUT, fakulta stavební, ZS 2015/2016 katedra stavební mechaniky a katedra matematiky, Odborné vedení: doc. Ing. Jan Zeman, Ph.D.,

Více

MATEMATICKÁ STATISTIKA - XP01MST

MATEMATICKÁ STATISTIKA - XP01MST MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného

Více

13. cvičení z PSI ledna 2017

13. cvičení z PSI ledna 2017 cvičení z PSI - 7 ledna 07 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Řešení:

Více

MATEMATICKÁ STATISTIKA

MATEMATICKÁ STATISTIKA MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat

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

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

Základy maticového počtu Matice, determinant, definitnost

Základy maticového počtu Matice, determinant, definitnost Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n

Více

Univerzita Karlova v Praze procesy II. Zuzana. funkce

Univerzita Karlova v Praze   procesy II. Zuzana. funkce Náhodné 1 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze email: praskova@karlin.mff.cuni.cz 11.-12.3. 2010 1 Outline Lemma 1: 1. Nechť µ, ν jsou konečné míry na borelovských

Více

5. cvičení z Matematiky 2

5. cvičení z Matematiky 2 5. cvičení z Matematiky 2 21.-25. března 2016 5.1 Nalezněte úhel, který v bodě 1, 0, 0 svírají grafy funkcí fx, y ln x 2 + y 2 a gx, y sinxy. Úhel, který svírají grafy funkcí je dán jako úhel mezi jednotlivými

Více

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory 5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi

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

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí

Více

Matematické přístupy k pojištění automobilů. Silvie Kafková. 3. 6. září 2013, Podlesí

Matematické přístupy k pojištění automobilů. Silvie Kafková. 3. 6. září 2013, Podlesí Matematické přístupy k pojištění automobilů Silvie Kafková 3. 6. září 2013, Podlesí Obsah 1 Motivace 2 Tvorba tarifních skupin a priori 3 Motivace Obsah 1 Motivace 2 Tvorba tarifních skupin a priori 3

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 15 Vlastní čísla a vlastní vektory V této a následujících kapitolách budeme zkoumat jeden z nejdůležitějších pojmů tohoto kurzu. Definice15.1 Buď A:V Vlineárnízobrazení,Vvektorovýprostornad tělesem

Více

SOUSTAVY LINEÁRNÍCH ROVNIC

SOUSTAVY LINEÁRNÍCH ROVNIC MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA SOUSTAVY LINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny

Více

nazvu obecnou PDR pro neznámou funkci

nazvu obecnou PDR pro neznámou funkci Denice. Bu n N a Ω R d otev ená, d 2. Vztah tvaru F (x, u(x), Du(x),..., D (n 1) u(x), D (n) u(x)) = 0 x Ω (1) nazvu obecnou PDR pro neznámou funkci u : Ω R d R Zde je daná funkce. F : Ω R R d R dn 1 R

Více

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic 1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11

Více

1 Determinanty a inverzní matice

1 Determinanty a inverzní matice Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého

Více

Stavební fakulta Katedra mechaniky. Jaroslav Kruis, Petr Štemberk

Stavební fakulta Katedra mechaniky. Jaroslav Kruis, Petr Štemberk České vysoké učení technické v Praze Stavební fakulta Katedra mechaniky Fuzzy množiny, fuzzy čísla a jejich aplikace v inženýrství Jaroslav Kruis, Petr Štemberk Obsah Nejistoty Teorie pravděpodobnosti

Více

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristik často potřebujeme všetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

Petr Chvosta. vlevo, bude pravděpodobnost toho, že se tyč na počátku intervalu τ B nachází nad vpravo

Petr Chvosta. vlevo, bude pravděpodobnost toho, že se tyč na počátku intervalu τ B nachází nad vpravo MOLEKULÁRNÍ MOTORY Petr Chvosta. Automobil v krupobití aneb brzděním k pohybu Uvažme automobil stojící na mírném svahu a bombardovaný rovnoměrně ze všech stran obrovskými kroupami. Svah stoupá směrem doprava

Více

Vzorce počítačové grafiky

Vzorce počítačové grafiky Vektorové operace součet vektorů rozdíl vektorů opačný vektor násobení vektoru skalárem úhel dvou vektorů velikost vektoru a vzdálenost dvojice bodů v rovině (v prostoru analogicky) u = B A= b a b a u

Více

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:

Více

SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy

SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy 1 Úvod V běžné technické praxi se velice často setkáváme s tzv. systémy hromadné obsluhy aniž

Více

Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a

Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy

Více

Stochastické modely: prezentace k přednášce

Stochastické modely: prezentace k přednášce Stochastické modely: prezentace k přednášce Jan Zouhar Katedra ekonometrie FIS VŠE v Praze 16. prosince 2014 Obsah 1 Úvod do náhodných procesů 2 MŘ s diskrétním časem a konečným počtem stavů Základní pojmy

Více

Simulace Obsluhy zákaznz. Zákazník požaduje obsluhu. Linka pracuje. Materiál. Linka je volná. Obslužný personál

Simulace Obsluhy zákaznz. Zákazník požaduje obsluhu. Linka pracuje. Materiál. Linka je volná. Obslužný personál Modelování Petriho sítěmis Grafický popis a analýza systémů, ve kterých se vyskytují synchronizační, komunikační a zdroje sdílející procesy. Popis paralelních jevů a konfliktních závislostí Jednoduchost

Více

Matematická analýza pro informatiky I.

Matematická analýza pro informatiky I. Matematická analýza pro informatiky I. 2. přednáška Jan Tomeček tomecek@inf.upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci 17. února 2010 Jan Tomeček, tomecek@inf.upol.cz

Více

NÁHODNÝ VEKTOR. 4. cvičení

NÁHODNÝ VEKTOR. 4. cvičení NÁHODNÝ VEKTOR 4. cvičení Náhodný vektor Náhodným vektorem rozumíme sloupcový vektor X=(X, X,, X n ) složený z náhodných veličin X, X,, X n, který je charakterizován sdruženým rozdělením pravděpodobnosti.

Více

Náhodné vektory a matice

Náhodné vektory a matice Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane

Více

NMAI059 Pravděpodobnost a statistika

NMAI059 Pravděpodobnost a statistika NMAI059 Pravděpodobnost a statistika podle přednášky Daniela Hlubinky (hlubinka@karlin.mff.cuni.cz) zapsal Pavel Obdržálek (pobdr@matfyz.cz) 205/20 poslední změna: 4. prosince 205 . přednáška. 0. 205 )

Více

Matematika 1 pro PEF PaE

Matematika 1 pro PEF PaE Tečny a tečné roviny 1 / 16 Matematika 1 pro PEF PaE 7. Tečny a tečné roviny Přemysl Jedlička Katedra matematiky, TF ČZU Tečny a tečné roviny Tečny a normály grafů funkcí jedné proměnné / 16 Tečny a normály

Více

1/15. Kapitola 12: Soustavy diferenciálních rovnic 1. řádu

1/15. Kapitola 12: Soustavy diferenciálních rovnic 1. řádu 1/15 Kapitola 12: Soustavy diferenciálních rovnic 1. řádu 2/15 Vsuvka: Vlastní čísla matic Definice: Bud A čtvercová matice a vektor h 0 splňující rovnici A h = λ h pro nějaké číslo λ R. Potom λ nazýváme

Více

Netradiční výklad tradičních témat

Netradiční výklad tradičních témat Netradiční výklad tradičních témat J. Musilová, P. Musilová: Matematika pro porozumění i praxi I. VUTIUM, Brno 2006 (291 s.), 2009 (349 s.). J. Musilová, P. Musilová: Matematika pro porozumění i praxi

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 4. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 27 Množiny Zavedení pojmu množina je velice

Více

ANTAGONISTICKE HRY 172

ANTAGONISTICKE HRY 172 5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí

Více

VIII. Primitivní funkce a Riemannův integrál

VIII. Primitivní funkce a Riemannův integrál VIII. Primitivní funkce Riemnnův integrál VIII.2. Riemnnův integrál opkování Vět. Nechť f je spojitá funkce n intervlu, b nechť c, b. Oznčíme-li F (x) = x (, b), pk F (x) = f(x) pro kždé x (, b). VIII.3.

Více

Fourierovské metody v teorii difrakce a ve strukturní analýze

Fourierovské metody v teorii difrakce a ve strukturní analýze Osnova přednášky na 31 kolokviu Krystalografické společnosti Výpočetní metody v rtg a neutronové strukturní analýze Nové Hrady, 16 20 6 2003 Fourierovské metody v teorii difrakce a ve strukturní analýze

Více

Rovnice přímky vypsané příklady. Parametrické vyjádření přímky

Rovnice přímky vypsané příklady. Parametrické vyjádření přímky Rovnice přímky vypsané příklady Zdroj: Vše kromě příkladu 3.4: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=parametrickevyjadre ni Příklady 3.5 a 3.7-1 a 3: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=obecnarovnice

Více

Lineární algebra : Lineární prostor

Lineární algebra : Lineární prostor Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární

Více

Lekce 9 Metoda Molekulární dynamiky III. Technologie

Lekce 9 Metoda Molekulární dynamiky III. Technologie Lekce 9 Metoda molekulární dynamiky III Technologie Osnova 1. Výpočet sil. Výpočet termodynamických parametrů 3. Ekvilibrizační a simulační část MD simulace Výpočet sil Pohybové rovnice ɺɺ W mk rk = FK,

Více

π i = π i (s 1,...,s N ) : i I S i R...výplatní funkcí i-tého hráče.

π i = π i (s 1,...,s N ) : i I S i R...výplatní funkcí i-tého hráče. Definice. Hra (přesněji: konečná hra N-hráčů v normálním tvaru) je definována: I = {1,...,N}...množinou hráčů a dále pro každé i I: konečnou množinou S i (čistých) strategií i-tého hráče π i = π i (s 1,...,s

Více

15. listopadu Matematický ústav UK Matematicko-fyzikální fakulta. Hermitovská interpolace

15. listopadu Matematický ústav UK Matematicko-fyzikální fakulta. Hermitovská interpolace Geometrické modelování Zbyněk Šír Matematický ústav UK Matematicko-fyzikální fakulta Hermitovská interpolace 15. listopadu 2017 Zbyněk Šír (MÚ UK) - Geometrické modelování 15. listopadu 2017 1 / 23 Hermiteovská

Více