zpracování signálů - Fourierova transformace, FFT Frekvenční
|
|
- Ladislav Vaněk
- před 8 lety
- Počet zobrazení:
Transkript
1 Digitální zpracování signálů - Fourierova transformace, FF Frevenční analýza 3. přednáša Jean Baptiste Joseph Fourier ( ) Zálady experimentální mechaniy
2 Frevenční analýza Proč se frevenční analýza provádí: B C a(t) A(f) A B C D E A čas D E vibrace frevence Jednotlivé jevy jsou v časové oblasti promíchány Jednotlivé jevy jsou ve frevenční oblasti od sebe odděleny 2/32
3 Digitální zpracování signálů Fourierova transformace (pro spojitou funci): funce x(t), periodicá v čase, může být vyjádřena jao neonečná posloupnost: x(t) = a n= a n 2πnt cos + b n 2πnt sin de a n a b n mohou být vypočteny ze znalosti x(t) pomocí vztahů 2 2πnt an = x(t) cos dt 0 2 2πnt bn = x(t) sin dt 0 2π = ω 3/32
4 Digitální zpracování signálů x Fourierova transformace (pro disretizovanou funci): funce x(t) je disretizována a trvá onečný čas, je definována na množině N jednotlivých časových oamžiů t : N / 2 a = 2 n= 2πnt 0 ( x( t )) = + a cos + b sin ;, N Koeficienty a n a b n jsou Fourierovy neboli spetrální oeficienty funce x(t) a často jsou zobrazovány ve tvaru amplitudy a fáze: 2πnt n n = cn c n = a n b n φ = n n arctg an x N / 2 b ( x( t )) = c cos + ϕ ;, N = n n = n= N / 2 2πnt tedy: 4/32
5 Disrétní Fourierova transformace - DF Vstupní signál je A/D převodníem digitalizován a zaznamenán jao množina N disrétních hodnot s pravidelnými časovými rozestupy v intervalu. Předpoládá se, že vzore v čase je periodicý. Je vypočtena onečná Fourierovařada (transformace) jao odhad požadované Fourierovy transformace. Platí záladní vztah mezi délou vzoru, počtem disrétních hodnot N, vzorovací (digitalizační) frevencí fs a rozsahem a rozlišením frevenčního spetra (fmax, f): fs fmax = = 2 f f = S = N 2 N f s vzorovací frevence f max Nyquistova frevence f frevenční rozlišení rozsah zísaného spetra je <0;f max > 5/32
6 Disrétní Fourierova transformace - DF Záladní rovnice pro určení spetrálního složení: x x x M x 2 3 N = cos cos cos cos ( 2π / ) sin( 2π / ) ( 4π / ) sin( 4π / ) ( 6π / ) sin( 6π / ) M M K a K a K b K M ( 2Nπ / ) sin( 2Nπ / ) K M 0 { x } = [ C] { } a n K určení neznámých spetrálních (Fourierových) oeficientů obsažených v {a n } tedy použijeme: { } [ ] a = C { x } n Nejpoužívanějším algoritmem výpočtu spetrální analýzy je rychlá Fourierova transformace - FF. ato metoda vyžaduje, aby N bylo celočíselnou mocninou 2. 6/32
7 Specificé rysy DF Digitální Fourierova analýza má mnoho rysů, teré mohou vést chybným výsledům, poud nejsou správně ošetřeny. Jsou důsledem disretizace nutnosti omezit délu časového signálu Je třeba uvážit: aliasing chyby úniem vliv oen filtrování frevenční lupu průměrování 7/32
8 Aliasing ento jev plyne z disretizace původně spojitého časového signálu. Při malé vzorovací frevenci je přítomnost vysoých frevencí v původním signálu při tomto disretizačním procesu špatně interpretována. yto vysoé frevence se ve spetru objeví jao nízé frevence, nebo spíše budou od sutečných nízofrevenčních slože nerozpoznatelné. nízofrevenční signál vysoofrevenční signál Spetrum zísané pomocí DF je zreslené, i dyž výpočet je proveden přesně! 8/32
9 Použití anti-aliasingového aliasingového filtru Nejvyšší frevence, terá může být ve spetru obsažena, je ω s /2. Vyšší frevence jsou zrcadleny do nižších frevencí. sutečné spetrum signálu spetrum zísané z DF 9/32
10 Použití anti-aliasingového aliasingového filtru Anti-aliasingový filtr podrobí původní časový signál nízopásmovému filtru s ostrou sestupnou hranou. nefiltrovaný signál anti-aliasingový filtr filtrovaný signál Protože filtry mají onečný slon sestupné hrany, odstraňují se i spetrální měření ve frevenčním rozsahu blízém Nyquistově frevenci ω s /2. Proto při 2048 bodové transformaci není výsledem úplné 024 čárové spetrum, ale typicy se zobrazuje pouze prvních 800 čar. Anti-aliasingová opatření tvoří nedílnou součást analyzátoru! 0/32
11 Chyba úniem - leaage,, použití váhových oen Když signál není periodicý, energie "unine" do mnoha spetrálních čar blízých sutečné frevenci a spetrum je rozprostřeno přes něoli čar: a(t) periodicý signál b(t) neperiodicý signál čas čas obdélníové ono (žádné vážení) A(f) B(f) frevence frevence /32
12 Chyba úniem - leaage,, použití váhových oen periodicý signál neperiodicý signál a(t) b(t) čas čas Hanningovo ono 2πt cos A(f) B(f) frevence frevence 2/32
13 Chyba úniem - leaage Vztah mezi časovým omezením signálu a chybou úniem ve spetru: spojitý signál a(t) A(f) a(t) w(t) w(t) čas * W(f) čas = = A(f)*W(f) * = frevence frevence čas a(t) digitální signál - naměřená data DF A(f) frevence čas časové omezení úni f = frevence 3/32
14 Chyba úniem - leaage Minimalizace chyby úniem: Změnou dély trvání měřeného vzoru ta, aby vyhověla záladní periodicitě signálu, např. změnou doby měření úplné odstranění chyby, málody realizovatelné Zvětšení dély trvání doby měření, taže frevenční rozlišení je jemnější vliv chyby se zmenší Uzavření signálu do oen - "oenní transformace" 4/32
15 Průměrování Dosavadní poznámy DF se týaly deterministicých dat. Vibrační data jsou náhodné signály nestačí vypočíst Fourierovu transformaci - ta ani pro náhodný proces neexistuje potřebujeme odhady spetrálních hustot a orelačních funcí (tyto jsou vypočteny z Fourierovy transformace) je nutné provést proces průměrování, terý zahrne něoli jednotlivých časových záznamů počet požadovaných průměrů ovlivňuje:» požadovaná statisticá spolehlivost» míra šumu v signálu 5/32
16 ypy průměrování bez přerytí s přerytím lineární exponenciální s držením špičy doba zpracování 6/32
17 ypy průměrování 7/32
18 a a frevenční analýza ještě jednou jina K frevenčním složám budeme přistupovat jao rotujícím vetorům fázorům Na obrázu je vetor F = a + ib zobrazený v omplexní rovině F = a + ib = F e iϕ F ϕ Re a b -ϕ F* = a - ib = F e -iϕ a = F cos ϕ b = F sin ϕ 2 F = a + b b ϕ = arctg a F = F cosϕ + isin 2 ( ϕ) Im -ib ϕ e i = cosϕ + isinϕ F = F e iϕ i 2 b = -b F iϕ F2 = F e F2 e = F F2 e iϕ2 i ( ϕ +ϕ ) 2 8/32
19 Záladní předpolady Záladem frevenční analýzy je Fourierova transformace Předpoládá, že signál se sládá z ( ) mnoha (o)sinusových slože různých frevencí Každá složa má svou frevenci, amplitudu a počáteční fázi 9/32
20 Zobrazení typicé složy ( 2πft + φ) Jao součet dvou vetorů s amplitudou A/2 A cos rotujících v opačném smyslu i θ ( ) θ i e + e A A cosθ = de θ = 2πft + φ 2 20/32
21 Rozlad periodicé funce do Fourierovy řady g(t) je periodicá funce, tzn. g(t) = g(t+n) Může být vyjádřena jao součet sinusových slože (rotujících vetorů) na frevencích f, de f = / celé číslo včetně nuly a záporných čísel -tou složu dostaneme z integrálu: i2πf t ( ) g( t) e dt G f / 2 = de f = f,tj. -tá harmonicá f / 2 2/32
22 Rozlad periodicé funce do Fourierovy řady Re Re φ Im Im o znamená, že dyž signál g(t) obsahuje složu, terá rotuje s frevencí f, ta e i2 π f násobení jednotovým vetorem (terý rotuje s frevencí f ) anuluje rotaci této složy signálu a její integrací v čase dostaneme onečnou hodnotu. t Všechny složy na jiných frevencích stále rotují i po násobení e i2 π f t a proto jejich integrál za časovou periodu je nulový. 22/32
23 Rozlad periodicé funce do Fourierovy řady / 2 Pomocí integrálu i2πf t G( f ) g( t) e dt extrahujeme ze signálu g(t) = / 2 složy rotující na všech frevencích f. ím tay fázové úhly aždé z nich zamrznou v poloze, ve teré byly v i2πf t nulovém čase (dy e = ) Sutečnou polohu aždého vetoru v libovolném čase lze zísat násobením jeho počáteční hodnoty G(f ) opačně rotujícím jednotovým vetorem i 2 f t e π Celový signál g(t) bude vetorový součet všech těchto vetorů v jejich oamžitých polohách, tj.: g ( t) = G( f ) = e i2πf t 23/32
24 3D zobrazení spetra Řada omplexních hodnot G(f ) je nazývána spetrum slože signálu g(t) Protože aždá z nich má amplitudu a fázi (nebo reálnou a imaginární složu), je úplnému zobrazení třeba 3D omplexní spetrum 24/32
25 Vlastnosti spetra Signál g(t), terý je v čase periodicý, má disrétní spetrum, jehož složy mají frevence, teré jsou vždy celočíselnými násoby záladní frevence f. Vetor se záladní frevencí f se otočí o 360º jednou za periodu. Vetor se záladní frevencí f se otočí o 360º -rát za periodu. Po uplynutí periody se všechny vetory vrátí do své výchozí pozice. Funce g(t) je reálná funce, protože aždé složce s frevencí f odpovídá složa s frevencí f, terá má stejnou amplitudu, ale opačnou fázi (tedy stejnou reálnou složu a opačnou imaginární složu). Imaginární složy na všech frevencích se vyruší a výslede je vždy reálný. Spetrum reálné funce je sudá funce: G(f ) = G*(-f ) Stejnosměrná složa je vždy reálná fázový úhel je 0 nebo ± π 25/32
26 Výonové spetrum Oamžitý výon časového signálu g(t) je roven [g(t)] 2 a průměrný výon za jednu periodu je dán integrací oamžité hodnoty signálu v průběhu periody: P průměrný = { g( t) } Pro typicou složu A cos 2πf t + φ to vede na: 0 ( ) 2 dt A Pprůměrný = A cos ( 2 ft ) dt cos[ 2( 2 ft )] dt = π + φ = π + φ A 2 2 protože integrál sinové části frevence 2f za periodu je nulový. o je známý výslede pro střední hodnotu sinusovy s amplitudou A a vede na hodnotu A efetivní hodnota (RMS) = 2 26/32
27 Výonové spetrum Výon na aždé frevenci je dán přímo druhou mocninou amplitudy složy Fourierova spetra: Amplituda složy G(f ) je A /2, de A je amplituda -té sinusovy, taže její druhá mocnina je A 2 /4. Jeliož amplitudové spetrum je sudá funce, platí to podobně pro zápornou frevenci a celový výon na frevenci f bude dán součtem těchto slože, tedy A 2 /2, což je stejný výslede, jaý jsme dostali v časové oblasti. Celový výon může být zísán buď integrací časového signálu nebo sečtením druhých mocnin amplitud všech frevenčních slože (Parsevalův teorém). Protože ve výonovém spetru už není obsažena informace o fázi, není možné z něj zísat zpět původní časový signál. 27/32
28 Fourierova transformace Předešlé výsledy se týaly periodicých signálů. o je možné zobecnit na případ, dy V tomto případě se frevenční rozlišení / mezi harmonicými blíží nule a G(f) se stává spojitou funcí frevence. i2πft ( ) = g( t) e dt G f g i2πft ( t) = G( f ) e dt přímá Fourierova transformace zpětná Fourierova transformace transformační pár Funce je spojitá v časové i frevenční oblasti. 28/32
29 Vzorovaná časová funce Funce reprezentovaná časovými vzory v evidistantníchčasových rocích (disrétní v časové oblasti, spojitá ve frevenční oblasti) Je to opačný případ Fourierověřadě (spojitá v časové oblasti, disrétní ve frevenční oblasti). V důsledu symetrie Fourierova transformačního páru je spetrum periodicé s periodou rovnou vzorovací frevenci f s f s = / t ransformační pár pro funci reprezentovanou časovými vzory má tvar: n= ( ) = g( t ) G f g f n e i2πft i2πftn ( t ) G( f ) e dt n n s =, de t f n = n t n-tý časový vzore s f s / 2 / 2 29/32
30 Disrétní Fourierova transformace Funce je vzorovaná v časové i frevenční oblasti signál i spetrum jsou implicitně periodicé ransformační pár má tvar: N N n= 0 ( ) = g( n) G e 2πn i N přímá DF N = 0 ( ) = G( ) g n e 2πn i N zpětná DF 30/32
31 Zálady experimentální mechaniy 3. přednáša 3/32 Disrétní Disrétní Fourierova Fourierova transformace transformace Vztah pro přímou DF lze zjednodušeně napsat: G g n N G A = de g n vetor reprezentující N omplexních frevenčních slože vetor reprezentující N časových vzorů /N jednoduché měříto A čtvercová matice jednotových vetorů = g g g g g g g g 8 G G G G G G G G řady matice frevence = 0,, 2 7 sloupce matice časové oamžiy n = 0,, 2 7 N n 2 i e π
32 Evivalence otáčení v ladném a záporném smyslu pro disrétní funce Re -/8 otáčy Im +7/8 otáčy Fourier ova transformace 32/32
33 Děuji za pozornost!
1. Signá ly se souvislým časem
. igná ly se souvislým časem ELEKTRICKÉ IGNÁ LY Komuniace mezi lidmi - ať už přímá nebo zprostředovaná stroji - je založena na přenosu informace. Informace je produována zdrojem obvyle v neeletricé podobě,
VíceSysté my, procesy a signály I - sbírka příkladů
Systé my, procesy a signály I - sbíra příladů Ř EŠEÉPŘ ÍKLADY r 6 Urč ete amplitudu, opaovací periodu, opaovací mitoč et a počáteč ní fázi disrétních harmonicých signálů a) s( ) = cos π, b) s ( ) 6 = π
Více20 - Číslicové a diskrétní řízení
20 - Číslicové a disrétní řízení Michael Šebe Automaticé řízení 2018 18-4-18 Automaticé řízení - Kybernetia a robotia Analogové a číslicové řízení Proč číslicově? Snadno se přeprogramuje (srovnej s výměnou
VíceFunkce komplexní proměnné a integrální transformace
Funkce komplexní proměnné a integrální transformace Fourierovy řady I. Marek Lampart Text byl vytvořen v rámci realizace projektu Matematika pro inženýry 21. století (reg. č. CZ.1.07/2.2.00/07.0332), na
Více20 - Číslicové a diskrétní řízení
20 - Číslicové a disrétní řízení Michael Šebe Automaticé řízení 2013 22-4-14 Analogové a číslicové řízení Proč číslicově? Snadno se přeprogramuje (srovnej s výměnou rezistorů/apacitorů v analogové řídicím
VíceTransformátory. Mění napětí, frekvence zůstává
Transformátory Mění napětí, frevence zůstává Princip funce Maxwell-Faradayův záon o induovaném napětí e u i d dt N d dt Jednofázový transformátor Vstupní vinutí Magneticý obvod Φ h0 u u i0 N i 0 N u i0
VícePOUŽITÍ CEPSTER V DIAGNOSTICE STROJŮ
POUŽITÍ CEPSTER V DIAGNOSTICE STROJŮ Jiří TŮMA, VŠB Technicá univerzita Ostrava 1 Anotace: Referát se zabývá použitím cepster analýze signálů jao alternativy frevenční analýze. Jao je frevenční analýza
VíceMOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:
MOMENT SETRVAČNOST Obecná část Pomocí Newtonova pohybového záona síly můžeme odvodit pohybovou rovnici pro rotační pohyb: dω M = = ε, (1) d t de M je moment vnější síly působící na těleso, ω úhlová rychlost,
VíceMOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:
MOMENT SETRVAČNOST Obecná část Pomocí Newtonova pohybového záona síly můžeme odvodit pohybovou rovnici pro rotační pohyb: dω M = = ε, (1) d t de M je moment vnější síly působící na těleso, ω úhlová rychlost,
VíceHodnocení přesnosti výsledků z metody FMECA
Hodnocení přesnosti výsledů z metody FMECA Josef Chudoba 1. Úvod Metoda FMECA je semivantitativní metoda, pomocí teré se identifiují poruchy s významnými důsledy ovlivňující funci systému. Závažnost následů
VícePeriodicita v časové řadě, její popis a identifikace, exponenciální vyrovnáván
Periodicita v časové řadě, její popis a identifikace, exponenciální vyrovnávání Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Periodicita v časových
VíceSpektrum 1. Spektrum 2. Výsledné Spektrum. Jan Malinský
Jan Malinsý V omo doumenu bude odvozeno sperum vysenuého sinusového signálu pomocí onvoluce ve frevenční oblasi. V časové oblasi e možno eno vysenuý signál vyvoři násobením obdélníového ( V a sinusového
Více7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ
7. ZÁKADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ 7.. SPOJITÉ SYSTÉMY Téměř všechny fyzálně realzovatelné spojté lneární systémy (romě systémů s dopravním zpožděním lze vytvořt z prvů tří typů: proporconálních členů
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Náhodné veličiny Záladní definice Nechť je dán pravděpodobnostní prostor
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
Více7.3.9 Směrnicový tvar rovnice přímky
739 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme Vrátíme se obecné rovnici přímy: Obecná
VíceMĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU
Úloha č 5 MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU ÚKOL MĚŘENÍ: Určete moment setrvačnosti ruhové a obdélníové desy vzhledem jednotlivým osám z doby yvu Vypočtěte moment setrvačnosti ruhové a obdélníové
Vícedoc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1
doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací
VíceSIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)
Více23 - Diskrétní systémy
23 - Disrétní systémy Michael Šebe Automaticé řízení 218 29-4-18 Disrétní čas: z podstaty, z měření či z pohonu Otáčející se radar - měření polohy cíle jednou za otáču radaru motivace v počátcích historie
Více7.3.9 Směrnicový tvar rovnice přímky
7.3.9 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme. Vrátíme se obecné rovnici přímy:
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných
VíceMetoda konjugovaných gradientů
0 Metoda onjugovaných gradientů Ludě Kučera MFF UK 11. ledna 2017 V tomto textu je popsáno, ja metodou onjugovaných gradientů řešit soustavu lineárních rovnic Ax = b, de b je daný vetor a A je symetricá
Vícea) formulujte Weierstrassovo kritérium stejnoměrné konvergence b) pomocí tohoto kritéria ukažte, že funkční řada konverguje stejnoměrně na celé R
) ČÍSELNÉ A FUNKČNÍ ŘADY (5b) a) formulujte Leibnitzovo ritérium včetně absolutní onvergence b) apliujte toto ritérium na řadu a) formulujte podílové ritérium b) posuďte onvergenci řad c) oli členů této
VíceKomplexní analýza. Fourierovy řady. Martin Bohata. Katedra matematiky FEL ČVUT v Praze
Komplexní analýza Fourierovy řady Martin Bohata Katedra matematiky FEL ČVU v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Fourierovy řady 1 / 20 Úvod Často se setkáváme s periodickými
VíceDiskrétní Fourierova transformace
Disrétí Fourierova trasformace Záladí idea trasformace x Trasformace Zpracováí v časové oblasti Zpracováí v trasform. oblasti x Iverzí Trasformace Spojitá Fourierova trasformace f j πft x t e dt Disrétí
VíceModelování a simulace regulátorů a čidel
Modeloání a simulace regulátorů a čidel. Modeloání a simulace PI regulátoru Přenos PI regulátoru je yjádřen následujícím ztahem F( p) = ( + p ) p V Simulinu je tento blo obsažen nihoně prů. Bohužel použití
Více4. LOCK-IN ZESILOVAČE
4. LOCK-IN ZESILOVAČE Záladní princip Fázově cilivý deeor (PSD) s řízeným směrňovačem - vlasnosi Fázově cilivý deeor (PSD) s číslicovým zpracováním signál - vlasnosi Vysoofrevenční Loc-in zesilovač X38SMP
VíceDigitalizace převod AS DS (analogový diskrétní signál )
Digitalizace signálu v čase Digitalizace převod AS DS (analogový diskrétní signál ) v amplitudě Obvykle převod spojité předlohy (reality) f 1 (t/x,...), f 2 ()... připomenutí Digitalizace: 1. vzorkování
VíceAnalýza a zpracování signálů. 5. Z-transformace
nalýa a pracování signálů 5. Z-transformace Z-tranformace je mocný nástroj použitelný pro analýu lineárních discretetime systémů Oboustranná Z-transformace X j F j x, je omplexní číslo r e r e Oboustranná
Vícef (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.
8. Taylorova řada. V urzu matematiy jsme uázali, že je možné funci f, terá má v oolí bodu x derivace aproximovat polynomem, jehož derivace se shodují s derivacemi aproximované funce v bodě x. Poud má funce
Víceje amplituda indukovaného dipólového momentu s frekvencí ω
Induované oscilující eletricé dipóly jao zdroje rozptýleného záření Ja v lasicém, ta i v vantově-mechanicém přístupu jsou za původce rozptýleného záření považovány oscilující eletricé a magneticé multipólové
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceMULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE
OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 PŘEDNÁŠKA 5 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 Multiriteriální rozhodování
Víceβ 180 α úhel ve stupních β úhel v radiánech β = GONIOMETRIE = = 7π 6 5π 6 3 3π 2 π 11π 6 Velikost úhlu v obloukové a stupňové míře: Stupňová míra:
GONIOMETRIE Veliost úhlu v oblouové a stupňové míře: Stupňová míra: Jednota (stupeň) 60 600 jeden stupeň 60 minut 600 vteřin Př. 5,4 5 4 0,4 0,4 60 4 Oblouová míra: Jednota radián radián je veliost taového
VíceČíslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
VíceNávrh vysokofrekvenčních linkových transformátorů
inové transformátory inové transformátory Při požadavu na transformaci impedancí v široém frevenčním pásmu, dy nelze obsáhnout požadovanou oblast mitočtů ani široopásmovými obvody, je třeba použít široopásmových
VícePředpoklady: a, b spojité na intervalu I.
Diferenciální rovnice Obyčejná diferenciální rovnice řádu n: F t, x, x, x,, x n Řešení na intervalu I: funce x : I R taová, že pro aždé t I je F t, xt, x t,, x n t Maximální řešení: neexistuje řešení na
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace 22.z-3.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ druhá část tématu předmětu pokračuje. oblastí matematických pomůcek
Více22. Mechanické a elektromagnetické kmity
. Mechanicé a eletromagneticé mity. Mechanicé mity Mechanicé mitání je jev, při terém se periodicy mění fyziální veličiny popisující mitavý pohyb. Oscilátor těleso, teré je schopné mitat, (mitání způsobuje
VíceMATEMATIKA II V PŘÍKLADECH
VYSOKÁ ŠKOL BÁŇSKÁ TECHICKÁ UIVERZIT OSTRV FKULT STROJÍ MTEMTIK II V PŘÍKLDECH CVIČEÍ Č 0 Ing Petra Schreiberová, PhD Ostrava 0 Ing Petra Schreiberová, PhD Vysoá šola báňsá Technicá univerzita Ostrava
Více3. Mocninné a Taylorovy řady
3. Mocninné a Taylorovy řady A. Záladní pojmy. Obor onvergence Mocninné řady jsou nejjednodušším speciálním případem funčních řad. Jsou to funční řady, jejichž členy jsou mocninné funce. V této apitole
VíceLineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti
Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů
VíceObsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí
1 Obsah přednášy 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacing 5. Boosting 6. Shrnutí 2 Meta learning = Ensemble methods Cíl použít predici ombinaci více různých modelů Meta learning (meta
VíceFOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth
FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického
VíceÚVOD (2) kde M je vstupní číslo, f h je frekvence hodinového signálu a N je počet bitů akumulátoru.
Kmitočtový syntezátor s novým typem směšovače M. Štor Katedra apliované eletroniy a teleomuniací, Faulta eletrotechnicá, ZČU v Plzni, Univerzitní 6, 30614 Plzeň E-mail: stor@ae.zcu.cz Anotace: V článu
VíceAbsorpční vlastnosti plazmatu směsí SF 6 a PTFE
Absorpční vlastnosti plazmatu směsí SF 6 a PTFE N. Bogatyreva, M. Bartlová, V. Aubrecht Faulta eletrotechniy a omuniačních technologií, Vysoé učení technicé v Brně, Technicá 10, 616 00 Brno Abstrat Článe
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
Více7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno
7. TRANSFORMÁTORY Pro zjednodušení budeme měření provádět na jednofázovém transformátoru. Na trojfázovém transformátoru provedeme pouze ontrolu jeho zapojení měřením hodinových úhlů. 7.1 Štítové údaje
Vícedo jednotkového prostorového úhlu ve směru svírajícím úhel ϑ s osou dipólu je dán vztahem (1) a c je rychlost světla.
Induované oscilující eletricé dipóly jao zdroje rozptýleného záření Ja v lasicém, ta i v vantově-mechanicém přístupu jsou za původce rozptýleného záření považovány oscilující eletricé a magneticé multipólové
VíceVŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky
VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY Statistia Vzorce a tabuly Martina Litschmannová 3. března 05 Oficiální vzorce a tabuly KOMBINATORIKA Bez opaování Uspořádané
Více(iv) D - vybíráme 2 koule a ty mají různou barvu.
2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P
VíceFouriérova transformace, konvoluce, dekonvoluce, Fouriérovské integrály
co byste měli umět po dnešní lekci: používat funkce pro výpočet FFT (Fast Fourier Transformation) spočítat konvoluci/dekonvoluci pomocí FFT použít FFT při výpočtu určitých integrálů vědět co je nízko\vysoko
VíceMultimediální systémy
Multimediální systémy Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Získání obsahu Jan Outrata (Univerzita Palackého v Olomouci) Multimediální systémy Olomouc, září prosinec
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
Vícesin(x) x lim. pomocí mocninné řady pro funkci sin(x) se středem x 0 = 0. Víme, že ( ) k=0 e x2 dx.
Použití mocniných řad Nejprve si ukážeme dvě jednoduchá použití Taylorových řad. Příklad Spočtěte následující limitu: ( ) sin(x) lim. x x ( ) Najdeme lim sin(x) x x pomocí mocninné řady pro funkci sin(x)
Více1 Gaussova kvadratura
Cvičení - zadání a řešení úloh Zálady numericé matematiy - NMNM0 Verze z 7. prosince 08 Gaussova vadratura Fat, že pro něterá rovnoměrná rozložení uzlů dostáváme přesnost o stupeň vyšší napovídá, že pro
VíceŘešení. Označme po řadě F (z) Odtud plyne, že
Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme
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
VíceZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma
ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH SYSTÉMŮ UŽITÍM FFT Jiří Tůma Štramberk 1997 ii Anotace Cílem této knihy je systematicky popsat metody analýzy signálů z mechanických systémů a strojních zařízení. Obsahem
VíceSeparovatelné diferenciální rovnice
Matematika 2, příklady na procvičení (Josef Tkadlec, 8. 6. 2009) Separovatelné diferenciální rovnice. Řešte diferenciální rovnici s počáteční podmínkou x = e x t, x() = 0. 2. Řešte diferenciální rovnici
VíceVOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ
VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSOVÝCH SIGNÁLŮ Jiří TŮA, VŠB Technická univerzita Ostrava Petr Czyž, Halla Visteon Autopal Services, sro Nový Jičín 2 Anotace: Referát se zabývá
VíceÚvod do Kalmanova filtru
Kalmanův filtr = odhadovač stavu systému Úvod do Kalmanova filtru KF dává dohromady model systému a měření. Model systému použije tomu, aby odhadl, ja bude stav vypadat a poté stav porovná se sutečným
Více6 5 = 0, = 0, = 0, = 0, 0032
III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii
VíceZvuk. 1. základní kmitání. 2. šíření zvuku
Zvuk 1. základní kmitání - vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin - podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění elastického
VíceOsnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky
Pulsní kódová modulace, amplitudové, frekvenční a fázové kĺıčování Josef Dobeš 24. října 2006 Strana 1 z 16 Základy radiotechniky 1. Pulsní modulace Strana 2 z 16 Pulsní šířková modulace (PWM) PAM, PPM,
Více4. Přednáška: Kvazi-Newtonovské metody:
4 Přednáša: Kvazi-Newtonovsé metody: Metody s proměnnou metriou, modifiace Newtonovy metody Efetivní pro menší úlohy s hustou Hessovou maticí Newtonova metoda (opaování): f aproximujeme loálně vadraticou
VíceSignál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
Více31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014
3ZZS 9. PŘEDNÁŠKA 24. listopadu 24 SPEKTRÁLNÍ ANALÝZA Fourierovy řady Diskrétní Fourierovy řady Fourierova transformace Diskrétní Fourierova transformace Spektrální analýza Zobrazení signálu ve frekvenční
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
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
Více1 Diference a diferenční rovnice
1 Diference a diferenční rovnice Nechť je dána ekvidistantní síť uzlů x 0, x 1,..., x n tj. h R, h > 0 takové, že x i = x 0 + ih, i = 0, 1,..., n. Číslo h se nazývá krok. Někdy můžeme uvažovat i nekonečnou
VíceFYZIKA 3. ROČNÍK. Vlastní kmitání oscilátoru. Kmitavý pohyb. Kinematika kmitavého pohybu. y m
Vlastní itání oscilátoru Kitavý pohb Kitání periodicý děj zařízení oná opaovaně stejný pohb a periodic se vrací do určitého stavu. oscilátor zařízení, teré ůže volně itat (závaží na pružině, vadlo) it
Více7 Optická difrakce jako přenos lineárním systémem
113 7 Opticá difrace jao přenos lineárním systémem 7.1 Impulsová odezva pro Fresnelovu difraci 7. Přenosová funce pro Fresnelovu difraci jao Fourierova transformace impulsové odezvy 7.3 Fourierovsý rozlad
VíceMATEMATIKA 1 4 A B C D. didaktický test. Zadání neotvírejte, počkejte na pokyn! MA1ACZMZ07DT. Pokyny pro vyplňování záznamového archu
MAACZMZ07DT MATURITA NANEČISTO 007 MATEMATIKA didaticý test Testový sešit obsahuje 0 úloh. Na řešení úloh máte 90 minut. Úlohy řešte v testovém sešitu. Odpovědi pište do záznamového archu. Používejte rýsovací
Více2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2
Výpočet transformačních koeficinetů vybraných 2D transformací Jan Ježek červen 2008 Obsah Odvození transformačního klíče vybraných 2D transformací 2 Meto vyrovnání 2 2 Obecné vyjádření lineárních 2D transformací
VíceP7: Základy zpracování signálu
P7: Základy zpracování signálu Úvodem - Signál (lat. signum) bychom mohli definovat jako záměrný fyzikální jev, nesoucí informaci o nějaké události. - Signálem je rovněž funkce, která převádí nezávislou
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz, Kamenice 3, 4. patro, dv.č.424 INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz IV. FREKVENČNÍ TRASFORMACE SPOJITÉ
VíceF6180 Úvod do nelineární dynamiky. F6150 Pokročilé numerické metody FX003 Plánování a vyhodnocování experimentu. F7780 Nelineární vlny a solitony
Moderní metody modelování ve fyzice jaro 2015 přednáša: D. Hemzal cvičení: F. Münz F1400 Programování F5330 Záladní numericé metody F7270 Matematicé metody zpracování měření F6180 Úvod do nelineární dynamiy
VíceDiferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.
Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin
Vícei 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
VíceROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI
Vzorečky Co to je FT? Vzorečky Co to je FT? Transformace signálu z časové (resp. obrazové) reprezentace f(t) do frekvenční reprezentace F(ψ) a zpět. Díky ní můžeme signál analyzovat ve frekvenční oblasti
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VíceMKI 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
VíceINTEGRÁLY S PARAMETREM
INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity
VíceSPECIÁLNÍCH PRIMITIVNÍCH FUNKCÍ INTEGRACE RACIONÁLNÍCH FUNKCÍ
VÝPOČET PEIÁLNÍH PRIMITIVNÍH FUNKÍ Obecně nelze zadat algoritmus, který by vždy vedl k výpočtu primitivní funkce. Nicméně eistují jisté třídy funkcí, pro které eistuje algoritmus, který vždy vede k výpočtu
Více9. cvičení z Matematické analýzy 2
9. cvičení z Matematické analýzy 7. listopadu -. prosince 7 9. Určete Fourierovu řadu periodického rozšíření funkce ft = t na, a její součet. Definice: Necht f je -periodická funkce, která je integrabilní
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
VíceModelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015
Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 8. přednáška 11MSP pondělí 20. dubna 2015 verze: 2015-04-14 12:31
VíceLineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita
Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové
VíceKapitola 7: Integrál. 1/17
Kapitola 7: Integrál. 1/17 Neurčitý integrál - Motivační příklad 2/17 Příklad: Necht se bod pohybuje po přímce rychlostí a) v(t) = 3 [m/s] (rovnoměrný přímočarý pohyb), b) v(t) = 2t [m/s] (rovnoměrně zrychlený
Více7 Transformace 2D. 7.1 Transformace objektů obecně. Studijní cíl. Doba nutná k nastudování. Průvodce studiem
7 Transformace 2D Studijní cíl Tento blok je věnován základním principům transformací v rovinné grafice. V následujícím textu bude vysvětlen rozdíl v přístupu k transformacím u vektorového a rastrového
Více4 všechny koeficienty jsou záporné, nedochází k žádné změně. Rovnice tedy záporné reálné kořeny nemá.
Přílad 1. Řešte v R rovnici x 4x + x 4 0. Výslede vypočtěte s přesností alespoň 0,07. 1) Reálné ořeny rovnice budou ležet v intervalu ( 5,5), protože největší z oeficientů polynomu bez ohledu na znaméno
VíceReciprokou funkci znáte ze základní školy pod označením nepřímá úměra.
@091 7. Reciproá funce Reciproou funci znáte ze záladní šoly pod označením nepřímá úměra. Definice: Reciproá funce je dána předpisem ( 0 je reálné číslo) f : y R \ {0} A) Definiční obor funce: Je třeba
VíceZimní semestr akademického roku 2014/ prosince 2014
Cvičení k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikované matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičení Zimní semestr akademického roku 24/25 2. prosince 24 Předmluva iii
VíceMěření indukčností cívek
7..00 Ṫeorie eletromagneticého pole Měření indučností cíve.......... Petr Česá, studijní supina 05 Letní semestr 000/00 . Měření indučností cíve Měření vlastní a vzájemné indučnosti válcových cíve ZAÁNÍ
VícePRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.
PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí
Více