KMA/MM. Lotka-Volterra Model Predátor Kořist
|
|
- Marta Holubová
- před 7 lety
- Počet zobrazení:
Transkript
1 KMA/MM Lotka-Volterra Model Predátor Kořist Kamila Matoušková V Plzni,
2 Obsah 1 Lotka-Voltera model Vznik modelu Formulace modelu Koeficienty modelu Stanovení koeficientů Řešení diferenciálních rovnic Analytické řešení Numerické řešení Porovnání získaných výsledků Populační graf Populační křivky Rovnovážný stav Simulink Změny parametrů modelu Parametr a Parametr b Parametr c Použití na reálných datech Zdroje Přílohy Matlab
3 1 Lotka-Voltera model Lotka-Volterra model, který bývá označován jako model predátor-kořist, je jedním z nejjednodušších modelů popisujících interakci dravec x kořist. Jedná se o model populační dynamiky popisující vývoj počtu dravců v závislosti na počtu jejich kořisti. Je jedním z prvních pokusů o matematické vysvětlení mechanismů zabezpečujících druhovou koexistenci. 2 Vznik modelu Model je pojmenován po svých autorech, kterými byli Alfred J. Lotka ( ) a Vito Volterra ( ). Tento model vytvořili nezávisle na sobě v letech 1925 a Vito Volterra byl známý italský matematik, který ukončil svou kariéru v čisté matematice na začátku 20tých let. Jeho zeť, Humberto D'Ancona, byl biologem a zabýval se studií populace ryb v Jaderském moři. V roce 1926 D'Ancona shromáždil údaje o počtu všech prodaných ryb na rybích trzích v Rijece, Terstu a Benátkách a o procentním zastoupení predátorů (žralok, rejnok, atd) z let 1914 až 1923 a došel k následujícím závěrům - Během první světové války, kdy byl rybolov drasticky omezen, došlo k prudkému nárůstu predátorů. Byla nastolena přirozená rovnováha mezi predátory a kořistí - Po ukončení války, kdy byl rybolov obnoven, byla tato rovnováha porušena a došlo k úbytku predátorů Protože neexistovalo žádné ekologické vysvětlení tohoto jevu, požádal D'Ancona Volterru, aby vytvořil matematický model, který bude tento jev popisovat. Volterra vymyslel několik modelů popisujících interakci dvou a více druhů. Model predátor kořist byl prvním a nejjednodušším modelem. Alfred J. Lotka byl americky matematik a biolog, který formuloval mnoho podobných modelů jako Volterra. Jev predátor-kořist zkoumal na vztahu býložravců a jejich potravy. 3 Formulace modelu Model má následující předpoklady: Predátoři jsou plně závislí na své kořisti ve smyslu jediného zdroje potravy. Kořist má neomezené množství své potravy a je ohrožována pouze predátory. Kdyby neexistovali predátoři, druhý předpoklad by znamenal, že počet kořisti by rostl exponenciálně, neboli když x = x(t) je velikost populace kořisti v čase t, potom 3
4 Pokud predátory do modelu zahneme, lze předpokládat, že omezí růst populace kořisti. Míru jako budou predátoři lovit svou kořist, je označen jako koeficient predace. Velikost populace predátorů v čase t označíme y = y(t). K sestavení modelu ne nutné doplnit nezbytné podmínky: Míra střetu predátorů a kořisti je úměrná počtu jedinců v obou populacích Pevný poměr těchto střetů vede ke smrti kořisti Tyto podmínky vedou k závěru, že negativní složka růstu populace kořisti je úměrná produktu xy velikosti populace Nyní se zaměříme na populaci predátorů. Kdyby nebyla žádná potrava, populace by vymírala úměrně s počtem svých členů: (Nezapomeňme, že přirozená rychlost růstu populace je složena z míry porodnosti a úmrtnosti). V případě nedostatku potravy, chybí prostředky na podporu porodnosti. Ale pokud potrava je, potom míra porodnosti predátorů je úměrná úmrtnosti kořisti a platí: Shrneme-li uvedené podmínky, získáme Lotka-Volterra Predátor-Kořist Model: Kde a, b, c, a p jsou kladné konstanty 4 Koeficienty modelu Model má dvě proměnné x a y a několik parametrů: x = hustota populace kořisti y = hustota populace predátorů a = faktor množení kořisti b = koeficient predace c = faktor úhynu predátorů p = reprodukční míra predátorů na jednu kořist 4
5 4.1 Stanovení koeficientů 1. Stanovení hodnoty faktoru množení kořisti vychází z předpokladu absence predátorů 2. Odhad úmrtnosti kořisti se stanoví pomocí hodnoty k, která se rovná skutečné míře úmrtnosti dělené časem pozorování. Hodnota koeficientu predace se rovná hodnotě k opět dělené časem pozorování. Například: Berušky zabijí 60 mšic ze 100 ve dvou dnech. Potom: k = -ln(1-60/100) = 0.92, potom b = 0.92/2 = Odhad parametrů p a c: Parametry p a c se stanoví pomocí lineární regrese. Na osu x se vynáší počet kořisti a na osu y odhad míry růstu populace predátorů živících se touto kořistí. Po proložení přímky těmito body je získán vztah r p = px c a stanoveny hodnoty koeficientů. 5 Řešení diferenciálních rovnic Existují dva možné postupy řešení: analytické a numerické. Nejprve je zmíněno analytické řešení, ale pouze ilustrativně, protože pro výpočty bylo použito řešení numerické. Výpočtu byly vytvořeny v MS office excel a v softwaru MATLAB, kde byl vytvořen i simulink. 5.1 Analytické řešení Nejprve několik úprav: Integrace: 5
6 I. II. III. Maximum I. II. III. Maximum Ze vztahu [1], potom a) neexistuje řešení b) existuje právě jedno řešení x=x 0, y=y 0 c) K = λ M 1 Tedy má právě dvě řešení x m a x M, nemá řešení pro x < x m,, x > x M, právě jedno řešení pro pro x=x m,, x=x M,a právě dvě řešení pro x v intervalu (x m,,x M ), řešení jsou periodická. Průměrná hodnota x a y za dobu cyklu. x a y jsou periodická řešení soustavy predátor kořist s periodou T > 0 Důkaz: 6
7 5.2 Numerické řešení Numerická řešení diferenciálních rovnic bývají jednodušší a více univerzální (někdy problémy s konvergencí). 1) EXCEL - V tomto případě bylo použito Eulerovi metody. Jedná se o jednokrokovou metodu, která je nejjednodušší, ale i nejméně přesná. Využívá první stupeň Taylorova rozvoje extrapolace přímkou) Uvažujme následující diferenciální rovnici: Nejprve musí být stanoveny počáteční podmínky. Přepokládejme, že v čase to je hodnota funkce rovna x(to). Pak můžeme odhadovat hodnotu x v pozdějším (předcházejícím) časovém okamžiku, použitím rovnice: Eulerova metoda je velmi jednoduchá, ale k dosažení určité přesnosti musíme volit velmi malé intervaly. Hlavní zdrojem chyby Eulerově metody je odhad derivace na začátku období. Řešení se během sledovaného období mohou velmi měnit a numericky vypočtená hodnota může být od skutečného řešení velice vzdálena. Eulerova metoda může být zpřesňována, pokud je derivace odhadována ve středu intervalu. Nejprve je třeba odhadnout hodnotu funkce ve středu intervalu pomocí Eulerovi metody a následně je možné odhadnou derivaci ve středu intervalu. Kde k je hodnota funkce v centru intervalu 1 funkce na konci intervalu.. Nakonec je možné odhadnout hodnotu Tento postup je také označen jako dvoukroková Runge-Kuttova metoda. Na základě vypočtených hodnot jsou vykresleny grafy - populační graf a populační křivka. 7
8 2) MATLAB diferenciální rovnice Lotka-Voterova modelu jsou v matlabu vypočítány pomocí funkce ODE23. Hodnoty parametrů lze měnit v souboru params.m. Počáteční podmínky, popisující počet kořisti a predátorů na začátku pozorovaného období se mění přímo v souboru lotka_volterra.m (vektor z 0 ). Výpočet je volán příkazem lotka_volterra. Součástí výpočtu je stanovaní rovnovážného bodu a vykreslení populačního grafu Zdrojový kód je k dispozici v příloze. 5.3 Porovnání získaných výsledků Jak již bylo zmíněno, výstupy z jednotlivých programů tvoří populační grafy. Tyto grafy popisují vývoj populací kořisti a predátorů v čase. Jedná se o periodicky opakující se cyklus. Jeho fáze jsou zaznamenány na následujícím obrázku (A): B A Druhý graf se nazývá populační křivka. Jak již bylo zmíněno počet dravců a kořisti s časem osciluje, což se projeví v uzavřenosti křivky. Fáze této křivky jsou zobrazeny v předcházejícím obrázku na kružnici (B). Za hodnoty parametrů byly zvoleny následující hodnoty a zaznamenány následující výsledky: a=1, b=0,03, c=0,4, p=0,01 a hodnoty x 0 =15, y 0 =15 8
9 5.4 Populační graf EXCEL 160 Populační graf Kořist Predátor MATLAB Kořist Predátor Obě metody dávají přibližně stejné výsledky, ale řešení získaná pomocí Matlabu jsou přesnější (jsou periodická). 9
10 5.5 Populační křivky EXCEL Populační křivka získaná z excelu se postupně ustaluje, ale nelze přesně určit její polohu a tvar Populační křivka MATLAB Matlab, který využívá funkce ode23 podává poměrně přesný výsledek. Pomocí matlabu lze vykreslit více populačních křivek najednou, přičemž různé křivky představují různé počáteční stavy počtu kořisti a dravců při zachování parametrů soustavy rovnic Na grafu jsou vykresleny populační křivky pro počáteční hodnoty populace kořisti a predátorů: [15;15], [25;25], [35;35], I v tomto případě lze jednoznačně konstatovat, že výsledky získané v Matlabu jsou přesnější. 10
11 5.6 Rovnovážný stav Výstupem Matlabu je i stanovení rovnovážného stavu, který má souřadnice Při zachování stávajících parametrů nastane rovnovážný bod v [40;100/3]. 5.7 Simulink Model byl vytvořen i pomocí simulinku. Parametry byly zachovány a za počáteční hodnoty bylo zvoleno [25,25], protože v tomto případě lze volit pouze jednu počáteční hodnotu. Výstupem je populační křivka: 11
12 Model vytvořený v simulinku má následující schéma: 5.8 Změny parametrů modelu Parametr a 12
13 Faktor množení kořisti je postupně zvyšován z hodnoty 1 na 1,2 a 1,4. Tyto změny mají za následek: Roste populace kořisti Současně s růstem populace kořisti roste i populace predátorů Zkracuje se perioda jednotlivých cyklů Parametr b Koeficient predace se postupně zvyšuje na hodnoty 0,03, 0,05 a 0,06, neboli zvyšuje se úmrtnost kořisti predátory. Tyto změny mají za následek: Je-li málo kořisti, predátoři téměř vymírají, následně jich je málo a tak dojde k přemnožení kořisti. Čím více kořisti mají predátoři potřebu ulovit, tím více se pak kořist přemnoží Prodlužuje se doba mezi jednotlivými cykly 13
14 5.8.3 Parametr c Faktor úhynu predátorů se postupně zvyšuje na hodnoty 0,4, 0,6 a 0,8. Tyto změny mají za následek: Dochází k růstu obou populací stejně jako v případě změny faktoru množení kořisti Prodlužuje se doba mezi jednotlivými cykly 14
15 Parametr p Reprodukční míra predátorů na jednu kořist se postupně zvyšuje na hodnoty 0,01, 0,03 a 0,05. Tyto změny mají za následek: Počet predátorů překročí počet kořisti Prodlužuje se interval mezi jednotlivými cykly 6 Použití na reálných datech Model predátor-kořist je nejčastěji spojován s vývojem populace rysů a sněžných zajíců v Kanadě. Na následujícím grafu je zobrazen vývoj počtu rusů a sněžných zajíců v letech
16 Z grafu lze vyčíst několik zajímavých jevů: Pravidelnost mezi růstem a poklesem populací Růst populace zajíců je následována růstem populace rysů, po každém extrému v populaci zajíců následuje tentýž extrém v populaci rysů. Po zjištění a dosažení potřebných parametrů by model Lotka Volterra mohl vztah zajíců a rysů velmi dobře popisovat. Chtěla jsem model Lotka-Volterra použít v podmínkách České republiky. Nejlépe by podmínky modelu mohl splňovat vztah lišky obecné a zajíce polního. Bohužel se mi nepodařilo najít potřebná data. Český statistický úřad eviduje a zveřejňuje počet zajíců až od roku 1995 a počet lišek od roku Získaná data nejsou periodická. Na základě nedostatku hodnot bohužel nelze model se skutečností porovnat. (počet zajíců zeleně, počet lišek červeně). 7 Zdroje
17 8 Přílohy 8.1 Matlab params.m % parameters for diff eq a=1; b=0.03; c=0.4; p=0.01; %param=[a b c p]; lotka_volterra.m % lotka_volterra.m % Matlab file for the Preditor-Prey Models clear; params; xmin=0; xmax=160; ymin=0; ymax=100; hold on; z0=[15,15]'; [t,z]=ode23('de_rhs',[0,10],z0); x=z(:,1); y=z(:,2); plot(x,y,'r'); z0=[20,20]'; [t,z]=ode23('de_rhs',[0,10],z0); x=z(:,1); y=z(:,2); plot(x,y,'g') z0=[25,25]'; [t,z]=ode23('de_rhs',[0,10],z0); x=z(:,1); y=z(:,2); plot(x,y,'b') z0=[30,30]'; [t,z]=ode23('de_rhs',[0,20],z0); x=z(:,1); y=z(:,2); plot(x,y,'m') figure; plot(x,'g') hold on plot(y,'r') xs = c/p ys = a/b 17
Numerické řešení obyčejných diferenciálních rovnic
Numerické řešení obyčejných diferenciálních rovnic Michal Menkina TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Tento materiál vznikl v rámci projektu ESF CZ.1.07/2.2.00/07.0247,
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálních rovnic Omezení: obyčejné (nikoli parciální) diferenciální rovnice, Cauchyho počáteční úloha, pouze jedna diferenciální rovnice 1. řádu 1/1 Numerické řešení diferenciálních
Více1/15. 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
VíceKapitola 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
VíceNumerická matematika. Zadání 25. Řešení diferenciální rovnice Rungovou Kuttovou metodou
Numerická matematika Zadání 25. Řešení diferenciální rovnice Rungovou Kuttovou metodou Václav Bubník, xbubni01, sk. 60 FIT VUT v Brně, 2004 Obsah Numerická matematika...1 1. Teorie... 3 1.1 Diferenciální
Vícečasovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.
Modelování dynamických systémů Matematické modelování dynamických systémů se využívá v různých oborech přírodních, technických, ekonomických a sociálních věd. Použití matematického modelu umožňuje popsat
VíceODR metody Runge-Kutta
ODR metody Runge-Kutta Teorie (velmi stručný výběr z přednášek) Úloha s počátečními podmínkami (Cauchyova) 1 řádu Hledáme aprox řešení Y(x) soustavy obyčejných diferenciálních rovnic 1 řádu kde Y(x) =
Více8.4. Shrnutí ke kapitolám 7 a 8
8.4. Shrnutí ke kapitolám 7 a 8 Shrnutí lekce Úvodní 7. kapitola přinesla informace o druzích řešení diferenciálních rovnic prvního řádu a stručné teoretické poznatky o podmínkách existence a jednoznačnosti
VíceQ(y) dy = P(x) dx + C.
Cíle Naše nejbližší cíle spočívají v odpovědích na základní otázky, které si klademe v souvislosti s diferenciálními rovnicemi: 1. Má rovnice řešení? 2. Kolik je řešení a jakého jsou typu? 3. Jak se tato
VíceZákladní vlastnosti křivek
křivka množina bodů v rovině nebo v prostoru lze chápat jako trajektorii pohybu v rovině či v prostoru nalezneme je také jako množiny bodů na ploše křivky jako řezy plochy rovinou, křivky jako průniky
VíceMATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze
Fakulta strojního inženýrství Univerzity J. E. Purkyně v Ústí nad Labem Pasteurova 7 Tel.: 475 285 511 400 96 Ústí nad Labem Fax: 475 285 566 Internet: www.ujep.cz E-mail: kontakt@ujep.cz MATEMATIKA III
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceÚvodní informace. 17. února 2018
Úvodní informace Funkce více proměnných Přednáška první 17. února 2018 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Limita a spojitost Derivace, diferencovatelnost, diferenciál Úvodní
VíceObyčejné diferenciální rovnice (ODE)
Obyčejné diferenciální rovnice (ODE) Obyčejné diferenciální rovnice N tého řádu převádíme na soustavy N diferenciálních rovnic prvního řádu. V rovnici f x, y, y ', y '',, y N =gx se substituují y '=z 1,
VíceUvod k pocatecnimu problemu pro obycejne diferencialni
Uvod k pocatecnimu problemu pro obycejne diferencialni rovnice Budeme resit ulohu mnozeni bakterii. Na zacatku mame jedinou bakterii a vime, ze za urcity cas se takova bakterii rozmnozi na 2. Zajima nas
VícePolynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení
Polynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení Polynom nad R = zobrazení f : R R f(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, kde a i R jsou pevně daná
Víceúloh pro ODR jednokrokové metody
Numerické metody pro řešení počátečních úloh pro ODR jednokrokové metody Formulace: Hledáme řešení y = y() rovnice () s počáteční podmínkou () y () = f(, y()) () y( ) = y. () Smysl: Analyticky lze spočítat
VíceObyčejné diferenciální rovnice počáteční úloha. KMA / NGM F. Ježek
Občejné diferenciální rovnice počáteční úloha KMA / NGM F. Ježek (JEZEK@KMA.ZCU.CZ) Základní pojm Tp rovnic a podmínek, řád rovnice Počáteční úloha pro občejné diferenciální rovnice Řád metod a počet kroků
VíceŘešení diferenciálních rovnic v MATLABu
Řešení diferenciálních rovnic v MATLABu Základy algoritmizace a programování Přednáška 23. listopadu 2011 Co řešíme Obyčejné diferenciální rovnice prvního řádu: separovatelné lineární exaktní druhého řádu,
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálníc rovnic Mirko Navara ttp://cmp.felk.cvut.cz/ navara/ Centrum strojovéo vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a ttp://mat.feld.cvut.cz/nemecek/nummet.tml
VíceExtrémy funkce dvou proměnných
Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže
VíceVěta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)
1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht
VíceModelov an ı syst em u a proces
Modelování systémů a procesů 13. března 2012 Obsah 1 Vnější popis systému 2 Vnitřní popis systému 3 Příklady na stavový popis dynamických systémů Obsah 1 Vnější popis systému 2 Vnitřní popis systému 3
VícePŘECHODOVÝ JEV V RC OBVODU
PŘEHODOVÝ JEV V OBVOD Pracovní úkoly:. Odvoďte vztah popisující časovou závislost elektrického napětí na kondenzátoru při vybíjení. 2. Měřením určete nabíjecí a vybíjecí křivku kondenzátoru. 3. rčete nabíjecí
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
Více9.7. Vybrané aplikace
Cíle V rámci témat zaměřených na lineární diferenciální rovnice a soustavy druhého řádu (kapitoly 9.1 až 9.6) jsme dosud neuváděli žádné aplikace. Je jim společně věnována tato závěrečné kapitola, v níž
VíceModelování a simulace Lukáš Otte
Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast
VíceMatematika pro kombinované studium BOZO. Konzultace pátá. RNDr. Libuše Samková, Ph.D. e-mail: lsamkova@ pf.jcu.cz
Učební texty ke konzultacím předmětu Matematika pro kombinované studium BOZO Konzultace pátá RNDr. Libuše Samková, Ph.D. e-mail: lsamkova@ pf.jcu.cz webová stránka: home.pf.jcu.cz/ lsamkova/ Obsah konzultace:
VíceAnalytická geometrie v prostoru
Analytická geometrie v prostoru Jméno autora: Ivana Dvořáková Období vytvoření: prosinec 2012 Ročník: 4. ročník střední odborné školy Tematická oblast: Matematické vzdělávání Předmět: Matematika 4. ročník
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
VíceDiferenciální počet funkcí více proměnných
Vysoké učení technické v Brně Fakulta strojního inženýrství Diferenciální počet funkcí více proměnných Doc RNDr Miroslav Doupovec, CSc Neřešené příklady Matematika II OBSAH Obsah I Diferenciální počet
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VíceVyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)
Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) 1 Obecný popis metody Particle Image Velocimetry, nebo-li zkráceně PIV, je měřící
VíceMatematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2
Matematika 2 13. přednáška Obyčejné diferenciální rovnice Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel
Více10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VíceMaple. Petr Kundrát. Ústav matematiky, FSI VUT v Brně. Maple a základní znalosti z oblasti obyčejných diferenciálních rovnic.
Obyčejné diferenciální rovnice s počítačovou podporou - Maple Petr Kundrát Ústav matematiky, FSI VUT v Brně Tento soubor vznikl za účelem ilustrace použití prostředí Maple k řešení a vizualizaci řešení
VíceMatematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
28. 2. 2017 Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
VíceRegresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel
Regresní analýza Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Regresní analýza 1 / 23
VíceAproximace a interpolace
Aproximace a interpolace Aproximace dat = náhrada nearitmetické veličiny (resp. složité funkce) pomocí aritmetických veličin. Nejčastěji jde o náhradu hodnot složité funkce g(x) nebo funkce zadané pouze
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceMatematická analýza III.
3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické
VíceDiferenciální rovnice II
Diferenciální rovnice II Cílem tohoto kurzu je ukázat si různé příklady použití počítačového algebraického systému Maple při řešení obyčejných diferenciálních rovnic. řádu a soustav obyčejných diferenciálních
VíceOtázky k ústní zkoušce, přehled témat A. Číselné řady
Otázky k ústní zkoušce, přehled témat 2003-2004 A Číselné řady Vysvětlete pojmy částečný součet řady, součet řady, řadonverguje, řada je konvergentní Formulujte nutnou podmínku konvergence řady a odvoďte
Vícei=1 Přímka a úsečka. Body, které leží na přímce procházející body a a b můžeme zapsat pomocí parametrické rovnice
I. Funkce dvou a více reálných proměnných 1. Úvod Značení: V textu budeme používat označení: N pro množinu všech přirozených čísel; R pro množinu všech reálných čísel; R n pro množinu všech uspořádaných
VíceLogaritmické a exponenciální funkce
Kapitola 4 Logaritmické a exponenciální funkce V této kapitole se budeme zabývat exponenciálními a logaritmickými funkcemi. Uvedeme si definice vlastnosti a vztah mezi nimi. 4.1 Exponenciální funkce Exponenciální
VíceCITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I
Informačné a automatizačné technológie v riadení kvality produkcie Vernár,.-4. 9. 005 CITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I KÜNZEL GUNNAR Abstrakt Příspěvek uvádí základní definice, fyzikální interpretaci
Víceverze 1.3 x j (a) g k 2. Platí-li vztahy v předchozím bodu a mají-li f, g 1,..., g s v a diferenciál K = f + j=1
1 Úvod Vázané extrémy funkcí více proměnných verze 1. Následující text popisuje hledání vázaných extrémů funkcí více proměnných. Měl by sloužit především studentům předmětu MATEMAT1 na Univerzitě Hradec
Vícewww.pedagogika.skolni.eu
2. Důležitost grafů v ekonomických modelech. Náležitosti grafů. Typy grafů. Formy závislosti zkoumaných ekonomických jevů a jejich grafické znázornění. Grafy prezentují údaje a zachytávají vztahy mezi
VíceExperimentální realizace Buquoyovy úlohy
Experimentální realizace Buquoyovy úlohy ČENĚK KODEJŠKA, JAN ŘÍHA Přírodovědecká fakulta Univerzity Palackého, Olomouc Abstrakt Tato práce se zabývá experimentální realizací Buquoyovy úlohy. Jedná se o
VíceKMS cvičení 9. Ondřej Marek
KMS cvičení 9 Ondřej Marek SYSTÉM S n DOF ŘEŠENÍ V MODÁLNÍCH SOUŘADNICÍCH Pohybové rovnice lineárního systému: U je modální matice, vlastní vektory u 1, u 2,..., u n jsou sloupce v matici U x - vektor
VíceVY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce
VY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce Anotace: Prezentace zavádí pojmy lin. funkce, její definiční obor a obor hodnot funkce. Dále vysvětluje typy funkcí
Více1 Funkce dvou a tří proměnných
1 Funkce dvou a tří proměnných 1.1 Pojem funkce více proměnných Definice Funkce dvou proměnných je předpis, který každému bodu z R 2 (tj. z roviny) přiřazuje jediné reálné číslo. z = f(x, y), D(f) R 2
VíceREGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB
62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceDiferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
Více2 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
Více4 Numerické derivování a integrace
Břetislav Fajmon, UMAT FEKT, VUT Brno Téma je podrobně zpracováno ve skriptech [1], kapitola 7, strany 85-94. Jedná se o úlohu výpočtu (první či druhé) derivace či o výpočet určitého integrálu jinými metodami,
VíceObsah Obyčejné diferenciální rovnice
Obsah 1 Obyčejné diferenciální rovnice 3 1.1 Základní pojmy............................................ 3 1.2 Obyčejné diferenciální rovnice 1. řádu................................ 5 1.3 Exaktní rovnice............................................
VíceNumerická matematika Písemky
Numerická matematika Písemky Bodování Každá písemka je bodována maximálně 20 body. Celkem student může získat za písemky až 40 bodů, pro udělení zápočtu musí získat minimálně 20 bodů. Písemka č. 1 Dva
VíceMATEMATIKA II - vybrané úlohy ze zkoušek (2015)
MATEMATIKA II - vybrané úlohy ze zkoušek (2015) doplněné o další úlohy 24. 2. 2015 Nalezené nesrovnalosti ve výsledcích nebo připomínky k tomuto souboru sdělte laskavě F. Mrázovi (e-mail: Frantisek.Mraz@fs.cvut.cz
VíceKatedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A
Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A středa 19. listopadu 2014, 11:20 13:20 ➊ (8 bodů) Rozhodněte o stejnoměrné konvergenci řady n 3 n ( ) 1 e xn2 x 2 +n 2 na množině A = 0, + ). ➋
VíceMichael Valášek Vedoucí práce: doc. Ing. Václav Bauma, CSc.
Michael Valášek Vedoucí práce: doc. Ing. Václav Bauma, CSc. Zadání bakalářské práce Mechanismus vztlakové klapky křídla 1. Proveďte rešerši možných konstrukčních řešení vztlakové klapky křídla 2. Seznamte
Vícey = 0, ,19716x.
Grafické ověřování a testování vybraných modelů 1 Grafické ověřování empirického rozdělení Při grafické analýze empirického rozdělení vycházíme z empirické distribuční funkce F n (x) příslušné k náhodnému
VíceSoustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty
Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava
VíceCvičné texty ke státní maturitě z matematiky
Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Úloha 1 1. a = s : 45 = 9.10180 45 = 9.101+179 45 = 9.10.10179
VíceČeské vysoké učení technické v Praze Fakulta biomedicínského inženýrství
České vysoké učení technické v Praze Fakulta biomedicínského inženýrství Úloha KA03/č. 5: Měření kinematiky a dynamiky pohybu osoby v prostoru pomocí ultrazvukového radaru Ing. Patrik Kutílek, Ph.., Ing.
VíceKapitola 10: Diferenciální rovnice 1/14
Kapitola 10: Diferenciální rovnice 1/14 Co je to diferenciální rovnice? Definice: Diferenciální rovnice je vztah mezi hledanou funkcí y(x), jejími derivacemi y (x), y (x), y (x),... a nezávisle proměnnou
VíceDiferenciální rovnice
Diferenciální rovnice Průvodce studiem Touto kapitolou se náplň základního kurzu bakalářské matematiky uzavírá. Je tomu tak mimo jiné proto, že jsou zde souhrnně využívány poznatky získané studiem předchozích
VíceElementární modely v matematické biologii
Elementární modely v matematické biologii Dalibor Pražák, MA MFF U Abstrakt Cílem tohoto textu je odvození některých jednoduchých ODR modelů s aplikacemi nejen v biologii. Všimneme si jak matematických
Více8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice
9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky
VíceFunkce dvou a více proměnných
Funkce dvou a více proměnných. Motivace V praxi nevstačíme s funkcemi jedné proměnné, většina veličin závisí více než na jedné okolnosti, např.: obsah obdélníka: S( ) kinetická energie: Ek = = x mv ekonomika:
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
Více1 Rozdělení mechaniky a její náplň
1 Rozdělení mechaniky a její náplň Mechanika je nauka o rovnováze a pohybu hmotných útvarů pohybujících se rychlostí podstatně menší, než je rychlost světla (v c). Vlastnosti skutečných hmotných útvarů
VíceUčební 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
VíceCvi ení 3. Cvi ení 3. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 28, 2017
Modelování systém a proces Mgr. Lucie Kárná, PhD karna@fd.cvut.cz March 28, 2017 1 Jednoduché modely 2 Modelování diferenciálních rovnic 3 Model ovce a vlci Jednoduché modely Jednoduchý p íklad Namodelujte
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
Vícemetody jsou proto často jedinou možností jak danou diferenciální rovnicivyřešit.
7. ODR počáteční úlohy Průvodce studiem Jen velmi málo diferenciálních rovnic, které se vyskytují při popisu praktických úloh, se dářešit exaktně, a i když dokážeme najít vzorce popisující analytickéřešení,
Více1 Modelování systémů 2. řádu
OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka
Více7. Funkce jedné reálné proměnné, základní pojmy
, základní pojmy POJEM FUNKCE JEDNÉ PROMĚNNÉ Reálná funkce f jedné reálné proměnné je funkce (zobrazení) f: X Y, kde X, Y R. Jde o zvláštní případ obecného pojmu funkce definovaného v přednášce. Poznámka:
VíceCvi ení 5 Simulink. Cvi ení 5 Simulink. Modelování systém a proces. Lucie Kárná. March 26, 2018
Cvi ení 5 Simulink Modelování systém a proces Lucie Kárná karna@fd.cvut.cz March 26, 2018 1 Jednoduché modely Archimédova spirála Logaritmická spirála Asteroida Cykloida 2 Modelování diferenciálních rovnic
VíceFunkce jedné reálné proměnné. lineární kvadratická racionální exponenciální logaritmická s absolutní hodnotou
Funkce jedné reálné proměnné lineární kvadratická racionální exponenciální logaritmická s absolutní hodnotou lineární y = ax + b Průsečíky s osami: Px [-b/a; 0] Py [0; b] grafem je přímka (získá se pomocí
Více5.3. Implicitní funkce a její derivace
Výklad Podívejme se na následující problém. Uvažujme množinu M bodů [x,y] R 2, které splňují rovnici F(x, y) = 0, M = {[x,y] D F F(x,y) = 0}, kde z = F(x,y) je nějaká funkce dvou proměnných. Je-li F(x,y)
VíceNumerické metody a programování. Lekce 7
Numerické metody a programování Lekce 7 Řešení nelineárních rovnic hledáme řešení x problému f x = 0 strategie: odhad řešení iterační proces postupného zpřesňování řešení výpočet skončen pokud je splněno
VíceProjekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: Lineární funkce, graf lineární funkce
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceCvičné texty ke státní maturitě z matematiky
Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Obsah Obsah NIŽŠÍ úroveň obtížnosti 4 MAGZD10C0K01 říjen 2010..........................
VíceMATURITNÍ 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
VíceWolfram Alpha. v podobě html stránky, samotný výsledek je často doplněn o další informace (např. graf, jiné možné zobrazení výsledku a
Wolfram Alpha jde o výpočetní prostředí z nejrůznějších oborů (matematika, fyzika, chemie, inženýrství... ) přístupné online: http://www.wolframalpha.com/ Jaké matematické výpočty Wolfram Alpha zvládá?
VícePožadavky ke zkoušce
Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 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
VíceÚvod do analytické mechaniky
Úvod do analytické mechaniky Vektorová mechanika, která je někdy nazývána jako Newtonova, vychází bezprostředně z principů, které jsou vyjádřeny vztahy mezi vektorovými veličinami. V tomto případě např.
Více1. Obyčejné diferenciální rovnice
& 8..8 8: Josef Hekrdla obyčejné diferenciální rovnice-separace proměnných. Obyčejné diferenciální rovnice Rovnice, ve které je neznámá funkcí a v rovnici se vyskytuje spolu se svými derivacemi, se nazývá
VíceA0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení)
A0B0LAA Lineární algebra a aplikace příklady na cvičení- řešení Martin Hadrava martin@hadrava.eu. ledna 0.týdenod9.9. Řešení soustav lineárních rovnic Gaussovou eliminační metodou diskuse počtu řešení..
VíceInterpolace pomocí splajnu
Interpolace pomocí splajnu Interpolace pomocí splajnu Připomenutí U interpolace požadujeme, aby graf aproximující funkce procházel všemi uzlovými body. Interpolační polynom aproximující funkce je polynom
VíceFunkce jedné proměnné
Funkce jedné proměnné Příklad - V následujících příkladech v případě a) pro funkce dané rovnicí zjistěte zda jsou rostoucí klesající nebo konstantní vypočítejte průsečíky grafu s osami souřadnic a graf
VíceDynamické systémy 4. Deterministický chaos. Ing. Jaroslav Jíra, CSc.
Dynamické systémy 4 Deterministický chaos Ing. Jaroslav Jíra, CSc. Jednorozměrné mapy Jednorozměrné mapy (též známé jako diferenční rovnice) jsou matematické systémy, které modelují vývoj proměnné v čase
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
Více