STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6
|
|
|
- Věra Urbanová
- před 5 lety
- Počet zobrazení:
Transkript
1 Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II 90 0 Poděbrady Aotace: Tato práce se zabývá rovicí, která popisuje Maxwellův záko rozděleí rychlostí částic ideálího plyu. K jejímu studiu je použit matematický software Derive 6. V práci se pak ukazuje, jaké důležité iformace jsou v í obsažey. /4
2 . Maxwellův záko Je přirozeé, že částice ideálího plyu v důsledku vzájemých srážek abývají růzých rychlostí. Třebaže hodoty ěkterých z ich mohou být i extrémě vysoké a jiých aopak extrémě ízké, eliší se většia z ich příliš od jisté hodoty, kterou azýváme ejpravděpodobější rychlostí (v p ). Počet částic, které mají hodotu rychlosti v itervalu v a v + dv je dá Maxwellovým rozděleí ve tvaru: N m ( v ) dv e k T 3 3 m k T dv N... počet částic ideálího plyu m... hmotost jedé částice k... Boltzmaova kostata T... absolutí teplota v... rychlost Nejprve si zobrazíme graf fukce = f(v) pro vodík, helium a oxid uhličitý. Do tabulkového procesoru jsme dosadili jsme tyto hodoty: N = 0 6 k =, J/K (Boltzmaova kostata) T = 500 K m =., kg pro vodík m = 4., kg pro helium m 3 = 44., kg pro oxid uhličitý Je patré, že graf č. splňuje aše očekáváí: prochází počátkem (ulovou rychlost emůže mít žádá částic), má výrazé maximum (ejpravděpodobější rychlost) a se vzrůstající hodotou rychlosti v se fukčí hodoty postupě blíží ule (i velmi rychlých částic je v souboru málo). Tvar křivky je ovlivě dvěma parametry: hmotostí částice a teplotou. Protože eergie jedé částice je přímo úměrá pouze absolutí teplotě, je zřejmé, že méě hmoté částice se musí pohybovat rychleji a více hmoté pomaleji. Měí-li se hmotost /4
3 částice, tak se v souladu s tím posouvá maximum křivky. Můžeme učiit závěr, že hmotější částice se svými rychlostmi od sebe tolik eliší jako částice méě hmoté. 000 CO 000 He H v/m/s Graf č. Maxwellův záko pro růzé plyy Na grafu č. sestrojeém pro jede milio molekul vodíku je a druhou strau vidět, jak tvar křivky ovlivňuje teplota. V souladu s očekáváí se při vzrůstu teploty maximum křivky posouvá směrem doprava a celá křivka je plošší. Částice studeého plyu se opět svými rychlostmi příliš eliší. Částice teplého plyu mají oproti tomu rychlosti velmi růzorodé. 3/4
4 000 T = 500 K 000 T = 500 K T = 6000 K v/m/s Graf č. Maxwellův záko pro růzé teploty (CO ). Aalýza Maxwellova zákoa rozděleí částic ideálího plyu O správosti Maxwellova zákoa se můžeme ejlépe přesvědčit tak, že určíme plochu omezeou grafem a osou x. Musí se totiž rovat počtu částic plyu, eboli jedomu miliou. Výpočet provedeme určitým itegrálem. Za teplotu dosadíme 500 K. A a áš dotaz Derive 6 správě odpoví: 4/4
5 Lze očekávat, že výsledek esmí záviset a teplotě, což potvrzuje další výpočet tetokráte pro teplotu 000 K. A jestliže vypočteme eurčitý itegrál tak v ěm skutečě efiguruje teplota: Dále lehce ověříme, že počet velmi pomalých molekul vodíku, jejichž rychlosti leží apř. v itervalu (0, 00) m/s, je pozoruhodě malý: 5/4
6 Počty rychlejších částic opět arůstají. Např. pro itervaly (00, 00) a (00, 300) m/s jsou: velmi rychlých částic je v souboru málo. Např. rychlost mezi 7000 m/s a 8000 m/s má pouhých 30 částic, o čemž svědčí výpočet: I Úplě jiá situace je poblíž ejpravděpodobější rychlosti, která podle grafu č. čií pro teplotu 500 K asi 000 m/s. 6/4
7 Nejpravděpodobější rychlost je - epřesě řečeo - taková rychlost, kterou se pohybuje ejvětší počet částic. V této hodotě má fukce = f(v) své maximum. Určíme jej pomocí prví derivace: Když tuto derivaci položíme rovou ule a příslušou rovici vyřešíme, dostaeme což je v souladu s učebicemi fyziky. Nyí můžeme určit i průměrou rychlost částic a porovat ji s rychlostí ejpravděpodobější. Vyjdeme ze zámého vztahu pro aritmetický průměr (N je počet částic, které mají rychlost v ): N N N v... N N... N Jestliže si uvědomíme, že počet částic je rove ploše S pod grafem = f(v), můžeme psát: v S S... S N N... N Plochu S mohu vyjádřit takto: S v 7/4
8 Vztah pro průměrou rychlost mohu vyjádřit takto: ( v ) ( v ) v N... ( v ) Jestliže se rychlosti částic spojitě měí, přejde součet v itegraci: v v dv v ( ) N Chceme-li vypočítat průměrou rychlost částic - apř. opět pro vodík o teplotě 500 K-, tak řešíme určitý itegrál: Průměrá rychlost částic ideálího plyu je: Nyí určíme ejpravděpodobější rychlost částic plyu při téže teplotě: 8/4
9 Porováím zjistíme, že průměrá rychlost je asi o 3 % větší ež rychlost ejpravděpodobější: Neí těžké dokázat, že uvedeý poměr je kostatí pro všechy teploty. Nyí vypočteme eergii tohoto ideálího plyu opět při teplotě 500 K. Jeda částice má eergii: E m Všechy částice, jejichž rychlost je v itervalu v a v + dv, pak eergii: de dn de ( v ) dv Což odpovídá celkové eergii: m ds m m m ( v ) dv E m ( v ) dv Neboli eergie ašeho vodíku o jedom miliou částic vyjde v joulech: 9/4
10 Průměrá (středí) eergie E o připadající a jedu částici je tedy 0 6 krát meší: Když yí zopakujeme celý výpočet pro teplotu dvakrát vyšší (tj. 000 K), vyjde ám také středí eergie dvakrát vyšší, tj.: Evidetě mezi E 0 a T platí přímá úměrost... E ~T 0...eboli... E 0 a T, a kost Nyí ám pouze zbývá určit hodotu kostaty a. Podělíme tedy středí eergii (E 0 =, J) a teplotu (T = 000 K), tak dostaeme: 0/4
11 Nechá se jedoduše dokázat, že se kostata a rová třem poloviám Boltzmaovy kostaty: Závěr je tedy jedoduchý: E 0 3 k T Středí eergii si však mohu vyjádřit i pomocí rychlosti a oba výrazy porovat: Z této rovice si mohu vyjádřit rychlost v k, kterou azýváme středí kvadratická. Částice s touto rychlostí má průměrou eergii. Středí kvadratická rychlost je dáa vztahem: Porováme-li podílem středí kvadratickou rychlost v k s rychlostí ejpravděpodobější v p, dostáváme: /4
12 Neboli středí kvadratická rychlost je asi o % větší ež rychlost ejpravděpodobější. Příčiou je samozřejmě to, že graf fukce = f(v) eí osově symetrický. Nyí ještě vyjádříme-li v k v m/s: Najděme yí rychlost u, která splňuje tu podmíku, že počet částic, které mají rychlost větší ež u, je stejý jako počet částic, které mají rychlost meší ež u. Nazvěme u prví půlící rychlostí. Evidetě pro i platí: Když po určitou dobu aplikujeme metodu pokusu a omylu, zjistíme, že u má hodotu 7.49 m/s. Počítač totiž tvrdí: /4
13 Porováím rychlosti u s rychlostí ejpravděpodobější v p, tak zjistíme, že u je o 8 % větší, eboť: Obdobě můžeme defiovat rychlost druhou půlící rychlost w, která má tu vlastost, že součet eergií všech částic, která mají svoji rychlost meší ež w, je stejý jako součet eergií těch částic, která mají rychlost větší ež w. Zřejmě platí: Při troše trpělivosti staovíme horí mez itegrálu s odpovídající vlastostí a 3007,8 m/s. Platí totiž s dostačující přesostí: Rychlost w je tak o plých 48 % vyšší ež rychlost ejpravděpodobější. 3/4
14 Výsledek jeom dokazuje, jak výzamě k celkové eergii plyu přispívají částice s velkou rychlostí. Kietická eergie totiž závisí a její druhé mociě. 3. Diskuse a závěr V této práci jsme se zabývali Maxwellovým zákoem rozděleím rychlostí částic ideálího plyu. Ukázali jsme, že v rovici, která jej vyjadřuje, jsou obsažey všechy důležité iformace o tomto plyu., především pak to, že středí eergii částice závisí pouze a teplotě a že je s í přímo úměrá. Zovu jsme odvodili vztahy pro ejpravděpodobější rychlost v p, průměrou rychlost v a pro rychlost středí kvadratickou v k. Zavedli jsme rověž prví a druhou půlicí rychlost (u, w) a určili jsme jejich vztah k rychlosti ejpravděpodobější. Přitom jsme došli k tomuto závěru: v p : v : v : u : w :,3:, :,08:,48 k Výpočty, které přesahují rámec středoškolské fyziky jsme provedli v matematickém software Derive Obsah. Maxwellův záko. Aalýza Maxwellova zákoa rozděleí rychlostí částic ideálího plyu 3. Diskuze a závěr 4. Obsah 5. Sezam použité literatury 5. Sezam použité literatury Prof. RNDr. Horák Z., DrSc.:, Fyzika, SNTL Praha, 976 4/4
6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
8.2.1 Aritmetická posloupnost
8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž
Cvičení z termomechaniky Cvičení 5.
Příklad V kompresoru je kotiuálě stlačová objemový tok vzduchu [m 3.s- ] o teplotě 20 [ C] a tlaku 0, [MPa] a tlak 0,7 [MPa]. Vypočtěte objemový tok vzduchu vystupujícího z kompresoru, jeho teplotu a příko
MATEMATICKÁ INDUKCE. 1. Princip matematické indukce
MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost
8.2.1 Aritmetická posloupnost I
8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu
Deskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.
Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
Odhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
Sekvenční logické obvody(lso)
Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách
Matematika I, část II
1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího
Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou
Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,
Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...
Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1
Vlastnosti posloupností
Vlstosti posloupostí Nekoečá posloupost je fukce defiová v oboru přirozeých čísel Z toho plye, že kždá posloupost má prví čle (zčíme ), koečé poslouposti mjí i čle posledí Př Vypište prví čtyři čley poslouposti
IAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
3. Lineární diferenciální rovnice úvod do teorie
3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se
jsou reálná a m, n jsou čísla přirozená.
.7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou
Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b
Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a
2. Definice plazmatu, základní charakteristiky plazmatu
2. efiice plazmatu, základí charakteristiky plazmatu efiice plazmatu Plazma bývá obyčejě ozačováo za čtvrté skupeství hmoty. Pokud zahříváme pevou látku, dojde k jejímu roztaveí, při dalším zahříváí se
Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika
Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo
Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení
Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.
P2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU
ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU A.Mikš, J.Novák, P. Novák katedra fyziky, Fakulta stavebí ČVUT v Praze Abstrakt Práce se zabývá aalýzou vlivu velikosti umerické
MATICOVÉ HRY MATICOVÝCH HER
MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem
jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
Komplexní čísla. Definice komplexních čísel
Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují
Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.
2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se
Středoškolská technika 2015 ŘEŠENÍ DOKONALÉHO TVARU MOSTNÍHO NOSNÍKU Z HLEDISKA POTENCIÁLNÍ ENERGIE - ŘETĚZOVKA
Středoškolská techika 05 Setkáí a prezetace prací středoškolských studetů a ČVUT ŘEŠENÍ DOKONALÉHO TVARU MOSTNÍHO NOSNÍKU Z HLEDISKA POTENCIÁLNÍ ENERGIE - ŘETĚZOVKA Duša Köig Středí průmyslová škola strojická
S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické
5 Itegrace racioálích fukcí 5 Itegrace racioálích fukcí Průvodce studiem V předcházejících kapitolách jsme se aučili počítat eurčité itegrály úpravou a základí itegrály, metodou per partes a substitučí
Pravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
Petr Šedivý Šedivá matematika
LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími
( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.
.. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f
OVMT Přesnost měření a teorie chyb
Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.
III/2 Inovace a zkvalitnění výuky prostřednictvím ICT
Název školy Gymázium, Šterberk, Horí ám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šabloa III/2 Iovace a zkvalitěí výuky prostředictvím ICT Ozačeí materiálu VY_32_INOVACE_Hor018 Vypracoval(a), de Mgr. Radek
Definice obecné mocniny
Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma
Iterační metody řešení soustav lineárních rovnic
Iteračí metody řešeí soustav lieárích rovic Matice je: diagoálě domiatí právě tehdy, když pozitivě defiití (symetrická matice) právě tehdy, když pro x platí x, Ax a ij Tyto vlastosti budou důležité pro
10.3 GEOMERTICKÝ PRŮMĚR
Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo
Kinetická teorie plynů - tlak F S F S F S. 2n V. tlak plynu. práce vykonaná při stlačení plynu o dx: celková práce vykonaná při stlačení plynu:
Kietická teorie plyů - tlak tlak plyu p práce vykoaá při stlačeí plyu o d: d celková práce vykoaá při stlačeí plyu: kdyby všechy molekuly měly stejou -ovou složku rychlost v : hybost předaá při árazu molekuly
DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce
DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ ) Pojem ukce, gra ukce De: Fukcí reálé proměé azýváme pravidlo, které každému reálému číslu D přiřazuje právě jedo reálé číslo y H Toto pravidlo začíme ejčastěji
n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1
3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.
DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM
Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře
POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde
POLYNOM Zákldí pojmy Polyomem stupě zveme fukci tvru y ( L +, P + + + + kde,,, R,, N Čísl,,, se zývjí koeficiety polyomu Číslo c zveme kořeem polyomu P(, je-li P(c výrz (-c pk zýváme kořeový čiitel Vlstosti
STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln
Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =
6. FUNKCE A POSLOUPNOSTI
6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat
Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací
Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)
Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.
Odhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.
Matematická aalýza II předášky M. Málka cvičeí A. Hakové a R. Otáhalové Semestr letí 2005 6. Nekoečé řady fukcí V šesté kapitole pokračujeme ve studiu ekoečých řad. Nejprve odvozujeme základí tvrzeí o
Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
Spojitost a limita funkcí jedné reálné proměnné
Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém
Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné
CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou
základním prvkem teorie křivek v počítačové grafice křivky polynomiální n
Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky
Základní požadavky a pravidla měření
Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí
1 Trochu o kritériích dělitelnosti
Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak
Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019
Jméo: Příklad 2 3 Celkem bodů Bodů 0 8 2 30 Získáo 0 Uvažujte posloupost distribucí {f } + = D (R defiovaou jako f (x = ( δ x m, kde δ ( x m začí Diracovu distribuci v bodě m Najděte limitu f = lim + f
Vzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
6. Posloupnosti a jejich limity, řady
Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že
3. cvičení - LS 2017
3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a) fx) x 5x+4 4 x b) fx) x x +4x+ c) fx) 3x 9x+ x +6x 0 d) fx) x 7x+0 4 x. Řešeí a) Nulové body čitatele a jmeovatele
3. cvičení - LS 2017
3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a fx x 5x+4 4 x b fx x x +4x+ c fx 3x 9x+ x +6x 0. Řešeí a Nulové body čitatele a jmeovatele jsou { 4}. Aby vše bylo
Geometrická optika. Zákon odrazu a lomu světla
Geometrická optika Je auka o optickém zobrazováí. Je vybudováa a 4 zákoech, které vyplyuly z pozorováí a ke kterým epotřebujeme zalosti o podstatě světla: ) přímočaré šířeí světla (paprsky) ) ezávislost
Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
Iterační výpočty projekt č. 2
Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....
1 Základní pojmy a vlastnosti
Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).
Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A
Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota
Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor.
5 PŘEDNÁŠKA 5: Jedorozměrý a třírozměrý harmoický oscilátor. Půjde o spektrum harmoického oscilátoru emá to ic společého se spektrem atomu ebo se spektrálími čarami atomu. Liší se to právě poteciálem!
Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která
2.4. INVERZNÍ MATICE
24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;
PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR
PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité
NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n
Jméo: Příklad 3 Celkem bodů Bodů 8 0 30 Získáo [8 Uvažujte posloupost distribucí f } D R defiovaou jako f [δ kde δ a začí Diracovu distribuci v bodě a Najděte itu δ 0 + δ + této poslouposti aeb spočtěte
Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem
Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme
ŘADY Jiří Bouchala a Petr Vodstrčil
ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická
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
Experimentální postupy. Koncentrace roztoků
Experimetálí postupy Kocetrace roztoků Kocetrace roztoků možství rozpuštěé látky v roztoku. Hmotostí zlomek (hmotostí proceta) Objemový zlomek (objemová proceta) Molárí zlomek Molarita (molárí kocetrace)
je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme
DERIVACE FUNKCE Má zásadí výzam při vyštřováí fukčích závislostí j v matmatic, al také v aplikacích, apř v chmii, fyzic, koomii a jiých vědích oborch Pricip drivováí formulovali v 7 stoltí závisl a sobě
n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1
[M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti
Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:
ruhlář Michal 8.. 5 Laboratorí práce č. Úloha č. 9 Polarizace světla a Browův pohyb: ϕ p, C 4% 97,kPa Úkol: - Staovte polarizačí schopost daého polaroidu - Určete polarimetrem úhel stočeí kmitavé roviy
5. Lineární diferenciální rovnice n-tého řádu
5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá
P. Girg. 23. listopadu 2012
Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt
FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL
Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost
EKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
1.7.4 Těžiště, rovnovážná poloha
74 ěžiště, rovovážá poloha Předpoklady: 00703 Př : Polož si sešit a jede prst tak, aby espadl Záleží a místě, pod kterým sešit podložíš? Proč? Musíme sešit podložit prstem přesě uprostřed, jiak spade Sešit
Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
z možností, jak tuto veličinu charakterizovat, je určit součet
6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p
SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU
SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU Matematické modelováí (KMA/MM Téma: Model pohybu mraveců Zdeěk Hazal (A8N18P, zhazal@sezam.cz 8/9 Obor: FAV-AVIN-FIS 1. ÚVOD Model byl převzat z kihy Spojité modely v biologii
Náhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy
Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,
Mocninné řady - sbírka příkladů
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Mocié řady - sbírka příkladů Vedoucí bakalářské práce: Mgr. Iveta Bebčáková, Ph.D.