Pravděpodobnost nejen kvantová
|
|
- Patrik Sedláček
- před 6 lety
- Počet zobrazení:
Transkript
1 MFF UK, Pravděpodobnost nejen kvantová Mirko Navara Centum strojového vnímání katedra kybernetiky Elektrotechnická fakulta ČVUT v Praze navara 22
2 Jak nevyšly volební předpovědi v ČR domaci jw Volby Factum Median STEM CVVM Sanep Médea Aisa Rozsah ČSSD ANO KSČM TOP ODS Úsvit KDU SZ SPOZ ostatní Účast χ 2 -test Tučně jsou vyznačeny předpovědi, které se vejdou do 95% symetrického intervalového odhadu. χ 2 -test dobré shody ukazuje, že u nejúspěšnější agentury lze hypotézu o shodě rozdělení zamítnout na hladině významnosti , tj. takový výsledek bychom při shodě rozdělení dostali s pravděpodobností 1/ , u ostatních agentur ještě menší. 22
3 Klasický prostor jevů σ-algebra množin, L 2 U : U L A L = U \ A L {A i i N} L = i N A i L Stav (=pravděpodobnostní míra) s: L [0, 1]: s(u) = 1 ( ) {A i i I} L, A i A j = pro i j = s A i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou i I 22
4 Klasický prostor jevů σ-algebra množin, L 2 U : U L A L = U \ A L {A i i N} L = i N A i L Stav (=pravděpodobnostní míra) s: L [0, 1]: s(u) = 1 ( ) {A i i I} L, A i A j = pro i j = s A i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou Stavový prostor (konečně aditivních stavů): S(L) [0, 1] L kompaktní, konvexní, Choquetův simplex i I 22
5 Klasický prostor jevů σ-algebra množin, L 2 U : U L A L = U \ A L {A i i N} L = i N A i L Stav (=pravděpodobnostní míra) s: L [0, 1]: s(u) = 1 ( ) {A i i I} L, A i A j = pro i j = s A i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou Stavový prostor (konečně aditivních stavů): S(L) [0, 1] L kompaktní, konvexní, Choquetův simplex Čisté stavy: extremální body S(L) Dvouhodnotové stavy: S(L) {0, 1} L = body Stoneova prostoru i I 22
6 Klasický prostor jevů σ-algebra množin, L 2 U : U L A L = U \ A L {A i i N} L = i N A i L Stav (=pravděpodobnostní míra) s: L [0, 1]: s(u) = 1 ( ) {A i i I} L, A i A j = pro i j = s A i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou Stavový prostor (konečně aditivních stavů): S(L) [0, 1] L kompaktní, konvexní, Choquetův simplex Čisté stavy: extremální body S(L) Dvouhodnotové stavy: S(L) {0, 1} L = body Stoneova prostoru Zde: dvouhodnotové = čisté i I 22
7 Klasický prostor jevů σ-algebra množin, L 2 U : U L A L = U \ A L {A i i N} L = i N A i L Stav (=pravděpodobnostní míra) s: L [0, 1]: s(u) = 1 ( ) {A i i I} L, A i A j = pro i j = s A i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou Stavový prostor (konečně aditivních stavů): S(L) [0, 1] L kompaktní, konvexní, Choquetův simplex Čisté stavy: extremální body S(L) Dvouhodnotové stavy: S(L) {0, 1} L = body Stoneova prostoru Zde: dvouhodnotové = čisté Potřebujeme jen disjunktní sjednocení σ-třída množin, L 2 U : U L A L = U \ A L {A i i N} L, A i A j = pro i j = A i L i N i I 22
8 Příklad 1 (průhledné bariéry) V/P = Výhry/Prohry s bez hráče JJ U = {V V, V P, P V, P P } A = {, {V V, V P }, {P V, P P }, U} }{{}}{{} a a V V V P B = {, {V V, P V }, {V P, P P }, U} }{{}}{{} b b P = A B = {, a, a, b, b, U} a A P V P P L je (nedistributivní modulární) svaz zvaný M O2 b B 22
9 Příklad 1 (průhledné bariéry) 1 1 a b A B a b b a
10 Příklad 1 (průhledné bariéry) Čisté stavy: s : L {0, 1} (S0) s(u) = 1 (S1) s(x ) = 1 s(x) Všechny stavy: s : L [0, 1], splňují (S0), (S1) s(a) = p, s(b) = q, p, q [0, 1] libovolná s(b) 1 0 s(a) s(b) s(a) 22
11 Příklad 2 (průhledné bariéry) Příklad 1 s dalším výsledkem c = zápas zkontumován A = {0, a, c, (a c), a c, a, c, 1} B = {0, b, c, (b c), b c, b, c, 1} A B = {0, c, c, 1} L = A B = {0, a, b, c, a c, b c, (a c), (b c), a, b, c, 1} a A 1 1 c 1 1 B 1 b a 1 2 c c 2 a b 0 b 22
12 Příklad 2 (průhledné bariéry) Čisté stavy: s(a) s(b) s(c) Všechny stavy: s(a) = p, s(b) = q, s(c) = r, r [0, 1] libovolné, p, q [0, 1 r] s(b) 1 s(c) s(a) 22
13 Příklad 3 (neprůhledné bariéry) D C d c a b A a 1 B b d b c 2 2 d 2 a c 0 a a d C c D B a A b 22
14 Čisté stavy: Příklad 3 (neprůhledné bariéry) s(a) s(b) s(c) s(d)
15 Ortomodulární posety Definice: Ortomodulární poset (OMP) je poset s mezemi 0, 1 a unární operací : L L (ortocomplementace) takovou, že pro všechna a, b L, a = a a b = b a a a = 0 a b = b = a (a b) (ortomodulární zákon, existence pravé strany se předpokládá) Je-li navíc svaz, je to ortomodulární svaz (OML). 22
16 Ortomodulární posety Definice: Ortomodulární poset (OMP) je poset s mezemi 0, 1 a unární operací : L L (ortocomplementace) takovou, že pro všechna a, b L, a = a a b = b a a a = 0 a b = b = a (a b) (ortomodulární zákon, existence pravé strany se předpokládá) Je-li navíc svaz, je to ortomodulární svaz (OML). Ortogonalita: a b a b (Tato podmínka je silnější než obvyklé a b = 0.) Obvykle navíc předpokládáme uzavřenost na spočetná suprema posloupností po dvou ortogonálních prvků. 22
17 Ortomodulární posety Definice: Ortomodulární poset (OMP) je poset s mezemi 0, 1 a unární operací : L L (ortocomplementace) takovou, že pro všechna a, b L, a = a a b = b a a a = 0 a b = b = a (a b) (ortomodulární zákon, existence pravé strany se předpokládá) Je-li navíc svaz, je to ortomodulární svaz (OML). Ortogonalita: a b a b (Tato podmínka je silnější než obvyklé a b = 0.) Obvykle navíc předpokládáme uzavřenost na spočetná suprema posloupností po dvou ortogonálních prvků. Příklad: σ-třída podmnožin je ortomodulární poset. 22
18 Stavy na ortomodulárních posetech Stav: s: L [0, 1] takový, že s(1) = 1 ( ) {a i i I} L, a i a j pro i j = s a i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou i I 22
19 Stavy na ortomodulárních posetech Stav: s: L [0, 1] takový, že s(1) = 1 ( ) {a i i I} L, a i a j pro i j = s a i = s(a i ) i I konečně, resp. spočetně aditivní pro I konečnou, resp. spočetnou dvouhodnotové čisté, ale nikoli naopak i I 22
20 Struktura ortomodulárních posetů Booleova podalgebra: M L taková, že 0, 1 M, a M = a M, (M, M, M ) je Booleova algebra. 22
21 Struktura ortomodulárních posetů Booleova podalgebra: M L taková, že 0, 1 M, a M = a M, (M, M, M ) je Booleova algebra. Věta: Každý OMP je sjednocením maximálních Booleových podalgeber. 22
22 Struktura ortomodulárních posetů Booleova podalgebra: M L taková, že 0, 1 M, a M = a M, (M, M, M ) je Booleova algebra. Věta: Každý OMP je sjednocením maximálních Booleových podalgeber. Kompatibilita: a b Booleova podalgebra M: a, b M Atom: a L \ {0} takový, že neexistuje b splňující 0 < b < a A(L) := množina všech atomů L 22
23 Charakterizace stavových prostorů konečně aditivní případ Tvrzení: Prostor všech konečně aditivních stavů je konvexní kompakt (v součinové topologii). Věta: [Shultz 74, MN 92] Každá kompaktní konvexní podmnožina lokálně konvexního topologického lineárního prostoru je afinně homeomorfní s prostorem konečně aditivních (jakož i všech) stavů nějakého OML. 22
24 Charakterizace stavových prostorů konečně aditivní případ Tvrzení: Prostor všech konečně aditivních stavů je konvexní kompakt (v součinové topologii). Věta: [Shultz 74, MN 92] Každá kompaktní konvexní podmnožina lokálně konvexního topologického lineárního prostoru je afinně homeomorfní s prostorem konečně aditivních (jakož i všech) stavů nějakého OML. Speciálně, stavový prostor může být prázdný. 22
25 Charakterizace stavových prostorů konečně aditivní případ Tvrzení: Prostor všech konečně aditivních stavů je konvexní kompakt (v součinové topologii). Věta: [Shultz 74, MN 92] Každá kompaktní konvexní podmnožina lokálně konvexního topologického lineárního prostoru je afinně homeomorfní s prostorem konečně aditivních (jakož i všech) stavů nějakého OML. Speciálně, stavový prostor může být prázdný. To je matematická kuriozita, fyzikální interpretace vyžaduje dostatek stavů: Definice: OMP L je bohatý a, b L, a b stav s : s(a) = s(b) = 1. Věta: Všechny ortomodulární svazy tvoří varietu a všechny bohaté ortomodulární svazy tvoří její podvarietu. 22
26 Problem jednoznačnosti pro omezené pozorovatelné Problém [Gudder 66]: Jsou všechny omezené pozorovatelné (=kvantové náhodné veličiny) jednoznačně určeny svými středními hodnotami ve všech spočetně aditivních stavech? (Předpokládáme bohatý OML; jinak by problém byl triviální.) 22
27 Problem jednoznačnosti pro omezené pozorovatelné Problém [Gudder 66]: Jsou všechny omezené pozorovatelné (=kvantové náhodné veličiny) jednoznačně určeny svými středními hodnotami ve všech spočetně aditivních stavech? (Předpokládáme bohatý OML; jinak by problém byl triviální.) Motivace: Měřit můžeme jen střední hodnoty. 22
28 Problem jednoznačnosti pro omezené pozorovatelné Problém [Gudder 66]: Jsou všechny omezené pozorovatelné (=kvantové náhodné veličiny) jednoznačně určeny svými středními hodnotami ve všech spočetně aditivních stavech? (Předpokládáme bohatý OML; jinak by problém byl triviální.) Motivace: Měřit můžeme jen střední hodnoty. Odpověď [MN 95]: Ne! 22
29 Bellovy nerovnosti s(a) + s(b) s(a b) 1 0 s(a b) + s(b c) + s(c d) s(a d) s(b) s(c) s(a) + s(b) + s(c) s(a b) s(a c) s(b c) 1 s(a b) + s(b c) + s(c d) s(a d) s(b) s(c) 1 První požadavek je valuace: s(a b) + s(a b) = s(a) + s(b) Bohatý OML, který není Booleova algebra, porušuje všechny Bellovy nerovnosti. 22
30 Klíčový příklad kvantové struktury: hilbertovský svaz H... separabilní Hilbertův prostor (reálný nebo komplexní) L(H)... množina všech uzavřených podprostorů H (ekvivalentně, všech projektorů v H) kde Lin uzávěr lineárního obalu 0 = {0}, 1 = H, A B A B, A B = A B, A = {x H y A : y x}, A B = Lin(A B), Pro projektory je kompatibilita ekvivalentní komutativitě, P Q = QP, proto též nekomutativní teorie míry Problém [Birkhoff, von Neumann, Mackey]: Najděte (dobře motivované, ověřitelné) vlastnosti chrakterizující hilbertovské svazy mezi OML. Dílčí výsledky: [Pulmannová], [Bunce, J.D.M. Wright]... 22
31 Stavy na hilbertovském svazu L(R 2 ) Jediná omezení stavů pro dim P = 1: s(p ) = 1 s(p ) Dovoluje mnoho dvouhodnotových stavů = obarvení nenulových vektorů dvěma barvami (modrá, červená) tak, že každá ortogonální báze obsahuje právě jeden červený vektor 22
32 Stavy na hilbertovském svazu L(R 3 ) 1. Pro q H, q = 1, definujeme vektorový stav n s q (Lin({y 1,..., y n })) = (q y i ) 2 = i=1 pro každou ortonormální bázi (y 1,..., y n ) prostoru H n cos 2 (q, y i ) i=1 22
33 Stavy na hilbertovském svazu L(R 3 ) 1. Pro q H, q = 1, definujeme vektorový stav n s q (Lin({y 1,..., y n })) = (q y i ) 2 = i=1 pro každou ortonormální bázi (y 1,..., y n ) prostoru H Důsledek: s q (q) = 1 n cos 2 (q, y i ) i=1 22
34 Stavy na hilbertovském svazu L(R 3 ) 1. Pro q H, q = 1, definujeme vektorový stav n n s q (Lin({y 1,..., y n })) = (q y i ) 2 = cos 2 (q, y i ) i=1 i=1 pro každou ortonormální bázi (y 1,..., y n ) prostoru H Důsledek: s q (q) = 1 2. Směs vektorových stavů s(p ) = c i s qi (P ), kde c i > 0, c i = 1. i i 22
35 Stavy na hilbertovském svazu L(R 3 ) 1. Pro q H, q = 1, definujeme vektorový stav n s q (Lin({y 1,..., y n })) = (q y i ) 2 = i=1 n cos 2 (q, y i ) i=1 pro každou ortonormální bázi (y 1,..., y n ) prostoru H Důsledek: s q (q) = 1 2. Směs vektorových stavů s(p ) = c i s qi (P ), kde c i > 0, i i 3. Co ještě? c i = 1. 22
36 Stavy na hilbertovském svazu L(R 3 ) 1. Pro q H, q = 1, definujeme vektorový stav n s q (Lin({y 1,..., y n })) = (q y i ) 2 = i=1 n cos 2 (q, y i ) i=1 pro každou ortonormální bázi (y 1,..., y n ) prostoru H Důsledek: s q (q) = 1 2. Směs vektorových stavů s(p ) = c i s qi (P ), kde c i > 0, i i c i = Co ještě? Nic! Gleasonova věta [Gleason 57]: Pro dim H 3, všechny stavy jsou směsi vektorových stavů. 22
37 Gleasonova věta Klíčový případ: H = R 3 (zjednodušeno v [Cooke, Keane, Moran 85]). Důsledek 1: Zúžení stavů na 1D podprostory je spojité (dokázal [von Neumann 1932] dokonce pro R 2, chybu odhalil [Hermann 1935]). Důsledek 2: Konečněhodnotový stav je konstantní na 1D podprostorech, tj. dimenze. 22
38 Gleasonova věta Klíčový případ: H = R 3 (zjednodušeno v [Cooke, Keane, Moran 85]). Důsledek 1: Zúžení stavů na 1D podprostory je spojité (dokázal [von Neumann 1932] dokonce pro R 2, chybu odhalil [Hermann 1935]). Důsledek 2: Konečněhodnotový stav je konstantní na 1D podprostorech, tj. dimenze. Klíčový důsledek: Neexistuje dvouhodnotový stav (=skrytá proměnná) (odpověď na [Einstein, Podolsky, Rosen 35], zjednodušené důkazy [Bell 64, Bell 66], [Kochen, Specker 67],..., [Peres 95]). 22
39 Gleasonova věta Klíčový případ: H = R 3 (zjednodušeno v [Cooke, Keane, Moran 85]). Důsledek 1: Zúžení stavů na 1D podprostory je spojité (dokázal [von Neumann 1932] dokonce pro R 2, chybu odhalil [Hermann 1935]). Důsledek 2: Konečněhodnotový stav je konstantní na 1D podprostorech, tj. dimenze. Klíčový důsledek: Neexistuje dvouhodnotový stav (=skrytá proměnná) (odpověď na [Einstein, Podolsky, Rosen 35], zjednodušené důkazy [Bell 64, Bell 66], [Kochen, Specker 67],..., [Peres 95]). Neexistuje obarvení nenulových vektorů dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje právě jeden červený vektor. 22
40 Konstrukce dokazující neexistenci dvouhodnotových stavů na L(R 3 ) BGL MGL 22
41 Konstrukce dokazující neexistenci dvouhodnotových stavů na L(R 3 ) Existují konečné množiny vektorů, jejichž ortogonalita vylučuje existenci dvouhodnotového stavu. Nejmenší známý používá 31 vektorů, následující jich má 33: 22
42 Konstrukce dokazující neexistenci dvouhodnotových stavů na L(R 3 ) Existují konečné množiny vektorů, jejichž ortogonalita vylučuje existenci dvouhodnotového stavu. Nejmenší známý používá 31 vektorů, následující jich má 33: Otevřený problém: Existuje dvouhodnotový stav na L(Q 3 )? 22
43 Konstrukce dokazující neexistenci dvouhodnotových stavů na L(R 4 ) Theorem: [Cabello] Neexistuje dvouhodnotový stav na L(R 4 ). Vezměme 36 vektorů v R 4 ( 1 značí 1): Každý z 9 sloupců reprezentuje ortogonální bázi v R 4 a každý vektor je použit 2. Počet vektorů, na nichž je stav jednotkový, musí být současně sudý i lichý (9) spor. 22
44 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). 22
45 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? 22
46 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? Existuje obarvení nenulových vektorů na R 3 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje lichý počet červených vektorů? 22
47 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? Existuje obarvení nenulových vektorů na R 3 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje lichý počet červených vektorů? Míry nesplňující s(1) = 1? 22
48 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? Existuje obarvení nenulových vektorů na R 3 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje lichý počet červených vektorů? Míry nesplňující s(1) = 1? Pro n 5 takové míry neexistují v důsledku předchozích výsledků. 22
49 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? Existuje obarvení nenulových vektorů na R 3 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje lichý počet červených vektorů? Míry nesplňující s(1) = 1? Pro n 5 takové míry neexistují v důsledku předchozích výsledků. Otevřený problém: Existují netriviální Z 2 -hodnotové míry na L(R 4 )? 22
50 Důsledky pro groupověhodnotové stavy Theorem: ([Pták, MN 04], navázali [Harding, Jager, Smith]) Pro n 4 neexistuje netriviální Z 2 -hodnotový stav na L(R n ). Otevřený problém: Existuje netriviální Z 2 -hodnotový stav na L(R 3 )? Existuje obarvení nenulových vektorů na R 3 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje lichý počet červených vektorů? Míry nesplňující s(1) = 1? Pro n 5 takové míry neexistují v důsledku předchozích výsledků. Otevřený problém: Existují netriviální Z 2 -hodnotové míry na L(R 4 )? Existuje obarvení nenulových vektorů na R 4 dvěma barvami (modrá, červená) takové, že každá ortogonální báze obsahuje sudý počet červených vektorů? 22
51 Proč kvantová logika nemůže být klasická Správná dedukce v klasické logice: 16 formulí v 11 proměnných d 1 b 2 d 1 b 3 d 2 a 2 b 2 d 2 b 3 d 3 b 2 d 3 (a 1 a 2 b 3 ) d 4 a 2 b 2 d 4 (a 1 a 2 b 3 ) (a 2 c 1 ) (b 3 d 1 ) (a 2 c 2 ) (a 1 b 1 d 1 ) c 2 b 3 d 2 c 1 b 1 d 2 (a 2 c 1 ) ((a 1 a 2 b 3 ) d 3 ) (a 2 c 2 ) (b 1 d 3 ) c 2 ((a 1 a 2 b 3 ) d 4 ) c 1 (a 1 b 1 d 4 ) implikuje (a 1 a 2 ) b 1 22
52 Proč kvantová logika nemůže být klasická Tato dedukce nefunguje v kvantové logice: V hilbertovském svazu L(R 3 ) vezměme a 1 = (1, 0, 0) a 2 = (0, 1, 0) b 1 = (0, 1, 1) b 2 = (1, 0, 1) b 3 = (1, 1, 0) c 1 = (1, 0, 2) c 2 = (2, 0, 1) d 1 = ( 1, 1, 1) d 2 = (1, 1, 1) d 3 = (1, 1, 1) d 4 = (1, 1, 1) Pak (a 1 a 2 ) b 1 = (1, 0, 0) 22
53 Zjednodušení dle [Hyčko 05] Stačí 3 proměnné a 9 formulí (a c) b (b c) (a b) c (a b) a (a c) (b c) (a b) c (a b) a (a c) b (b c) (a b) c b b (c (a c) ) (a b) (c (a b) ) (a c) (b (b c) ) b b (c c (a b)) (a c) (a c) (b (b c) ) b c (c (a b) ) (a b) (c (a b) ) (b c) (a (a c) ) b c (a c) a (a c) (b c) (a (a c) ) b b (c (a c) ) c (a b) (a (a c) ) (b (b c) ) b b (c c (a b)) a (a c) (a (a c) ) (b (b c) ) 22
54 Zjednodušení dle [Hyčko 05] Stačí 3 proměnné a 9 formulí (a c) b (b c) (a b) c (a b) a (a c) (b c) (a b) c (a b) a (a c) b (b c) (a b) c b b (c (a c) ) (a b) (c (a b) ) (a c) (b (b c) ) b b (c c (a b)) (a c) (a c) (b (b c) ) b c (c (a b) ) (a b) (c (a b) ) (b c) (a (a c) ) b c (a c) a (a c) (b c) (a (a c) ) b b (c (a c) ) c (a b) (a (a c) ) (b (b c) ) b b (c c (a b)) a (a c) (a (a c) ) (b (b c) ) Implikují a jen v klasické logice (stejný protipříklad v hilbertovských svazech). 22
55 Literatura [Bell 64] Bell, J.S.: On the Einstein Podolsky Rosen paradox. Physics 1 (1964), [Bell 66] Bell, J.S.: On the problem of hidden variables in quantum theory. Rev. Mod. Phys. 38 (1966), [Birkhoff, vonneumann 36] Birkhoff, G., von Neumann, J.: The logic of quantum mechanics. Ann. Math. 37 (1936), [Cooke, Keane, Moran 85] Cooke, R., Keane, M., Moran, W.: An elementary proof of Gleason s theorem. Math. Proc. Cambridge Philos. Soc. 98 (1985), [Dvurečenskij 93] Dvurečenskij, A.: Gleason s Theorem and Its Applications. Kluwer, Dordrecht/Boston/London & Ister Sci., Bratislava, [Einstein, Podolsky, Rosen 35] Einstein, A., Podolsky, B., Rosen, N.: Can quantum-mechanical description of physical reality be considered complete? Phys. Rev. 47 (1935),
56 Literatura [Gleason 57] Gleason, A.M.: Measures on the closed subspaces of a Hilbert space. J. Math. Mech. 6 (1957), [Greechie 71] Greechie, R.J.: Orthomodular lattices admitting no states. J. Comb. Theory 10 (1971), [Gudder 66] Gudder, S.P.: Uniqueness and existence properties of bounded observables. Pacific J. Math. 19 (1966), [Harding, Jager, Smith] Harding, J., Jager, K., Smith, D.: Group-valued measures on the lattice of closed subspaces of a Hilbert space. Internat. J. Theoret. Phys. 44, no. 5 (2005), [MN 95] Navara, M.: Uniqueness of bounded observables. Ann. Inst. H. Poincaré Theor. Physics 63 (1995), no. 2, [Kalmbach 83] Kalmbach, G.: Orthomodular Lattices. Academic Press, London, [MN 92] Navara, M.: Descriptions of state spaces of orthomodular lattices. Math. Bohem. 117 (1992),
57 Literatura [MN 00] Navara, M.: State spaces of orthomodular structures. Rend. Istit. Mat. Univ. Trieste 31 (2000), Suppl. 1, [MN 04] Navara, M.: Piron s and Bell s geometrical lemmas. Internat. J. Theoret. Phys. 43 (2004), No. 7, [MN 08] Navara, M.: Small quantum structures with small state spaces. Internat. J. Theoret. Phys. 47 (2008), No. 1, [Pták, MN 04] Navara, M., Pták, P.: For n 5 there is no nontrivial Z 2 -measure on L(R n ). Internat. J. Theoret. Phys. 43 (2004), No. 7, [Pták, Pulmannová 91] Pták, P., Pulmannová, S.: Orthomodular Structures as Quantum Logics. Kluwer, Dordrecht/Boston/London, [Riečanová 07] Riečanová, Z.: The existence of states on every Archimedean atomic lattice effect algebra with at most five blocks. Preprint, [Shultz 74] Shultz, F.W.: A characterization of state spaces of orthomodular lattices. J. Comb. Theory A 17 (1974),
58
59
60
61
62
Kvantové provázání. Pavel Cejnar ÚČJF MFF UK Praha
Kvantové provázání Pavel Cejnar ÚČJF MFF UK Praha Seminář PřF UK Praha, listopad 2018 Kvantové provázání monopartitní tripartitní multipartitní Kanazawa, Japonsko bipartitní Zápasníci, Uffizi muzeum, Florencie
K oddílu I.1 základní pojmy, normy, normované prostory
ÚVOD DO FUNKCIONÁLNÍ ANALÝZY PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2015/2016 PŘÍKLADY KE KAPITOLE I K oddílu I1 základní pojmy, normy, normované prostory Příklad 1 Necht X je reálný vektorový prostor a : X
K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny
FUNKCIONÁLNÍ ANALÝZA 1 PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2016/2017 PŘÍKLADY KE KAPITOLE VI K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište
Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.
Přednáška 3, 19. října 2015 Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť X i = M i I je jeho pokrytí otevřenými
1 Lineární prostory a podprostory
Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
FREDHOLMOVA ALTERNATIVA
FREDHOLMOVA ALTERNATIVA Pavel Jirásek 1 Abstrakt. V tomto článku se snažíme shrnout dosavadní výsledky týkající se Fredholmovy alternativy (FA). Postupně zmíníme FA na prostorech konečné dimenze, FA pro
Projekty - Úvod do funkcionální analýzy
Projekty - Úvod do funkcionální analýzy Projekt č. 1. Nechť a, b R, a < b. Dokažte, že prostor C( a, b ) = f : R R: f je spojitá na D(f) = a, b s metrikou je úplný. ρ(f, g) = max f(x) g(x) x a,b Projekt
POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY
POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY Bakalářský studijní program B1101 (studijní obory - Aplikovaná matematika, Matematické metody v ekonomice, Aplikovaná matematika pro řešení krizových situací)
Matematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,
Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),
Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.
Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný
Úvod do teorie her
Úvod do teorie her 2. Garanční řešení, hry s nulovým součtem a smíšené strategie Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2017 ÚTIA AV ČR Program 1. Zavedeme řešení, které zabezpečuje minimální výplatu
V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
Úlohy k procvičování textu o svazech
Úlohy k procvičování textu o svazech Číslo za pomlčkou v označení úlohy je číslo kapitoly textu, která je úlohou procvičovaná. Každá úloha je vyřešena o několik stránek později. Kontrolní otázky - zadání
PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti
PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,
Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace
RELACE Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace slouží k vyjádření vztahů mezi prvky nějakých množin. Vztahy mohou být různé povahy. Patří sem vztah býti potomkem,
Lineární algebra : Lineární (ne)závislost
Lineární algebra : Lineární (ne)závislost (4. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních technologií
[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...
[1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.
Matematika pro informatiky
(FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce
Lineární algebra : Báze a dimenze
Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,
grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa
grupa komutativní podgrupa těleso generovaná prvkem, cyklická, řád prvku Malá Fermatova věta konečné těleso charakteristika tělesa polynomy ireducibilní prvky, primitivní prvky definice: G, je grupa kde
MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1
9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom
(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.
Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k
Lineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
Věta o sedlovém bodu a Fredholmova alternativa
Věta o sedlovém bodu a Fredholmova alternativa Petr Tomiczek Fakulta Aplikovaných věd Západočeská univerzita Plzeň 2006 obsah 1 Rozklad Hilbertova prostoru Uzavřený lineární a samoadjungovaný operátor
6 Lineární geometrie. 6.1 Lineární variety
6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení
Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.
6 Skalární součin Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy. Příklad: Určete odchylku přímek p, q : p : x =1+3t,
DEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Necht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s
Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. PAVEL RŮŽIČKA 4.1. (Kvazi)kompaktnost a sub-báze. Buď (Q, ) uspořádaná množina. Řetězcem v Q budeme rozumět lineárně
Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.
Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n
10 Přednáška ze
10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský
Výroková a predikátová logika - VII
Výroková a predikátová logika - VII Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VII ZS 2013/2014 1 / 21 Sémantika PL Teorie Vlastnosti teorií Teorie
METRICKÉ A NORMOVANÉ PROSTORY
PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme
19 Hilbertovy prostory
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem
VĚTY Z LINEÁRNÍ ALGEBRY
VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru
ALG2: Lineární Algebra (Skripta Horák, jako doplněk i skripta Kovár v IS)
ALG2: Lineární Algebra (Skripta Horák, jako doplněk i skripta Kovár v IS) Info ke zkoušce: zkouška Algebra 2 je typu kolokvium (= ústní zkouška), tj. u zkoušky není žádná písemka, jen ústní část. Máte
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy PAVEL RŮŽIČKA Abstrakt. Ukážeme, že každý prvek distributivního svazu odpovídá termu v konjuktivně-disjunktivním (resp. disjunktivně-konjunktivním)
NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny
NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte
15 Maticový a vektorový počet II
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 15: Maticový a vektorový počet II 1 15 Maticový a vektorový počet II 15.1 Úvod Opakování z 1. ročníku (z kapitoly 8) Označení. Množinu všech reálných resp.
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
10. Vektorové podprostory
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,
2. přednáška 8. října 2007
2. přednáška 8. října 2007 Konvergence v metrických prostorech. Posloupnost bodů (a n ) M v metrickém prostoru (M, d) konverguje (je konvergentní), když v M existuje takový bod a, že lim n d(a n, a) =
7. Lineární vektorové prostory
7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární
p 2 q , tj. 2q 2 = p 2. Tedy p 2 je sudé číslo, což ale znamená, že
KAPITOLA 1: Reálná čísla [MA1-18:P1.1] 1.1. Číselné množiny Přirozená čísla... N = {1,, 3,...} nula... 0, N 0 = {0, 1,, 3,...} = N {0} Celá čísla... Z = {0, 1, 1,,, 3,...} Racionální čísla... { p } Q =
x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.
1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné
Kompaktnost Kompaktifikace Prostory funkcí 4. KOMPAKTNOST. Miroslav Hušek, Pavel Pyrih KMA MFF UK. 4. Kompaktnost
4. KOMPAKTNOST Poznámky Miroslav Hušek, Pavel Pyrih KMA MFF UK 2008 4. bez oddělovacích axiómů Je-li S S pokrytím množiny X, říká se často, že S je podpokrytí nebo že je pokrytím vybraným z S. Relaci zjemnění
Výroková a predikátová logika - VII
Výroková a predikátová logika - VII Petr Gregor KTIML MFF UK ZS 2018/2019 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VII ZS 2018/2019 1 / 15 Platnost (pravdivost) Platnost ve struktuře
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního
Lineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
Lineární algebra : Lineární prostor
Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární
Výroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2017/2018 1 / 17 Předběžnosti Základní pojmy n-ární relace a funkce
PŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
1 Výroková logika 1. 2 Predikátová logika 3. 3 Důkazy matematických vět 4. 4 Doporučená literatura 7
1 Výroková logika 1 Výroková logika 1 2 Predikátová logika 3 3 Důkazy matematických vět 4 4 Doporučená literatura 7 Definice 1.1 Výrokem rozumíme každé sdělení, o kterém má smysl uvažovat, zda je, či není
2. Definice pravděpodobnosti
2. Definice pravděpodobnosti 2.1. Úvod: V přírodě se setkáváme a v přírodních vědách studujeme pomocí matematických struktur a algoritmů procesy dvojího druhu. Jednodušší jsou deterministické procesy,
Výroková a predikátová logika - III
Výroková a predikátová logika - III Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - III ZS 2017/2018 1 / 16 2-SAT 2-SAT Výrok je v k-cnf, je-li v CNF a
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky
Matematická analýza 1
Matematická analýza 1 ZS 2019-20 Miroslav Zelený 1. Logika, množiny a základní číselné obory 2. Limita posloupnosti 3. Limita a spojitost funkce 4. Elementární funkce 5. Derivace 6. Taylorův polynom Návod
Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál
Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a
7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.
7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň
Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program
Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní
Ortogonální projekce a ortogonální zobrazení
Drsná matematika I 9. přednáška Ortogonální projekce a ortogonální zobrazení Jan Slovák Masarykova univerzita Fakulta informatiky 27. 4. 2010 Obsah přednášky 1 Literatura 2 Projekce a ortogonální zobrazení
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
ALGEBRA. Téma 4: Grupy, okruhy a pole
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,
Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem
Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem
Kapitola Základní množinové pojmy Princip rovnosti. Dvě množiny S a T jsou si rovny (píšeme S = T ) prvek T je také prvkem S.
1 Kapitola 1 Množiny 11 Základní množinové pojmy Pojem množiny nedefinujeme, pouze připomínáme, že množina je souhrn, nebo soubor navzájem rozlišitelných objektů, kterým říkáme prvky 111 Princip rovnosti
NMAI059 Pravděpodobnost a statistika
NMAI059 Pravděpodobnost a statistika podle přednášky Daniela Hlubinky (hlubinka@karlin.mff.cuni.cz) zapsal Pavel Obdržálek (pobdr@matfyz.cz) 205/20 poslední změna: 4. prosince 205 . přednáška. 0. 205 )
6.1 Vektorový prostor
6 Vektorový prostor, vektory Lineární závislost vektorů 6.1 Vektorový prostor Nechť je dán soubor nějakých prvků, v němž je dána jistá struktura vztahů mezi jednotlivými prvky nebo v němž jsou předepsána
Lineární algebra : Skalární součin a ortogonalita
Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 30. dubna 2014, 09:00 1 2 15.1 Prehilhertovy prostory Definice 1. Buď V LP nad
Základy matematiky pro FEK
Základy matematiky pro FEK 4. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 27 Množiny Zavedení pojmu množina je velice
Výroková a predikátová logika - IX
Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2013/2014 1 / 15 Korektnost a úplnost Důsledky Vlastnosti teorií
Matematika I 12a Euklidovská geometrie
Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky
TEORIE MÍRY V některých předchozích kapitolách jste se setkali s měřením velikostí množin a víte, jaké byly těžkosti s měřením množin i na reálné ose.
TEORIE MÍRY V některých předchozích kapitolách jste se setkali s měřením velikostí množin a víte, jaké byly těžkosti s měřením množin i na reálné ose. Kvůli těmto těžkostem se měření zúžilo jen na délku
Arnoldiho a Lanczosova metoda
Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat
Pravděpodobnost a statistika
Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:
Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé
10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
Odpřednesenou látku naleznete v kapitolách skript Abstraktní a konkrétní lineární algebra.
nad obecným tělesem a lineární kombinace Odpřednesenou látku naleznete v kapitolách 1.1 1.4 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 1.10.2015: 1/20 nad obecným tělesem Co
1 Topologie roviny a prostoru
1 Topologie roviny a prostoru 1.1 Základní pojmy množin Intervaly a okolí Intervaly v rovině nebo prostoru jsou obdélníky nebo hranoly se stranami rovnoběžnými s osami souřadnic. Podmnožiny intervalů se
Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1
Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text
Výroková a predikátová logika - XIII
Výroková a predikátová logika - XIII Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - XIII ZS 2013/2014 1 / 13 Úvod Algoritmická (ne)rozhodnutelnost Které
Definice : Definice :
KAPITOLA 7: Spektrální analýza operátorů a matic [PAN16-K7-1] Definice : Necht H je komplexní Hilbertův prostor. Řekneme, že operátor T B(H) je normální, jestliže T T = T T. Operátor T B(H) je normální
Modely Herbrandovské interpretace
Modely Herbrandovské interpretace Petr Štěpánek S využitím materialu Krysztofa R. Apta 2006 Logické programování 8 1 Uvedli jsme termové interpretace a termové modely pro logické programy a také nejmenší
3. přednáška 15. října 2007
3. přednáška 15. října 2007 Kompaktnost a uzavřené a omezené množiny. Kompaktní množiny jsou vždy uzavřené a omezené, a v euklidovských prostorech to platí i naopak. Obecně to ale naopak neplatí. Tvrzení
Aplikovaná matematika I, NMAF071
M. Rokyta, MFF UK: Aplikovaná matematika I kap. 1: Úvod, čísla, zobrazení, posloupnosti 1 Aplikovaná matematika I, NMAF071 M. Rokyta, KMA MFF UK ZS 2013/14 Sylabus = obsah (plán) přednášky [a orientační
AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]
1. část 1. (u 1, u 2, u, u 4 ) je kladná báze orientovaného vektorového prostoru V 4. Rozhodněte, zda vektory (u, 2u 1 + u 4, u 4 u, u 2 ) tvoří kladnou, resp. zápornou bázi V 4. 0 2 0 0 0 0 0 1 0 2 0
Booleovy algebry. Irina Perfilieva. logo
Booleovy algebry Irina Perfilieva Irina.Perfilieva@osu.cz 25. března 2010 Outline 1 Komplementární svazy 2 Booleovy algebry 3 Věty o Booleových algebrách Outline 1 Komplementární svazy 2 Booleovy algebry
OBECNÁ TOPOLOGIE - PŘEDNÁŠKA ZIMA 2014/15. Literatura: Je možno užívat knihy od Engelkinga, Kelleyho, Nagaty, Dugundjiho,...
OBECNÁ TOPOLOGIE - PŘEDNÁŠKA ZIMA 2014/15 Literatura: Je možno užívat knihy od Engelkinga, Kelleyho, Nagaty, Dugundjiho,... 1. Pojem topologického prostoru Historie: Maurice Fréchet (1906) definoval metrické
H = 1 ( ) 1 1. dostaneme bázi označovanou často znaménky plus a minus:
Propletené stavy Standardní bázi kubitu máme ve zvyku značit symboly a. Existuje ovšem nekonečně mnoho jiných ortonormálních bází které vzniknou ze standardní báze vždy nějakou unitární transformací. Použijeme-li
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární
Výroková a predikátová logika - III
Výroková a predikátová logika - III Petr Gregor KTIML MFF UK ZS 2014/2015 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - III ZS 2014/2015 1 / 21 Výroková logika Horn-SAT Horn-SAT Jednotková
ALGEBRA. Téma 5: Vektorové prostory
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)