Dynamika populací s oddělenými generacemi

Rozměr: px
Začít zobrazení ze stránky:

Download "Dynamika populací s oddělenými generacemi"

Transkript

1 Dynamia populací s oddělenými generacemi Tento text chce představit nejjednodušší disrétní deterministicé dynamicé modely populací. Deterministicé nebudeme uvažovat náhodné vlivy na populace působící nebo náhodné projevy populací, dynamicé zaměříme se na vývoj populace v čase, disrétní čas nebudeme považovat za plynoucí spojitě ale v rocích, modely přestože je podle Galileova výrou matematia jazyem, terým Bůh napsal nihu přírody, v oblasti živé přírody(zatím?) neumíme odhalit matematicy formulované záony, ale pouze jejich projevy pomocí matematiy popisujeme. 1 Malthusův model růstu populace Označme: x... veliostpopulacev-témčasovémobdobí, d... úmrtnost, tj. podíl uhynulých jedinců mezi všemi jedinci populace, b... porodnost, tj. podíl nově narozených jedinců mezi všemi jedinci populace. Veliost populace může být vyjádřena počtem jedinců, populační hustotou, tj. počtem jedinců vztaženým na jednotu plochy, celovou biomasou a podobně. Označení porodnosti symbolem b je motivovánoanglicýmtermínem birthrate,úmrtnostisymbolem dtermínem deathrate.oba oeficienty d, bjsounezápornéaoeficient djenavícmenšínež1(nemůžeuhynoutvícejedincůnež oli jich v populaci je). Veliost populace v následujícím, tj. + 1-ním období můžeme spočítat následujícím způsobem: x +1 = x + množstvínověnarozených množstvíuhynulých = Přioznačení r=1+b ddostanemerovnici = x + bx dx =(1+b d)x. x +1 = rx. (1) To je reurentní vztah, terý definuje geometricou posloupnost s vocientem r. Platí tedy x = x 0 r, de x 0 jepočátečníveliostpopulace.kvocient rsenazývárůstovýoeficient.protože d <1, platí r=1+b d >1+b 1=b 0, taže růstový oeficient je ladný. Víme, že za této podmíny geometricá posloupnost neomezeně rostepoud r >1,jestacionárnípoud r=1alesánulepoud0 < r <1.Dostávámetedy závěr: b > d,paveliostpopulaceroste, poud b=d,paseveliostpopulacevčasenemění, b < d,papopulacevymírá. Geometricý růst populace byl u reálných populací(baterie na Petriho misce, obyvatelstvo USA v 18. století,...) sutečně pozorován. Malthusův model(1) tedy realisticy popisuje vývoj populací, přinejmenším těch malých. Žádný sutečný růst ale nemůže být neomezený. To znamená, že v případě velých populací není model(1) adevátní. Je potřeba vytvořit model, terý zachovává dobrévlastnosti Malthusovamodelu(popisrůstunebovymíránímalýchpopulací)anemájeho vlastnostišpatné (možnýneomezenýrůst). 1

2 2 Modely růstu populace v omezeném prostředí(logisticé modely) Rovnici(1) můžeme přepsat na tvar x +1 x = r. Tím dostáváme nové vyjádření růstového oeficientu je to poměr veliostí populace ve dvou po sobě následujících obdobích nebo taé relativní přírůste(úbyte) populace za jedno období. Každá populace se vyvíjí v nějaém prostředí a zpětně toto prostředí ovlivňuje. Růstový oeficient by tedy měl záviset na prostředí, teré zase závisí na veliosti populace. Stručně řečeno, růstový oeficient je funcí veliosti populace, x +1 x = f(x ). V případě Malthusova modelu se jedná o onstantní funci. V realističtějších modelech by tato funce, terou opět nazveme růstový oeficient, měla být lesající čím větší je populace, tím více znečišťuje prostředí produty svého metabolismu a tím se zvětšuje úmrtnost; navíc, čím je populace větší, tím více spotřebuje zdrojů z prostředí, musí více energie vynaládat na shánění potravy a méně jí zbude na rozmnožování, tedy porodnost lesá. Tento jev poles růstového oeficientu se zvětšováním populace se nazývá vnitrodruhová onurence. Růstový oeficient by taé měl být pro malé populace větší než 1. V čistém prostředí nepošozeném vlastní přítomností a se zdroji nevyčerpávanými musí být populace schopna se rozmnožovat. Pro velé populace by naopa měl být menší než 1. V prostředí zdevastovaném vlastní přítomností populacevymírá.ztěchtojednoduchýchúvah(spolus technicýmpředpoladem,žefunce f jespojitá)jižplyne,žeexistujenějaá optimální veliostpopulace,pronižjerůstovýoeficient roven 1. V taovém případě se veliost populace v čase nemění, je v dynamicé rovnováze s prostředím. Veliost populace, terá je dynamicy stálá, se nazývá(nosná) apacita nebo úživnost prostředí, označuje se K. Sutečnost, že malé populace se vyvíjejí podle Malthusova modelu (1)vyjádřímeta,že f(0)=r.vtomtopřípaděseparametr rnazývávnitřníoeficientrůstu. Vyjadřuje maximální fyziologicy možný relativní přírůste veliosti populace za jedno období. Požadavyladenénafunci fstručnězapíšeme:spojitáfunce f:[0, ) Rjelesajícía platí f(0)=r>1, f(k)=1pronějaé K >0.Nejjednoduššífuncí,terátytopředpolady splňuje, je funce lineární, f(x )=r r 1 K x. Při této volbě růstového oeficientu dostaneme model vývoje populace ve tvaru ( x +1 = x r r 1 ) K x. (2) Poudpočátečníveliost x 0 populacejemenšínežapacitaprostředí K,můžeseveliostpopulace vyvíjet různými způsoby. Vývoj onrétní populace závisí na veliosti vnitřního oeficientu růstu: 1 <r<2... veliostpopulacemonotonněrostehodnotě K, 2 <r<3... veliostpopulacesehodnotě Kpřibližujestlumenýmioscilacemi, 3 <r< veliostpopulaceolísáolemhodnoty Kpravidelně r> veliost populace může olísat olem hodnoty K nepravidelně, chaoticy. Přílady jsou uvedeny na následujících obrázcích 1 až 4. Všechny tyto teoreticy možné způsoby chování populace se v přírodě sutečně vysytují. Organismy s malým oeficientem růstu(napřílad velcí savci) bývají nazýváni K-stratégové. Vyznačují se tím, že plně využívají apacitu prostředí, ale špatně se vyrovnávají s jeho změnami. Organismy s velým vnitřním oeficientem růstu(napřílad drobní hlodavci) se nazývají r-stratégové. Ti sice nevyužívají bezezbytu apacitu prostředí, ale velou reproduční ativitou se brání vyhynutí při jeho změnách. 2

3 x x Obr.1. r=1.5 Obr.2. r=2.8 x x Obr.3. r=3.5 Obr.4. r=4 Model(2) je tedy realističtější než model Malthusův(1). Jeden závažný nežádoucí rys ale má. Poud je počáteční veliost populace příliš velá, onrétně větší než Kr/(r 1), bude její veliost v následujícím období podle modelu záporná. To samozřejmě není fyzicy možné. Tento jev je způsoben tím, že funce f je pro velé hodnoty nezávisle proměnné záporná. Model tedy dále přiblížíme realitě přidáním dalšího požadavu na funci f: funce má být na celémsvémdefiničnímoboruladná, f(x) >0pro x 0.Funcí,terásplňujevšechnyuvedené požadavy je napřílad lomená funce(nepřímá úměrnost) S jejím použitím dostaneme model f(x )= x +1 = x K+(r 1)x. K+(r 1)x. (3) Poudjepočátečníveliost x 0 populacemenšínežapacitaprostředí K,populacemonotonně narostedoveliosti K;poudje x 0 menšínež K,populacemonotonněnaveliost K lesne. Model(3) se tedy hodí pouze pro popis vývoje populací K-stratégů. Odstranili jsme nedostate modelu(2)(možnost záporné veliosti populace), ale ztratili jsme jeho přednost(flexibilitu pro modelování různých typů populací). Jiná funce splňující všechny požadavy ladené na růstový oeficient je funce exponenciální s jejímž použitím dostaneme model f(x )=r 1 x /K, x +1 = x r 1 x /K. (4) Podle tohoto modelu se populace může chovat všemi způsoby uvedenými u modelu(2) a nemůže dojít záporným veliostem populace. Cenou za toto přiblížení modelu realitě je větší výpočetní náročnost. Všechny uvažované závislosti růstového oeficientu na veliosti populace jsou znázorněny na obr. 5. 3

4 x +1 x r 1 r r r 1 K x K+(r 1)x r 1 x /K K x Obr. 5. Závislosti růstového oeficientu na veliosti populace 3 Modely vývoje interagujících populací (Lotovy-Volterrovy modely) Model(4) lze vzít za zálad při dalším modelování populací. Nejdříve ho přepíšeme na tvar {( x +1 = x exp 1 x ) } lnr, K nebopřioznačení α=lnr, β=(ln r)/k, x +1 = x e α βx. Parametr α charaterizuje samotnou populaci(vnitřní oeficient růstu), parametr β charaterizuje vztah populace a prostředí. Současně parametr β vyjadřuje, ja se zmenší růstový oeficient, dyž se zvětší veliost populace. Z tohoto pozorování lze vyjít při vytváření modelů populací, teré se vzájemněovlivňují.označíme y veliostdruhépopulacev-témčasovémobdobíavývojveliostí dvou populací můžeme modelovat následujícími rovnicemi: x +1 = x e α1 β1x γ 1y, (5) y +1 = y e α2 β2y γ 2x. (6) Parametry α 1, α 2 lzenazvatvnitřníparametryrůstu,parametry β 1, β 2 lzenazvatparametry vnitrodruhovéonurenceaparametry γ 1, γ 2 lzenazvatparametrymezidruhovéinterace.podle jejichznaménalasifiujemetypinterace(připostupu odmodelurealitě )neboznaména parametrů γ 1, γ 2 volímepodletypuinterace(připostupu odrealitymodelu ): γ 1 >0, γ 2 >0 druhápopulaceomezujerůstprvníaprvnípopulaceomezujerůstdruhé. Tento vztah populací se nazývá onurence nebo ompetice. γ 1 <0, γ 2 <0 druhápopulacestimulujerůstprvníaprvnípopulacestimulujerůstdruhé. Tento vztah se nazývá mutualismus nebo symbióza. γ 1 >0, γ 2 <0 druhápopulaceomezujerůstprvníaprvnípopulacestimulujerůstdruhé. Tento vztah se nazývá predace nebo parazitismus; první populace je ořistí, hostitelem, rostlinou a podobně, druhá je dravcem, parazitem, býložravcem a podobně. γ 1 =0, γ 2 >0 druhápopulaceneovlivňujeprvní,alejejíomezována,tzv.amenzalismus. γ 1 =0, γ 2 <0 druhápopulaceneovlivňujeprvníamázníužite,tzv.omenzalismus. γ 1 =0, γ 2 =0 populacesevzájemněneovlivňují.tentovztahsenazýváneutralismus. Parametry α 1, α 2 nemusíbýtladné,izolovanápopulacebezpřítomnostidruhénemusípřežívat.tojepřípadvztahudravec-ořist populacedravcebezořistivymírá,oeficient α 2 je záporný; může to být i případ mutualismu nebo omenzalismu bez přítomnosti mutualisty nebo omenzála nemusí být populace schopna přežít(pa mluvíme o obligatorním mutualismu). Podobněaniparametry β 1, β 2 nemusíbýtladné,populacenemusívnitrodruhovouonurenci projevovat, nebo doonce může proazovat vnitrodruhovou ooperaci. 4

5 Dvě onurující si populace mohou dlouhodobě oexistovat, jejich veliosti se ustálí na nějaé hodnotě, terá je pro aždou z populací menší než nosná apacita prostředí pro samotnou populaci bezpřítomnostidruhé(příladtaovéhospolečenstvajenaobr.6,parametry: α 1 = α 2 =0.5, β 1 = β 2 =1, γ 1 = γ 2 =0.1),neboolemtaovýchhodnotoscilují.Jinámožnostvývojeonurujících si populací je vymření jedné populace a ustálení veliosti druhé populace na hodnotě apacityprostředí(příladjenaobr.7,parametry: α 1 = α 2 =0.5, β 1 = β 2 =1, γ 1 =0.1, γ 2 =1.1)nebooscilaceolemní.Vtaovémpřípaděmluvímeoompetičnímvyloučení.Přitom buď jedna populace vždy vyloučí druhou bez ohledu na počáteční veliosti populací(jedna populace je dominantní), nebo o tom, terá z populací přežije, rozhodují počáteční veliosti populací. x, y x, y Obr. 6. Koexistence Obr. 7. Kompetiční vyloučení Mutualisticé populace mohou oexistovat a jejich veliosti se buď ustálí na hodnotách, teré jsou větší než apacita prostředí pro aždou z nich, nebo olem taových hodnot oscilují. Je-li vša mutualismus příliš silný a užite jedné populace pro druhou je veliý, může dojít tomu, že veliosti obou populací budou neomezeně exponenciálně růst(to by v přírodě znamenalo zhroucení prostředí,vněmžpopulacežijí);vtaovémpřípaděmluvímeo orgiíchvzájemnédobročinnosti (orgyofmutualbenefaction;příladjenaobr.8,parametry α 1 = α 2 =0.05, β 1 = β 2 =1, γ 1 = γ 2 = 1). Populace ve vztahu predace oexistují. Typicým chováním společenstva dravec-ořist je olísání veliostí populací olem nějaé hodnoty, přičemž maximum veliosti ořisti předchází veliost populace dravce. Přílad je na obr. 9, olečy je znázorněna populace ořisti, trojúhelníčy populacedravce;použitéparametrybyly α 1 =0.5, α 2 = 0.5, β 1 =0.1, β 2 =0, γ 1 =0.5, γ 2 = 0.5. x, y x, y Obr.8. Orgiedobrodiní Obr.9.Dravec-ořist 5

Buckinghamův Π-teorém (viz Barenblatt, Scaling, 2003)

Buckinghamův Π-teorém (viz Barenblatt, Scaling, 2003) Bucinghamův Π-teorém (viz Barenblatt, Scaling, 2003) Formalizace rozměrové analýzy ( výsledné jednoty na obou stranách musí souhlasit ). Rozměr fyziální veličiny Mějme nějaou třídu jednote, napřílad [(g,

Více

Geometrická zobrazení

Geometrická zobrazení Pomocný text Geometricá zobrazení hodná zobrazení hodná zobrazení patří nejjednodušším zobrazením na rovině. Je jich vša hrozně málo a často se stává, že musíme sáhnout i po jiných, nědy výrazně složitějších

Více

1 Gaussova kvadratura

1 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

Více

časovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.

časovém 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

Více

Fyzikální praktikum č.: 1

Fyzikální praktikum č.: 1 Datum: 5.5.2005 Fyziální pratium č.: 1 ypracoval: Tomáš Henych Název: Studium činnosti fotonásobiče Úol: 1. Stanovte závislost oeficientu seundární emise na napětí mezi dynodami. yneste do grafu závislost

Více

3. Mocninné a Taylorovy řady

3. 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

Více

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

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji

Více

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Přírodovědné

Více

Reciprokou funkci znáte ze základní školy pod označením nepřímá úměra.

Reciprokou 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

Více

9 Stupně vrcholů, Věta Havla-Hakimiho

9 Stupně vrcholů, Věta Havla-Hakimiho Typicé přílady pro zápočtové písemy DiM 470-301 (Kovář, Kovářová, Kubesa) (verze: November 5, 018) 1 9 Stupně vrcholů, Věta Havla-Haimiho 9.1. Doážete nareslit graf na 9 vrcholech, ve terém mají aždé dva

Více

Hodnocení přesnosti výsledků z metody FMECA

Hodnocení 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

Více

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - 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

Více

Reprezentace přirozených čísel ve Fibonacciho soustavě František Maňák, FJFI ČVUT, 2005

Reprezentace přirozených čísel ve Fibonacciho soustavě František Maňák, FJFI ČVUT, 2005 Reprezentace přirozených čísel ve ibonacciho soustavě rantiše Maňá, JI ČVUT, 2005 Úvod Ja víme, přirozená čísla lze vyádřit různými způsoby Nečastěi zápisu čísel používáme soustavu desítovou, ale umíme

Více

PRVOČÍSLA 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Obsah

PRVOČÍSLA 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Obsah PRVOČÍSLA Jan Malý UK v Praze a UJEP v Ústí n. L. Obsah. Elementární úlohy o prvočíslech 2. Kongruence 2 3. Algebraicé rovnice a polynomy 3 4. Binomicá a trinomicá věta 5 5. Malá Fermatova věta 7 6. Diferenční

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/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

Více

f (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.

f (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

Více

Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí

Obsah 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

Více

4. Přednáška: Kvazi-Newtonovské metody:

4. 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

Více

(iv) D - vybíráme 2 koule a ty mají různou barvu.

(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

Více

Metoda konjugovaných gradientů

Metoda 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

Více

χ 2 testy. Test nekorelovanosti.

χ 2 testy. Test nekorelovanosti. χ 2 testy. Test neorelovanosti. Petr Poší Části doumentu jsou převzaty (i doslovně) z Miro Navara: Pravděpodobnost a matematicá statistia, https://cw.fel.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_print.pdf

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/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

Více

NUMP403 (Pravděpodobnost a Matematická statistika I)

NUMP403 (Pravděpodobnost a Matematická statistika I) NUMP0 (Pravděpodobnost a Matematicá statistia I Střední hodnota disrétního rozdělení. V apce máte jednu desetiorunu, dvě dvacetioruny a jednu padesátiorunu. Zloděj Vám z apsy náhodně vybere tři mince.

Více

7.3.9 Směrnicový tvar rovnice přímky

7.3.9 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:

Více

7.3.9 Směrnicový tvar rovnice přímky

7.3.9 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

Více

β 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:

β 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

Více

2 Diferenciální rovnice

2 Diferenciální rovnice 2 Diferenciální rovnice 2 Moely růstu V této apitole bueme zabývat jenouchými eterministicými moely růstu, napříla růstu populací, objemu nějaé omoity apo Funce y(t bue označovat veliost populace v čase

Více

MATEMATIKA II V PŘÍKLADECH

MATEMATIKA 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

Více

Stochastické diferenciální rovnice

Stochastické diferenciální rovnice KDM MFF UK, Praha Aplikace matematiky pro učitele 15.11.2011 Kermack-McKendrickův model Kermack-McKendrickův model s vakcinací Model pro nemoc s rychlým šířením a krátkou dobou léčby. Příkladem takovéto

Více

MOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:

MOMENT 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,

Více

Křivkové integrály prvního druhu Vypočítejte dané křivkové integrály prvního druhu v R 2.

Křivkové integrály prvního druhu Vypočítejte dané křivkové integrály prvního druhu v R 2. Křivové integrál prvního druhu Vpočítejte dané řivové integrál prvního druhu v R. Přílad. ds x, de je úseča AB, A[, ], B[4, ]. Řešení: Pro řivový integrál prvního druhu platí: fx, ) ds β α fϕt), ψt)) ϕ

Více

Těleso na nakloněné rovině Dvě tělesa spojená tyčí Kyvadlo

Těleso na nakloněné rovině Dvě tělesa spojená tyčí Kyvadlo TEORETICKÁ MECHANIKA INTEGRÁLNÍ PRINCIPY MECHANIKY Záladní pojmy z mechaniy Mechanicý systém: jaáoli soustava částic nebo těles teré se rozhodneme popisovat (eletron atom Zeměoule planetární systém ).

Více

MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU

MĚŘENÍ 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

Více

MOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:

MOMENT 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,

Více

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková Úmrtnostní tabulky, komutační čísla a jejich použití 2015 Osnova 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky 4 Komutační čísla Obsah 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky

Více

Úvod do Kalmanova filtru

Úvod 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

Více

Návrh vysokofrekvenčních linkových transformátorů

Návrh 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

Více

4 všechny koeficienty jsou záporné, nedochází k žádné změně. Rovnice tedy záporné reálné kořeny nemá.

4 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

Více

22. Mechanické a elektromagnetické kmity

22. 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

Více

SSOS_ZE_1.14 Jedinec, druh, populace

SSOS_ZE_1.14 Jedinec, druh, populace Číslo projektu Číslo a název šablony klíčové aktivity DUM číslo a název CZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2- Inovace a zkvalitnění výuky prostřednictvím ICT

Více

8.4. Shrnutí ke kapitolám 7 a 8

8.4. 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

Více

Kapitola 12: Soustavy diferenciálních rovnic 1. řádu

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

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti 1. Úvod do záladních pojmů teore pravděpodobnost 1.1 Úvodní pojmy Většna exatních věd zobrazuje své výsledy rgorózně tj. výsledy jsou zísávány na záladě přesných formulí a jsou jejch nterpretací. em je

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistia Přílady a otázy Petr Hebá a Hana Salsá GAUDEAMUS 2011 Autoři: prof. Ing. Petr Hebá, CSc. Autoři: prof. RNDr. Hana Salsá, CSc. Recenzenti: doc. RNDr. Tatiana Gavalcová, CSc.

Více

Spojité deterministické modely I 1. cvičná písemka

Spojité deterministické modely I 1. cvičná písemka Spojité deterministické modely I 1. cvičná písemka I. část 1.ajděteoecnéřešenírovnice tx xttg x t. 2.Rozhodnětezdapočátečníúloha x t 3 x xjejednoznačněřešitelná.odpověď zdůvodněte. 3. ajděte první tři

Více

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Náhodná veličina X má alternativní rozdělení s parametrem p, jestliže nabývá hodnot 0 a 1 s pravděpodobnostmi

Více

KMA/MM. Lotka-Volterra Model Predátor Kořist

KMA/MM. Lotka-Volterra Model Predátor Kořist KMA/MM Lotka-Volterra Model Predátor Kořist Kamila Matoušková V Plzni, 2009 1 Obsah 1 Lotka-Voltera model... 3 2 Vznik modelu... 3 3 Formulace modelu... 3 4 Koeficienty modelu... 4 4.1 Stanovení koeficientů...

Více

Fyzikální korespondenční seminář MFF UK

Fyzikální korespondenční seminář MFF UK Úloha I.S... náhodná 10 bodů; průměr 7,04; řešilo 45 studentů a) Zkuste vlastními slovy popsat, co je to náhodná veličina a jaké má vlastnosti (postačí vlastními slovy objasnit následující pojmy: náhodná

Více

OPTIMALIZACE PARAMETRŮ PID REGULÁTORU POMOCÍ GA TOOLBOXU

OPTIMALIZACE PARAMETRŮ PID REGULÁTORU POMOCÍ GA TOOLBOXU OPTMALZACE PARAMETRŮ PD REGULÁTORU POMOCÍ GA TOOLBOXU Radomil Matouše, Stanislav Lang Department of Applied Computer Science Faculty of Mechanical Engineering, Brno University of Technology Abstrat Tento

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2

Matematika 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

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 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

Více

je amplituda indukovaného dipólového momentu s frekvencí ω

je 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

Více

13. Lineární procesy

13. Lineární procesy . Lineární procesy. Lineární procesy Našim cílem je studovat lineární (iterované) procesy. Každý takový proces je zadán čtvercovou maticí A Mat k k (R). Dále víme, že systém se v čase t n nachází ve stavu

Více

Název: Chemická rovnováha II

Název: Chemická rovnováha II Název: Chemicá rovnováha II Autor: Mgr. Štěpán Miča Název šoly: Gymnázium Jana Nerudy, šola hl. města Prahy Předmět, mezipředmětové vztahy: chemie, fyzia Roční: 6. Tématicý cele: Chemicá rovnováha (fyziální

Více

zpracování signálů - Fourierova transformace, FFT Frekvenční

zpracování signálů - Fourierova transformace, FFT Frekvenční Digitální zpracování signálů - Fourierova transformace, FF Frevenční analýza 3. přednáša Jean Baptiste Joseph Fourier (768-830) Zálady experimentální mechaniy Frevenční analýza Proč se frevenční analýza

Více

4EK201 Matematické modelování. 11. Ekonometrie

4EK201 Matematické modelování. 11. Ekonometrie 4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

20 - Číslicové a diskrétní řízení

20 - 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

Více

Měření indukčností cívek

Měření 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

Více

do jednotkového prostorového úhlu ve směru svírajícím úhel ϑ s osou dipólu je dán vztahem (1) a c je rychlost světla.

do 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

Více

Kompetice a mortalita

Kompetice a mortalita Kompetice a mortalita Nauka o růstu lesa Michal Kneifl Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Úvod vnitrodruhové a mezidruhové

Více

Úlohy krajského kola kategorie A

Úlohy krajského kola kategorie A 63. roční matematicé olympiády Úlohy rajsého ola ategorie A 1. Najděte všechna celá ladná čísla, terá nejsou mocninou čísla 2 a terá se rovnají součtu trojnásobu svého největšího lichého dělitele a pětinásobu

Více

3.3.4 Thaletova věta. Předpoklady:

3.3.4 Thaletova věta. Předpoklady: 3.3.4 Thaletova věta Předpolady: 030303 Př. : Narýsuj ružnici ( ;5cm) a její průměr. Na ružnici narýsuj libovolný bod různý od bodů, (bod zvol jina než soused v lavici). Narýsuj trojúhelní. Má nějaou speciální

Více

Difuze v procesu hoření

Difuze v procesu hoření Difuze v procesu hoření Fyziální podmíny hoření Záladní podmínou nepřetržitého průběhu spalovací reace je přívod reagentů (paliva a vzduchu) do ohniště a zároveň odvod produtů hoření (spalin). Pro dosažení

Více

7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ

7. 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

Více

PROBLÉMY ŽIVOTNÍHO PROSTŘEDÍ ORGANISMY

PROBLÉMY ŽIVOTNÍHO PROSTŘEDÍ ORGANISMY PROBLÉMY ŽIVOTNÍHO PROSTŘEDÍ ORGANISMY 2010 Ing. Andrea Sikorová, Ph.D. 1 Problémy životního prostředí - organismy V této kapitole se dozvíte: Co je to organismus. Z čeho se organismus skládá. Jak se dělí

Více

20 - Číslicové a diskrétní řízení

20 - 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

Více

Obecná úloha lineárního programování

Obecná úloha lineárního programování Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

PÚ, NÚ teorie, tabulka+opakování: trojčlenka

PÚ, NÚ teorie, tabulka+opakování: trojčlenka VY_42_INOVACE_1SMO47 Projet: Zlepšení výuy na ZŠ Schulzovy sady registrační číslo: CZ.1.07./1.4.00/21.2581 Autor: Marie Smolíová Datum: 8. 2. a 9. 2. 2012 Roční: 7. Vzdělávací oblast: Vzdělávací obor:

Více

Lineární programování

Lineární programování Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za

Více

Opakování k maturitě matematika 4. roč. STR 2 <

Opakování k maturitě matematika 4. roč. STR 2 < 8.. Otáza číslo Mocniny a odmocniny. b.) Zjednodušte: b. b Opaování maturitě matematia. roč. STR :.) Zjednodušte:.) Vypočtěte: a. y : ( a. y ) =.) Umocněte: 7 7.. Otáza číslo Lineární a vadraticé rovnice.)

Více

Betonové konstrukce (S) Přednáška 3

Betonové konstrukce (S) Přednáška 3 Betonové konstrukce (S) Přednáška 3 Obsah Účinky předpětí na betonové prvky a konstrukce Silové působení kabelu na beton Ekvivalentní zatížení Staticky neurčité účinky předpětí Konkordantní kabel, Lineární

Více

Úlohy domácího kola kategorie B

Úlohy domácího kola kategorie B 54. roční Matematicé olympiády Úlohy domácího ola ategorie 1. Určete všechny dvojice (a, b) reálných čísel, pro teré má aždá rovnic x + ax + b 0, x + (a + 1)x + b + 1 0 dva růné reálné ořeny, přičemž ořeny

Více

VYŠŠÍ ODBORNÁ ŠKOLA A STŘEDNÍ ŠKOLA SLABOPROUDÉ ELEKTROTECHNIKY Novovysočanská 48/280, Praha 9

VYŠŠÍ ODBORNÁ ŠKOLA A STŘEDNÍ ŠKOLA SLABOPROUDÉ ELEKTROTECHNIKY Novovysočanská 48/280, Praha 9 1. Analogové měřicí přístroje Jsou přístroje, teré slouží měření různých eletricých veličin. Např. měření proudu, napětí a výonu. Pro měření těchto veličin nejčastěji používáme tyto soustavy:magnetoeletricá,

Více

Kombinace s opakováním

Kombinace s opakováním 9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Časová náročnost této hodiny je podobná hodině předchozí. Netradiční začáte. Nemáme žádné přílady, ale rovnou definici. Definice

Více

Kapitola 10: Diferenciální rovnice 1/14

Kapitola 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

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

MATEMATICKÉ MODELY DYNAMIKY POPULACÍ CONTINUOUS MATHEMATICAL MODELS OF POPULATION DYNAMICS

MATEMATICKÉ MODELY DYNAMIKY POPULACÍ CONTINUOUS MATHEMATICAL MODELS OF POPULATION DYNAMICS VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF MATHEMATICS SPOJITÉ MATEMATICKÉ MODELY DYNAMIKY

Více

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na Matematika II 7.1. Zavedení diferenciálních rovnic Definice 7.1.1. Rovnice tvaru F(y (n), y (n 1),, y, y, x) = 0 se nazývá diferenciální rovnice n-tého řádu pro funkci y = y(x). Speciálně je F(y, y, x)

Více

Diferenciální rovnice a dynamické modely

Diferenciální rovnice a dynamické modely Diferenciální rovnice a namické modely Robert Mařík 31. srpna 2009 c Robert Mařík, 2009 G. Galilei: Velkou knihu příro mohou číst jen ti, kteří znají jazyk, jímž je tato kniha napsána. A tímto jazykem

Více

Transformátory. Mění napětí, frekvence zůstává

Transformátory. 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

Více

Předpoklady: a, b spojité na intervalu I.

Předpoklady: 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

Více

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU 6.1 Křivkový integrál 1. druhu Definice 1. Množina R n se nazývá prostá regulární křivka v R n právě tehdy, když existuje vzájemně jednoznačné zobrazení

Více

řešeny numericky 6 Obyčejné diferenciální rovnice řešeny numericky

řešeny numericky 6 Obyčejné diferenciální rovnice řešeny numericky řešeny numericky řešeny numericky Břetislav Fajmon, UMAT FEKT, VUT Brno Na minulé přednášce jsme viděli některé klasické metody a přístupy pro řešení diferenciálních rovnic: stručně řečeno, rovnice obsahující

Více

Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje Mgr.Petra Siřínková

Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje Mgr.Petra Siřínková Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje 12.2.2010 Mgr.Petra Siřínková BIOTICKÉ PODMÍNKY ŽIVOTA Populace Biocenóza Ekosystém Biosféra POPULACE

Více

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

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 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).

Více

1.5.7 Prvočísla a složená čísla

1.5.7 Prvočísla a složená čísla 17 Prvočísla a složená čísla Předpolady: 103, 106 Dnes bez alulačy Číslo 1 je dělitelné čísly 1,, 3,, 6 a 1 Množinu, terou tvoří právě tato čísla, nazýváme D 1 množina dělitelů čísla 1, značíme ( ) Platí:

Více

Vyšší odborná škola a Střední škola Varnsdorf, příspěvková organizace. Šablona 09 VY 32 INOVACE 0115 0309

Vyšší odborná škola a Střední škola Varnsdorf, příspěvková organizace. Šablona 09 VY 32 INOVACE 0115 0309 Vyšší odborná škola a Střední škola Varnsdorf, příspěvková organizace Šablona 09 VY 32 INOVACE 0115 0309 VÝUKOVÝ MATERIÁL Identifikační údaje školy Číslo projektu Název projektu Číslo a název šablony Autor

Více

6 5 = 0, = 0, = 0, = 0, 0032

6 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

Více

6 Impedanční přizpůsobení

6 Impedanční přizpůsobení 6 Impedanční přizpůsobení edení optimálně přenáší eletromagneticou energii, je-li zatěžovací impedance rovna charateristicé impedanci. Říáme, že zátěž je impedančně přizpůsobená. e stavu impedančního přizpůsobení

Více

MATEMATIKA. O paradoxech spojených s losováním koulí

MATEMATIKA. O paradoxech spojených s losováním koulí MATEMATIKA O paradoxeh spojenýh s losováním oulí PAVEL TLUSTÝ IRENEUSZ KRECH Eonomiá faulta JU, Česé Budějovie Uniwersytet Pedagogizny, Kraów Matematia popisuje a zoumá různé situae reálného světa. Je

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

( ) Příklady na otočení. Předpoklady: Př. 1: Je dána kružnice k ( S ;5cm)

( ) Příklady na otočení. Předpoklady: Př. 1: Je dána kružnice k ( S ;5cm) 3.5.9 Přílady na otočení Předpolady: 3508 Př. 1: Je dána ružnice ( ;5cm), na teré leží body, '. Vně ružnice leží bod L, uvnitř ružnice bod M. Naresli obrazy bodů L, M v zobrazení řeš bez úhloměru. R (

Více

Viz též stavová rovnice ideálního plynu, stavová rovnice reálného plynu a van der Waalsova stavová rovnice.

Viz též stavová rovnice ideálního plynu, stavová rovnice reálného plynu a van der Waalsova stavová rovnice. 5.1 Stavová rovnice 5.1.1 Stavová rovnice ideálního plynu Stavová rovnice pro sěs ideálních plynů 5.1.2 Stavová rovnice reálného plynu Stavové rovnice se dvěa onstantai Viriální rovnice Stavové rovnice

Více

VYUŽITÍ MATLABU JAKO MOTIVAČNÍHO PROSTŘEDKU VE VÝUCE FYZIKY NA STŘEDNÍCH ŠKOLÁCH

VYUŽITÍ MATLABU JAKO MOTIVAČNÍHO PROSTŘEDKU VE VÝUCE FYZIKY NA STŘEDNÍCH ŠKOLÁCH VYUŽITÍ MATLABU JAKO MOTIVAČNÍHO PROSTŘEDKU VE VÝUCE FYZIKY NA STŘEDNÍCH ŠKOLÁCH J. Tesař, P. Batoš Jihočesá univezita, Pedagogicá faulta, Kateda fyziy, Jeonýmova 0, 37 5 Česé Budějovice Abstat V příspěvu

Více

Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky

Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící

Více

55. ročník Matematické olympiády 2005/2006

55. ročník Matematické olympiády 2005/2006 55. roční Matematicé olympiády 005/006 Úlohy ústředního ola ategorie P 1. soutěžní den Na řešení úloh máte,5 hodiny čistého času. Řešení aždého příladu musí obsahovat: Popis řešení, to znamená slovní popis

Více