Robust 2014, ledna 2014, Jetřichovice

Rozměr: px
Začít zobrazení ze stránky:

Download "Robust 2014, 19. - 24. ledna 2014, Jetřichovice"

Transkript

1 K. Hron 1 C. Mert 2 P. Filzmoser 2 1 Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta, Univerzita Palackého, Olomouc 2 Department of Statistics and Probability Theory Vienna University of Technology, Austria Robust 2014, ledna 2014, Jetřichovice

2 Obsah Kompoziční data 1 Kompoziční data K. Hron

3 Definice Kompoziční data Data popisující koncentrace složek jsou kompoziční data: D-složková kompozice x = (x 1,..., x D ) t je prvkem simplexu jako výběrového prostoru (reprezentací) kompozičních dat, S D = {(x 1,..., x D ) t x i > 0, D x i = κ}, i=1 kde κ je vhodně zvolená konstanta, např. 1 nebo 100. Definice: Kompoziční data jsou reálné vektory x = (x 1,..., x D ) t s D kladnými složkami popisujícími kvantitativně relativní příspěvky částí na celku (Aitchison, 1986). Kompoziční data se řídí Aitchisonovou geometríı na simplexu (a nikoli standardní euklidovskou geometríı). K. Hron

4 Logratio souřadnice (transformace) ze simplexu do euklidovského reálného prostoru: alr (aditivní logratio) souřadnice: nejsou ortonormální, děĺıme j-tou složkou j {1,..., D}: ( ln x 1 x (j) =,..., ln x j 1, ln x j+1,..., ln x D x j x j x j x j clr (centrované logratio) souřadnice: singulární varianční matice, izometrie s Aitchisonovou geom.: y = ln x 1 D D i=1 x i,..., ln x D D D i=1 x i t ) t, y t 1 = 0 ilr (izometrické logratio) souřadnice: volbou ortonormální báze v clr-prostoru = komplexní interpretace (absence kanonické báze na simplexu) K. Hron

5 Cíle Kompoziční data Objekty: vysoce-dimenzionální kompoziční data Oblasti: chemometrie, proteomika, genomika, metabolomika Cíl: redukce dimenze maximalizace vysvětlené variability zjednodušení interpretace nových souřadnic (směrů) K. Hron

6 Problémy Kompoziční data Současné metody často selhávají při řešení následujících problémů: nové směry jsou obtížně interpretovatelné velká ztráta informace (vysvětlené variability) metody nejsou použitelné pro vysoce-dimenzionální kompoziční data K. Hron

7 NMR metabolomická spektra NMR metabolomická spektra vzorků moči od 18 myší každé spektrum má 189 spektrálních píků data jsou měřena v ppm (CoDa) detailní popis dat v Nyamundanda a kol. (2010) K. Hron

8 NMR metabolomická spectra Intensity Number of spectral bin Obrázek: Původní data (vzorky moči) se 189 spektrálními píky. K. Hron

9 Methods Kompoziční data Metoda hlavních komponent (PCA) redukce dat při maximalizaci vysvětlené variability nové směry jsou lineární kombinace všech proměnných: obtížná interpretovatelnost Bilance charakterizují rovnováhu mezi disjunktními skupinami kompozičních složek představují souřadnice vzhledem k ortonormální bázi na simplexu bez ohledu na maximalizaci vysvětlené variability bilance jsou konstruovány užitím postupného binárního dělení K. Hron

10 Bilance Kompoziční data Užití postupného binárního dělení pro vytvoření disjunktních skupin kompozičních složek (Egozcue a Pawlowsky-Glahn, 2005). Například pro D = 5 x 1 x 2 x 3 x 4 x Řádek 1: G 1 = {x 1, x 2 } a G 2 = {x 3, x 4, x 5 } Řádek 2: rozdělit G 1 na {x 1 } a {x 2 } atd. Znaménka v D 1 řádcích jsou použita ke kontrukci ilr báze V. K. Hron

11 Obecně, ortonormální báze na simplexu může být definována vektory (sloupce D (D 1) matice V ) v i = a +,..., a } {{ +, a },..., a, 0,..., 0 } {{ } } {{ } r složek s složek D r s složek pro i = 1,..., D 1, kde s a + = r(r + s) and a = r s(r + s) t r je počet kladných a s počet záporných prvků v tabulce postupného binárního dělení (Egozcue a Pawlowsky-Glahn, 2005). K. Hron

12 Hlavní bilance (PB) představují co nejlepší aproximaci hlavních komponent pokus splnit oba požadavky: maximalizace vysvětlené variability a jednoduchá interpretovatelnost obtížně použitelné pro vysoce-dimenzionální kompoziční data Algoritmy pro konstrukci hlavních bilancí: úhlové přibĺıžení k hlavním komponentám (AV) hierarchické shlukování složek (HC) hierarchické bilance s maximální vysvětlenou variabilitou (MV) podrobný popis viz Pawlowsky-Glahn a kol. (2011) K. Hron

13 (SPB) řídké hlavní bilance představující kompromis mezi maximalizací vysvětlené variability a počtem zahrnutých kompozičních složek obsahují informaci pouze o několika málo kompozičních složkách s nulovým příspěvkem (většiny) ostatních složek obdoba cílů řídké PCA užijeme algoritmus z Witten a kol. (2012) založený na řídkém singulárním rozkladu (SVD) K. Hron

14 Algoritmus pro konstrukci řídkých hlavních bilancí (SPB) aplikujeme řídkou PCA na clr-transformovanou datovou matici zvoĺıme k-komponent matice zátěží V má rozměry D k s mnoha nulami V = [v ij ] vyžaduje další modifikaci dosažení nepřekrývajícího se efektu nenulových prvků matice - garance ortogonality hlavních směrů - zjednodušení intepretace K. Hron

15 Algoritmus pro konstrukci řídkých hlavních bilancí (SPB) najdeme nejmenší j pro které v ij 0, a položíme všechny prvky v il, l > j rovny nule (v případě, že jsou nenulové) vl : d D nenulových prvků v každém sloupci modifikované matice V projektujeme vl na nadrovinou clr transformovaných dat užijeme modifikovanou matici ke konstrukci bilancí K. Hron

16 Algoritmus pro konstrukci řídkých hlavních bilancí (SPB) K. Hron

17 Porovnání časové náročnosti Time in seconds AV HC MV SPB Time in seconds HC SPB Number of parts Number of parts Obrázek: Porovnání doby potřebné k výpočtu první bilance pomocí algoritmů AV (úhlové přibĺıžení k hlavním komponentám), HC (hierarchické shlukování složek), MV (hierarchické bilance s maximální vysvětlenou variabilitou) a SPB (řídké hlavní bilance). K. Hron

18 Výsledky simulací Cumulative variance SPB/HC D=10 D=50 D=100 D=500 D=1000 D=2000 Obrázek: Kumulativní vysvětlená variabilita pro k = 2 komponent. Zobrazený je podíl mezi SPB a HC. K. Hron

19 Výsledky pro reálný příklad Tabulka: Kumulativní vysvětlená variabilita pro CoDa-PCA, hierarchické shlukování složek (HC) a řídké hlavní bilance (SPB) pro datových soubor močových vzorků. Kumulativní vysvětlená variabilita [%] metoda jedna komponenta dvě komponenty CoDa-PCA HC SPB K. Hron

20 Výsledky pro reálný příklad HC first balance Intensity Number of spectral bin HC second balance Intensity Number of spectral bin Obrázek: První dvě bilance z HC aplikované na reálná data (vzorky močí). Zobrazena jsou původní data (černá), a dále pozice kladných (zelené vertikály) a záporných (modré vertikály) znamének bilancí. K. Hron

21 Výsledky pro reálný příklad SPB first balance Intensity Number of spectral bin SPB second balance Intensity Number of spectral bin Obrázek: První dvě řídké hlavní bilance aplikované na reálná data (vzorky močí). Zobrazena jsou původní data (černá), a dále pozice kladných (zelené vertikály) a záporných (modré vertikály) znamének bilancí. K. Hron

22 Závěr Kompoziční data jsou aplikovatelné pro vysocedimenzionální kompoziční data s možností rychlého výpočtu Umožňují dosáhnout vysoké úrovně vysvětlené variability (více než hlavní bilance) Výsledky jsou jednoduše interpretovatelné K. Hron

23 Literatura Kompoziční data Aitchison, J., The Statistical Analysis of Compositional Data. Chapman & Hall, London. Egozcue, J., Pawlowsky-Glahn, V., Groups of parts and their balances in compositional data analysis. Mathematical Geology 37, Mert, C., Filzmoser, P., Hron, K., Sparse principal balances. Statistical Modelling, přijato k tisku. Nyamundanda, G., Brennan, L., Gormley, I., Probabilistic principal component analysis for metabolomic data. BMC Bioinformatics 11, Pawlowsky-Glahn, V., Egozcue, J., Tolosana-Delgado, R., Principal balances, in: Egozcue, J., Tolosana-Delgado, R., Ortego, M. (Eds.), Proceedings of the 4th International Workshop on Compositional Data Analysis, Girona, Spain. pp Witten, D., Tibshirani, R., Hastie, T., A penalized matrix decomposition, with applications to sparse principal components and canonical correlation analysis. Biostatistics 10, K. Hron

Statistick anal 0 5za kompozi 0 0n ͺch tabulek

Statistick anal 0 5za kompozi 0 0n ͺch tabulek Statistick anal 0 5za kompozi 0 0n ͺch tabulek Kamila Fa 0 0evicov, Karel Hron Katedra matematick anal 0 5zy a aplikac ͺ matematiky, Univerzita Palack ho v Olomouci Od kontingen 0 0n ͺch ke kompozi 0 0n

Více

Numerické metody a programování

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

Více

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

(n, m) (n, p) (p, m) (n, m)

(n, m) (n, p) (p, m) (n, m) 48 Vícerozměrná kalibrace Podobně jako jednorozměrná kalibrace i vícerozměrná kalibrace se používá především v analytické chemii Bude vysvětlena na příkladu spektroskopie: cílem je popis závislosti mezi

Více

e-mail: RadkaZahradnikova@seznam.cz 1. července 2010

e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení

Více

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování

Více

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0. Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační

Více

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

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

Více

BAKALÁŘSKÁ PRÁCE. Vývoj složení hrubého domácího produktu v České republice UNIVERZITA PALACKÉHO V OLOMOUCI

BAKALÁŘSKÁ PRÁCE. Vývoj složení hrubého domácího produktu v České republice UNIVERZITA PALACKÉHO V OLOMOUCI UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Vývoj složení hrubého domácího produktu v České republice Vedoucí bakalářské práce:

Více

Matematika B101MA1, B101MA2

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

Více

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

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

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

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

Více

Afinní transformace Stručnější verze

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

Více

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

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

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

Více

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY Bakalářský studijní program B1101 (studijní obory - Aplikovaná matematika, Matematické metody v ekonomice, Aplikovaná matematika pro řešení krizových situací)

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

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

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

Symetrické a kvadratické formy

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

Více

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

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

Více

Bayesovská klasifikace digitálních obrazů

Bayesovská klasifikace digitálních obrazů Výzkumný ústav geodetický, topografický a kartografický Bayesovská klasifikace digitálních obrazů Výzkumná zpráva č. 1168/2010 Lubomír Soukup prosinec 2010 1 Úvod V průběhu nedlouhého historického vývoje

Více

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

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

Více

Kapitola 11: Vektory a matice:

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

Více

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

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová. [1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.

Více

Fakulta chemicko technologická Katedra analytické chemie

Fakulta chemicko technologická Katedra analytické chemie Fakulta chemicko technologická Katedra analytické chemie Licenční studium statistické zpracování dat Analýza vícerozměrných dat Ing. Pavel Valášek Školní rok OBSAH ÚVOD DATA EDA EXPLORATORÍ AALÝZA 4 PCA

Více

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

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

Více

Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR

Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR Data Obce ČR 2011 (Veřejná databáze ČSÚ) SPSS IBM, ArcGIS Proměnné: intenzita migračního

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální

Více

8 Matice a determinanty

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

Více

Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy

Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy Zadání: Deponie nadložních jílových sedimentů SHP byla testována za účelem využití v cihlářské výrobě. Z deponie bylo odebráno

Více

Matematika I Lineární závislost a nezávislost

Matematika I Lineární závislost a nezávislost Matematika I Lineární závislost a nezávislost RNDr. Renata Klufová, Ph. D. Jihoèeská univerzita v Èeských Budìjovicích EF Katedra aplikované matematiky a informatiky Co u¾ známe? vektory - základní operace

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

PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD

PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD 1 PŘÍKLAD NA ROZKLAD VARIANCE SPOLEČENSTVA MĚKKÝŠŮ NA PRAMENIŠTÍCH druhové složení společenstev měkkýšů druhové složení slatiništní vegetace ph Ca cond Mg Na měřené proměnné

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

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

Více

stránkách přednášejícího.

stránkách přednášejícího. Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce

Více

Klasifikační metody pro genetická data: regularizace a robustnost

Klasifikační metody pro genetická data: regularizace a robustnost Odd medicínské informatiky a biostatistiky Ústav informatiky AV ČR, vvi Práce vznikla za finanční podpory Nadačního fondu Neuron na podporu vědy Klasifikační metody pro genetická data Regularizovaná klasifikační

Více

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů? Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti

Více

Čísla, reprezentace, zjednodušené výpočty

Čísla, reprezentace, zjednodušené výpočty Čísla, reprezentace, zjednodušené výpočty Přednáška 4 A3B38MMP kat. měření, ČVUT - FEL, Praha J. Fischer A3B38MMP, 2014, J.Fischer, ČVUT - FEL, kat. měření 1 Čísla 4 bitová dec bin. hex. 0 0000 0 1 0001

Více

TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY

TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY V PROSTŘEDÍ MATLAB K. Nováková, J. Kukal FJFI, ČVUT v Praze ÚPŘT, VŠCHT Praha Abstrakt Při rozpoznávání D binárních objektů z jejich diskrétní realizace se využívají

Více

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

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

Více

Parametrické programování

Parametrické programování Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou

Více

Využití RPS pro potlačování šumu v řečových signálech

Využití RPS pro potlačování šumu v řečových signálech Využití RPS pro potlačování šumu v řečových signálech Ing. Radek Zezula, Ph.D., Ing. Ivan Koula, Prof. Ing. Zdeněk Smékal, CSc. Ústav telekomunikací Vysoké učení technické v Brně Fakulta elektrotechniky

Více

Identifikace systémů

Identifikace systémů Identifikace systémů Přednáška 2 Osvald Modrlák, Lukáš Hubka 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,

Více

Zpracování a vyhodnocování analytických dat

Zpracování a vyhodnocování analytických dat Zpracování a vyhodnocování analytických dat naměřená data Zpracování a statistická analýza dat analytické výsledky Naměř ěřená data jedna hodnota 5,00 mg (bod 1D) navážka, odměřený objem řada dat 15,8;

Více

AVDAT Mnohorozměrné metody, metody klasifikace

AVDAT Mnohorozměrné metody, metody klasifikace AVDAT Mnohorozměrné metody, metody klasifikace Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Mnohorozměrné metody Regrese jedna náhodná veličina je vysvětlována pomocí jiných

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

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

Více

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s

Více

6. Lineární nezávislost a báze p. 1/18

6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze 6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze p. 2/18 Lineární nezávislost a báze 1. Závislé a nezávislé vektory 2. Lineární kombinace a závislost

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

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

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a

Více

Matematika pro geometrickou morfometrii (3)

Matematika pro geometrickou morfometrii (3) Ján Dupej (jdupej@cgg.mff.cuni.cz) Laboratoř 3D zobrazovacích a analytických metod Katedra antropologie a genetiky člověka Přírodovědecká fakulta UK v Praze Opakování Prokrustovská transformace (analýza,

Více

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

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

Více

METODY PRO REDUKCI DIMENZE V MNOHOROZMĚRNÉ STATISTICE

METODY PRO REDUKCI DIMENZE V MNOHOROZMĚRNÉ STATISTICE METODY PRO REDUKCI DIMENZE V MNOHOROZMĚRNÉ STATISTICE A JEJICH VÝPOČET Jan Kalina a, Jurjen Duintjer Tebbens a,b Adresa: a Ústav informatiky AV ČR, v.v.i., Pod Vodárenskou věží 2, 182 07 Praha 8. b Univerzita

Více

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

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

Více

Marta Vomlelová marta@ktiml.mff.cuni.cz

Marta Vomlelová marta@ktiml.mff.cuni.cz Strojové učení Úvod, lineární regrese Marta Vomlelová marta@ktiml.mff.cuni.cz References [1] P. Berka. Dobývání znalostí z databází. Academia, 2003. [2] T. Hastie, R. Tishirani, and J. Friedman. The Elements

Více

2. přednáška z předmětu GIS1 Data a datové modely

2. přednáška z předmětu GIS1 Data a datové modely 2. přednáška z předmětu GIS1 Data a datové modely Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI, autor Ing. K.

Více

MOORE-PENROSEOVA INVERZE MATICE A JEJÍ APLIKACE. 1. Úvod

MOORE-PENROSEOVA INVERZE MATICE A JEJÍ APLIKACE. 1. Úvod Kvaternion 1/2013, 7 14 7 MOORE-PENROSEOVA INVERZE MATICE A JEJÍ APLIKACE LADISLAV SKULA Abstrakt V článku je uvedena definice pseudoinverzní matice, ukázána její existence a jednoznačnost a zmíněny dvě

Více

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008 Aritmetické vektory Martina Šimůnková Katedra aplikované matematiky 16. března 2008 Martina Šimůnková (KAP) Aritmetické vektory 16. března 2008 1/ 34 Úvod 1Úvod Definice aritmetických vektorů a operací

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

Regulační diagramy CUSUM pro atributivní znaky. Eva Jarošová

Regulační diagramy CUSUM pro atributivní znaky. Eva Jarošová Regulační diagramy CUSUM pro atributivní znaky Eva Jarošová Obsah. Klasické diagramy pro atributivní znaky, omezení a nevýhody jejich aplikace 2. Přístup založený na transformaci sledované veličiny 3.

Více

i β i α ERP struktury s asynchronními motory

i β i α ERP struktury s asynchronními motory 1. Regulace otáček asynchronního motoru - vektorové řízení Oproti skalárnímu řízení zabezpečuje vektorové řízení vysokou přesnost a dynamiku veličin v ustálených i přechodných stavech. Jeho princip vychází

Více

Protonační rovnováhy léčiv faktorovou analýzou a nelineární regresí absorbanční responzní plochy

Protonační rovnováhy léčiv faktorovou analýzou a nelineární regresí absorbanční responzní plochy Protonační rovnováhy léčiv faktorovou analýzou a nelineární regresí absorbanční responzní plochy Ing. Sylva Bordovská, Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice, sylva.bordovska@seznam.cz

Více

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru 1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).

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

Matematika B101MA1, B101MA2

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

Více

PCA BIPLOT ŠKÁLOVÁNÍ OS (1)

PCA BIPLOT ŠKÁLOVÁNÍ OS (1) PCA BIPLOT ŠKÁLOVÁNÍ OS (1) 1 (sites) o zaměření na odlišnosti mezi lokalitami zachovány euklidovské vzdálenosti mezi vzorky úhly mezi šipkami neodpovídají kovariancím (korelacím) proměnných variance skóre

Více

Vyučující: Jan Chleboun, místnost B-305, linka 3866 Konzultace: čtvrtek 13:00-14:40 nebo dle dohody

Vyučující: Jan Chleboun, místnost B-305, linka 3866 Konzultace: čtvrtek 13:00-14:40 nebo dle dohody Předmět: MA04 Vyučující: Jan Chleboun, místnost B-305, linka 3866 (jan.chleboun@cvut.cz) Konzultace: čtvrtek 13:00-14:40 nebo dle dohody Sledovat informace na webových stránkách vyučujícího (o zkoušce,

Více

Singulární rozklad aplikace v image deblurring

Singulární rozklad aplikace v image deblurring Singulární rozklad aplikace v image deblurring M. Plešinger, Z. Strakoš TUL, Fakulta mechatroniky, Liberec AV ČR, Ústav informatiky, Praha 1 Úvod Uvažujme obecnou reálnou matici Pak existuje rozklad A

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

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly Matice Matice typu (m, n) je uspořádaná m-tice prvků z řádky matice.. Jednotlivé složky této m-tice nazýváme Matice se zapisují Speciální typy matic Nulová matice všechny prvky matice jsou nulové Jednotková

Více

Kapitola 11: Vektory a matice 1/19

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

Více

[1] samoopravné kódy: terminologie, princip

[1] samoopravné kódy: terminologie, princip [1] Úvod do kódování samoopravné kódy: terminologie, princip blokové lineární kódy Hammingův kód Samoopravné kódy, k čemu to je [2] Data jsou uložena (nebo posílána do linky) kodérem podle určitého pravidla

Více

Lineární algebra Operace s vektory a maticemi

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

Více

Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd

Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd Prof. RNDr. Milan Meloun, DrSc. (Univerzita Pardubice, Pardubice) 20.-24. června 2011 Tato prezentace je spolufinancována

Více

Cvičná bakalářská zkouška, 1. varianta

Cvičná bakalářská zkouška, 1. varianta jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava    luk76/la1 Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text

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

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti: Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost

Více

Téma 9: Vícenásobná regrese

Téma 9: Vícenásobná regrese Téma 9: Vícenásobná regrese 1) Vytvoření modelu V menu Statistika zvolíme nabídku Vícerozměrná regrese. Aktivujeme kartu Detailní nastavení viz obr.1. Nastavíme Proměnné tak, že v příslušném okně viz.

Více

Faculty of 1000 Biology award.

Faculty of 1000 Biology award. K A R E L H R O N PUBLICATIONS Hron, K. Inversion of 3x3 partitioned matrices in investigation of the twoepoch linear model with the nuisance parameters. Acta Univ. Palacki. Olomuc. Fac. rer. nat. Math.,

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

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

13 Barvy a úpravy rastrového

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

Více

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28. Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

GIS Geografické informační systémy

GIS Geografické informační systémy GIS Geografické informační systémy Obsah přednášky Prostorové vektorové modely Špagetový model Topologický model Převody geometrií Vektorový model Reprezentuje reálný svět po jednotlivých složkách popisu

Více

Přijímací zkouška - matematika

Přijímací zkouška - matematika Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,

Více

Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014

Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014 Harmonogram výuky předmětu Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014 Vedoucí cvičení: ing. Václav Klika, Ph.D. & MSc. Karolína Korvasová & & ing. Matěj Tušek, Ph.D. Katedra

Více

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné

Více

Modelování sesuvu svahu v Halenkovicích pomocí metody kriging

Modelování sesuvu svahu v Halenkovicích pomocí metody kriging Modelování sesuvu svahu v Halenkovicích pomocí metody kriging Robert Zůvala, Eva Fišerová Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci ROBUST

Více

5.1 Definice, zákonné měřící jednotky.

5.1 Definice, zákonné měřící jednotky. 5. Měření délek. 5.1 Definice, zákonné měřící jednotky. 5.2 Měření délek pásmem. 5.3 Optické měření délek. 5.3.1 Paralaktické měření délek. 5.3.2 Ryskový dálkoměr. 5.4 Elektrooptické měření délek. 5.4.1

Více

Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů

Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů Design and implementation of algorithms for adaptive control of stationary robots Marcel Vytečka 1, Karel Zídek 2 Abstrakt Článek

Více

Numerické metody lineární algebry

Numerické metody lineární algebry Numerické metody lineární algebry 1 Úvod 11 Úlohy lineární algebry 1 Řešení soustav lineárních rovnic A x = b Řešení soustavy s regulární čtvercovou maticí A řádu n n pro jednu nebo více pravých stran

Více

Systémové modelování. Ekonomicko matematické metody I. Lineární programování

Systémové modelování. Ekonomicko matematické metody I. Lineární programování Ekonomicko matematické metody I. Lineární programování Modelování Modelování je způsob zkoumání reality, při němž složitost, chování a další vlastnosti jednoho celku vyjadřujeme složitostí, chováním a

Více