Dynamické programování

Rozměr: px
Začít zobrazení ze stránky:

Download "Dynamické programování"

Transkript

1 ALG Dynamické rogramování Nejdelší rostoucí odoslounost Otimální ořadí násobení matic

2 Nejdelší rostoucí odoslounost Z dané oslounosti vyberte co nejdelší rostoucí odoslounost Řešení: Jiné možné varianty Vlastnosti hledané odoslounosti: Klesající, nerostoucí, neklesající, aritmetická, s omezenou rychlostí růstu, s váhami rvků, atd., Konceční řístu I zde nerobírané Převeď na známou úlohu, definuj vhodný DAG odle daných vlastností odoslounosti, v DAG hledej nejdelší cestu.

3 Nejdelší rostoucí odoslounost Konceční řístu I Transformace na známou úlohu Prvky oslounosti budou uzly DAG, který je již toologicky usořádán, ořadí v oslounosti = ořadí v to. usořádání. Hrana x > y existuje rávě tehdy, když x je v oslounosti dříve než y a navíc x<y. V tomto DAG hledáme nejdelší cestu Algoritmus je znám, má složitost (N+M), tedy O(N ). Nař. ro rostoucí oslounost má složitost až (N ).

4 Nejdelší rostoucí odoslounost Konceční řístu II Sestav samostatný a otenciálně rychlejší algoritmus řešení: Registrujme otimální odoslounosti všech možných délek. Postuně metodou DP aktualizujme tyto otimální odoslounosti. k V k.. index rvku V.. hodnota rvku.. index ředchůdce.. index osledního rvku v rostoucí odoslounosti délky d =,,, N. Pro každý index k: Nechť d je index největšího rvku, ro který latí V[[d]] < V[k]. Potom [d+] := k, [k] = [d], okud d existuje. Jinak [] := k, [k] = null. V[[d]], d =..N je neklesající, lze v ní hledat v čase O(log N).

5 k V Nejdelší rostoucí odoslounost k.. index rvku V.. hodnota rvku.. index ředchůdce.. index osledního rvku v rostoucí odoslounosti délky d =,,, N k= k= Pro každý index k: Nechť d je index max. rvku, ro který latí V[[d]] < V[k]. Potom [d+] := k, [k] = [d], okud d existuje. Jinak [] := k, [k] = null. Pro každé k je nalezneme d v čase O(log N) ůlením intervalu. Aktualizace a roběhne v konstantním čase. Celkem je složitost O(N log (N)). 4

6 Nejdelší rostoucí odoslounost k k V V

7 Nejdelší rostoucí odoslounost k k V V VL Rekonstrukce otimální cesty Poslední definovaný rvek v je indexem osledního rvku jedné z otimálních odoslouností celé oslounosti. Pole určuje omocí ředchůdců tuto odoslounost. 6

8 Otimální ořadí násobení matic Instance úlohy Máme sočítat co nejefektivněji součin reálných matic A A A A 4 A 5 A 6, kde rozměry jednotlivých matic jsou o řadě 5, 5 5, 5 5, 5,, 5. (Výsledná matice D má rozměr ). Grafická odoba (dimenze matic ve srávném oměru) A A A A 4 A 5 A 6 D = Instance řevzata z [CLRS], ka. 5. 7

9 Otimální ořadí násobení matic Počet oerací v násobení dvou matic a b b = c a c b = b b oerací násobení ro výočet jednoho rvku výsledné matice a * c rvků ve výsledné matici Vynásobení dvou matic o rozměrech a b a b c vyžaduje celkem a * b * c oerací násobení dvou rvků (čísel). Sčítání zde neuvažujeme, lze ro něj vyvinout analogický ostu. 8

10 Otimální ořadí násobení matic A A A A 4 A 5 A 6 D = Sledujeme jen očet oerací součinu dvou reálných čísel. Uvažujeme různé možnosti uzávorkování a tím i ořadí výočtu. metoda Výraz Počet oerací zleva dorava zrava doleva ((((A A ) A ) A 4 ) A 5 ) A A (A (A (A 4 (A 5 A 6 )))) 47 5 nejhorší A ((A ((A A 4 ) A 5 )) A 6 ) 58 nejleší (A (A A )) ((A 4 A 5 ) A 6 ) 5 5 9

11 Otimální ořadí násobení matic Příklad násobení více matic + 4 = 54 o. 4 * * 4 = 4 o = o. 4 5 * * 4 = 6 o * * = o. o. o. * 5 * 4 = 4 o

12 Otimální ořadí násobení matic A = A = A = 5 5 Součin (A A ) A vyžaduje 54 oerace násobení. Součin A (A A ) vyžaduje oerací násobení. Evidentně, na zůsobu uzávorkování záleží. Catalanova čísla C N Součin A A A A N lze uzávorkovat 4 C N = Comb(N, N) / (N+) zůsoby. C, C,, C 7 =,,, 5, 4, 4,. C N >N ro N > 7. V obecném říadě by mělo vyzkoušení všech uzávorkování exonenciální složitost.

13 Ilustrace Otimální ořadí násobení matic 4 různých zůsobů uzávorkování součinu 5 činitelů A (A (A (A 4 A 5 ))) A (A ((A A 4 ) A 5 )) A ((A A ) (A 4 A 5 )) A ((A (A A 4 )) A 5 ) A (((A A ) A 4 ) A 5 ) (A A ) (A (A 4 A 5 )) (A A ) ((A A 4 ) A 5 ) (A (A A )) (A 4 A 5 ) ((A A ) A ) (A 4 A 5 ) (A (A (A A 4 ))) A 5 (A ((A A ) A 4 )) A 5 ((A A ) (A A 4 )) A 5 ((A (A A )) A 4 ) A 5 (((A A ) A ) A 4 ) A 5

14 Otimální ořadí násobení matic A (A A A 4 A N- A N ) (A A ) (A A 4 A N- A N ) (A A A ) (A 4 A N- A N ) (A A A A 4 ) ( A N- A N )... (A A A A 4 ) (A N- A N ) (A A A A 4 A N- ) A N N možných míst, v nichž výraz rozdělíme a rovedeme oslední násobení Předokládejme, že máme ředočítáno otimální uzávorkování ro každý modrý úsek celkového výrazu.

15 Otimální ořadí násobení matic A (A A A 4 A N- A N ) (A A ) (A A 4 A N- A N ) (A A A ) (A 4 A N- A N ) (A A A A 4 ) ( A N- A N )... (A A A A 4 ) (A N- A N ) (A A A A 4 A N- ) A N = B[,] B[,N] = B[,] B[,N] = B[,] B[4,N] = B[,4] B[5,N]... = B[,N-] B[N-,N] = B[,N-] B[N,N] Matice B[i, j] ředstavuje výsledek vynásobení odovídajícího úseku. Nechť r(x) res. s(x) ředstavují očet řádků res slouců matice X. Podle ravidel násobení matic latí r(b[i, j]) = r(a i ), s(b[i, j]) = s(a j ), ro i j N. 4

16 Otimální ořadí násobení matic Nechť MO[i, j] ředstavuje minimální očet oerací otřebných k výočtu matice B[i, j], tj. minimální očet oerací otřebných k výočtu matice A i A i+ A j- A j. A4BALG 5/ B[,] B[,] B[,]... B[,N-] B[,N-] B[,N] B[,N] B[4,N] B[N-,N] B[N,N] MO[,] + r(a )*s(a )*s(a N ) + MO[, N] MO[,] + r(a )*s(a )*s(a N ) + MO[, N] MO[,] + r(a )*s(a )*s(a N ) + MO[4, N] MO[,N-] + r(a )*s(a N- )*s(a N ) + MO[N-, N] MO[,N-] + r(a )*s(a N- )*s(a N ) + MO[N, N] oerací v levém úseku oerací ři násobení B[,.] B[.,N] oerací v ravém úseku Celkem dostáváme MO[,N]: MO[,N] = min {MO[,k] + r(a )*s(a k )*s(a N ) + MO[k+, N] k =..N-} 5

17 Otimální ořadí násobení matic MO[,N] = min {MO[,k] + r(a )*s(a k )*s(a N ) + MO[k+, N] k =..N-} Za ředokladu znalosti MO[i, j] ro úseky kratší než [, N], lze řešení celé úlohy, tj. hodnotu MO[, N], sočíst v čase (N). (*) Rekurentní využití řešení menších odúloh Identické úvahy, jaké jsme rovedli ro celý výraz A A A A N, rovedeme rovněž ro každý jeho souvislý úsek A L A L+ A R- A R, L R N. Počet těchto souvislých úseků je stejný jako očet dvojic indexů (L, R), kde L R N. Ten je roven Comb(N, ) (N ). Podúlohu na úseku (L, R) lze sočíst odle (*) v čase O(N), celou úlohu tak lze vyřešit v čase O(N ). 6

18 Otimální ořadí násobení matic * MO[L,R] = min {MO[L,k] + r(a L )*s(a k )*s(a R ) + MO[k+,R] k = L..R-} Hodnoty MO[L,R] ukládáme do D ole na ozici s indexy [L][R]. * A4BALG 5/ Při výočtu MO[L,R] odle oužíváme vesměs hodnoty MO[x,y], kde rozdíl y - x (odovídající délce odvýrazu) je menší než rozdíl R - L. Tabulku DP roto vylňujeme v ořadí rostoucích rozdílů R - L.. Vylníme rvky s indexy[l][r], kde R-L =, to je hlavní diagonála.. Vylníme rvky s indexy[l][r], kde R-L =, to je diagonála těsně nad hlavní diagonálou.. Vylníme rvky s indexy[l][r], kde R-L =, to je diagonála těsně nad ředchozí diagonálou. N-. Vylníme rvek s indexem [L][R], kde R-L = N-, to je ravý horní roh tabulky. 7

19 Otimální ořadí násobení matic Schéma ostuu výočtu R - L = R - L = R - L = R - L = R - L = N- R - L = N- Sto 8

20 Otimální ořadí násobení matic MO[L,R] = min {MO[L,k] + r(a L )*s(a k )*s(a R ) + MO[k+,R] k = L..R-} Ukázka ostuu výočtu MO a b c d 8 w x y z MO[,8] = min { MO[,] + r(a )*s(a )*s(a 8 ) + MO[4,8], MO[,4] + r(a )*s(a 4 )*s(a 8 ) + MO[5,8], MO[,5] + r(a )*s(a 5 )*s(a 8 ) + MO[6,8], MO[,6] + r(a )*s(a 6 )*s(a 8 ) + MO[7,8], MO[,7] + r(a )*s(a 7 )*s(a 8 ) + MO[8,8]} Označme P[L, R] := r(a L )*s(a R ). Potom MO[,8] = min { + s(a )*P[,8] + w, a + s(a 4 )*P[,8] + x, b + s(a 5 )*P[,8] + y, c + s(a 6 )*P[,8] + z, d + s(a 7 )*P[,8] + }. 9

21 Otimální ořadí násobení matic Instance úlohy A A A A 4 A 5 A 6 D = MO otimum

22 Otimální ořadí násobení matic Rekonstrukce uzávorkování * MO[L,R] = min {MO[L,k] + r(a L )*s(a k )*s(a R ) + MO[k+,R] k = L..R-} Při určení MO[L,R] do rekonstrukční tabulky RT stejné velikosti jako MO zaneseme na ozici [L][R] hodnotu k, v níž minimum * nastalo. Hodnota k určuje otimální rozdělení výrazu (A L A L+ A R ) na dva menší otimálně uzávorkované výrazy (A L A L+ A k ) (A k+ A k+ A R ) Hodnota RT[, N] určuje otimální rozdělení celého výrazu A A A N na rvní dva menší otimálně uzávorkované výrazy (A A A k ) (A k+ A k+ A N ). Dále rekonstrukce otimálního uzávorkování okračuje rekurzivně analogicky ro výraz (A A A k ) a ro výraz (A k+ A k+ A N ) a dále ro jejich odvýrazy atd.

23 Otimální ořadí násobení matic RT A A A A4 A5A 6 A A 6 A A A A 4 A 6 A A A A A 4 A 5 A 6 A 6 (A (A A )) ((A 4 A 5 ) A 6 ) D =

24 Otimální ořadí násobení matic Odvození asymtotické složitosti index řádku Řádkové součty Počet buněk, z nichž je očítán obsah dané buňky v DP tabulce, je úměrný složitosti výočtu obsahu této buňky. k = N k = N k = N / * (N ) * N / * (N ) * (N ) / * (N ) * (N ) N N N N 4 N N N 5 N 4 N k = k / * k * (k+) N k N k N k k = k = k = / * * 4 / * * / * * Celkový součet N- N- / * k * (k+) = / * k N- + / * k k= k= k= = / * (N ) * N * (N )/6 + / * (N ) * N/ (N )

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2013/2014 Radim Farana. Obsah. Strom

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2013/2014 Radim Farana. Obsah. Strom 8 Podklady ředmětu ro akademický rok 2013/2014 Radim Farana Obsah 2 Dynamické datové struktury. Strom. Binární stromy. Vyhledávací stromy. Vyvážené stromy. AVL stromy. Strom 3 Název z analogie se stromy.

Více

Dynamické programování

Dynamické programování Dynamické programování prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA)

Více

Analytická metoda aneb Využití vektorů v geometrii

Analytická metoda aneb Využití vektorů v geometrii KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor

Více

Úvěr a úvěrové výpočty 1

Úvěr a úvěrové výpočty 1 Modely analýzy a syntézy lánů MAF/KIV) Přednáška 8 Úvěr a úvěrové výočty 1 1 Rovnice úvěru V minulých řednáškách byla ro stav dluhu oužívána rovnice 1), kde ředokládáme, že N > : d = a b + = k > N. d./

Více

PARALELNÍ PROCESY A PROGRAMOVÁNÍ

PARALELNÍ PROCESY A PROGRAMOVÁNÍ PARALELNÍ PROCESY A PROGRAMOVÁNÍ 6 Analýza složitosti algoritmů - cena, ráce a efektivita Ing. Michal Bližňák, Ph.D. Zlín 2013 Tento studijní materiál vznikl za finanční odory Evroského sociálního fondu

Více

3.2 Metody s latentními proměnnými a klasifikační metody

3.2 Metody s latentními proměnnými a klasifikační metody 3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.

Více

Laplaceova transformace.

Laplaceova transformace. Lalaceova transformace - studijní text ro cvičení v ředmětu Matematika -. Studijní materiál byl řiraven racovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za odory grantu IG ČVUT č. 300043 a v rámci

Více

1. série. Různá čísla < 1 44.

1. série. Různá čísla < 1 44. série Téma: Termínodeslání: Různá čísla ½ º Ò ½ ½º ÐÓ je řirozené q9+9 q 6+ 9 9 6 ¾º ÐÓ `5+ 6 998 není řirozené º ÐÓ Nechť c je řirozené číslo Rozhodněte, které z čísel c+ c a c c je větší a své tvrzení

Více

Návrh Designu: Radek Mařík

Návrh Designu: Radek Mařík 1. 7. Najděte nejdelší rostoucí podposloupnost dané posloupnosti. Použijte metodu dynamického programování, napište tabulku průběžných délek částečných výsledků a tabulku předchůdců. a) 5 8 11 13 9 4 1

Více

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány

Více

7. VÝROBNÍ ČINNOST PODNIKU

7. VÝROBNÍ ČINNOST PODNIKU 7. Výrobní činnost odniku Ekonomika odniku - 2009 7. VÝROBNÍ ČINNOST PODNIKU 7.1. Produkční funkce teoretický základ ekonomiky výroby 7.2. Výrobní kaacita Výrobní činnost je tou činností odniku, která

Více

NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL

NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL 1. ZADÁNÍ Navrhněte růměr a výztuž vrtané iloty délky L neosuvně ořené o skalní odloží zatížené v hlavě zadanými vnitřními silami (viz

Více

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.

Více

Cyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23

Cyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23 Cyklické kódy 5. řednáška z algebraického kódování Alena Gollová, TIK Cyklické kódy 1/23 Obsah 1 Cyklické kódy Generující olynom - kódování Kontrolní olynom - objevování chyb Alena Gollová, TIK Cyklické

Více

Téma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV

Téma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV Téma 7: Přímý Otimalizovaný Pravděodobnostní Výočet POPV Přednáška z ředmětu: Pravděodobnostní osuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola

Více

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými 1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte

Více

14. Soustava lineárních rovnic s parametrem

14. Soustava lineárních rovnic s parametrem @66 4. Sousava lineárních rovnic s aramerem Hned úvodem uozorňuji, že je velký rozdíl mezi sousavou rovnic řešenou aramerizováním, roože má nekonečně mnoho řešení zadaná sousava rovnic obsahuje jen číselné

Více

SHANNONOVY VĚTY A JEJICH DŮKAZ

SHANNONOVY VĚTY A JEJICH DŮKAZ SHANNONOVY VĚTY A JEJICH DŮKAZ JAN ŠŤOVÍČEK Abstrakt. Důkaz Shannonových vět ro binární symetrický kanál tak, jak měl být robrán na řednášce. Číslování vět odovídá řednášce. 1. Značení a obecné ředoklady

Více

Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné

Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné Slezská univerzita v Oavě Obchodně odnikatelská fakulta v Karviné Přijímací zkouška do. ročníku OPF z matematiky (00) A Příklad. Určete definiční oboovnice a rovnici řešte. n + n =. + D : n N n = b b +

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Dynamické programování

Dynamické programování ALG 0 Dynamické programování zkratka: DP Zdroje, přehledy, ukázky viz https://cw.fel.cvut.cz/wiki/courses/a4balg/literatura_odkazy 0 Dynamické programování Charakteristika Neřeší jeden konkrétní typ úlohy,

Více

Obr. V1.1: Schéma přenosu výkonu hnacího vozidla.

Obr. V1.1: Schéma přenosu výkonu hnacího vozidla. říklad 1 ro dvounáravové hnací kolejové vozidlo motorové trakce s mechanickým řenosem výkonu určené následujícími arametry určete moment hnacích nárav, tažnou sílu na obvodu kol F O. a rychlost ři maximálním

Více

Dynamické programování

Dynamické programování ALG 11 Dynamické programování Úloha batohu neomezená Úloha batohu /1 Úloha batohu / Knapsack problem Máme N předmětů, každý s váhou Vi a cenou Ci (i = 1, 2,..., N) a batoh s kapacitou váhy K. Máme naložit

Více

1.3.3 Přímky a polopřímky

1.3.3 Přímky a polopřímky 1.3.3 římky a olořímky ředoklady: 010302 edagogická oznámka: oslední říklad je oakování řeočtu řes jednotku. okud hodina robíhá dobře, dostanete se k němu řed koncem hodiny. edagogická oznámka: Nakreslím

Více

7. Funkce jedné reálné proměnné, základní pojmy

7. Funkce jedné reálné proměnné, základní pojmy , základní pojmy POJEM FUNKCE JEDNÉ PROMĚNNÉ Reálná funkce f jedné reálné proměnné je funkce (zobrazení) f: X Y, kde X, Y R. Jde o zvláštní případ obecného pojmu funkce definovaného v přednášce. Poznámka:

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

Metody s latentními proměnnými a klasifikační metody

Metody s latentními proměnnými a klasifikační metody Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie etody s latentními roměnnými a klasifikační metody Ing. Roman Slavík V Bohumíně 4.4. ŽDB a.s. Příklad č. Vyočtěte algoritmem

Více

Přednáška č. 11 Analýza rozptylu při dvojném třídění

Přednáška č. 11 Analýza rozptylu při dvojném třídění Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané

Více

Lineární algebra : Násobení matic a inverzní matice

Lineární algebra : Násobení matic a inverzní matice Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Poslounosti a řady funkcí študenti MFF 15. augusta 2008 1 3 Poslounosti a řady funkcí Požadavky Sojitost za ředokladu stejnoměrné konvergence Mocninné

Více

EKONOMETRIE 4. přednáška Modely chování spotřebitele

EKONOMETRIE 4. přednáška Modely chování spotřebitele EKONOMETRIE 4. řednáška Modely chování sotřebitele Rozočtové omezení Sotřebitel ři svém rozhodování resektuje tzv. rozočtové omezení x + x y, kde x i množství i-té sotřební komodity, i cena i-té sotřební

Více

Výpočet svislé únosnosti osamělé piloty

Výpočet svislé únosnosti osamělé piloty Inženýrský manuál č. 13 Aktualizace: 04/2016 Výočet svislé únosnosti osamělé iloty Program: Soubor: Pilota Demo_manual_13.gi Cílem tohoto inženýrského manuálu je vysvětlit oužití rogramu GEO 5 PILOTA ro

Více

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain) Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) 3 5 1 4 Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův

Více

6. Zobrazení δ: (a) δ(q 0, x) obsahuje x i, x i Z. (b) δ(x i, y) obsahuje y j, x i y j P 7. Množina F je množinou koncových stavů.

6. Zobrazení δ: (a) δ(q 0, x) obsahuje x i, x i Z. (b) δ(x i, y) obsahuje y j, x i y j P 7. Množina F je množinou koncových stavů. Vzth mezi reg. výrzy kon. utomty Automty grmtiky(bi-aag) 7. Převody mezi reg. grm., reg. výrzy kon. utomty Jn Holu Algoritmus (okrčování): 6. Zorzení δ: () δ(, x) oshuje x i, x i Z. () δ(x i, y) oshuje

Více

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2. 1 3 4 5 6 7 8 9 10 11 1 13 14 15 16 17 18 19 0 1 3 4 5 6 7 8 9 30 31 3 Zdůvodněte, proč funkce f(n) = n log(n) 1 n 1/ roste rychleji než funkce g(n) = n. Zdůvodněte, proč funkce f(n) = n 3/ log(n) roste

Více

Předpjatý beton Přednáška 6

Předpjatý beton Přednáška 6 Předjatý beton Přednáška 6 Obsah Změny ředětí Okamžitým ružným řetvořením betonu Relaxací ředínací výztuže Přetvořením oěrného zařízení Rozdílem telot ředínací výztuže a oěrného zařízení Otlačením betonu

Více

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný

Více

Lineární algebra : Násobení matic a inverzní matice

Lineární algebra : Násobení matic a inverzní matice Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A

Více

Matematika B101MA1, B101MA2

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

Více

Dynamické programování

Dynamické programování Dynamické programování Karel Richta a kol. Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze Karel Richta a kol., 207 Datové struktury a algoritmy, B6B36DSA 05/207, Lekce 2

Více

DMA Přednáška Rekurentní rovnice. takovou, že po dosazení odpovídajících členů do dané rovnice dostáváme pro všechna n n 0 + m pravdivý výrok.

DMA Přednáška Rekurentní rovnice. takovou, že po dosazení odpovídajících členů do dané rovnice dostáváme pro všechna n n 0 + m pravdivý výrok. DMA Přednáška Rekurentní rovnice Rekurentní rovnice či rekurzivní rovnice pro posloupnost {a n } je vztah a n+1 = G(a n, a n 1,..., a n m ), n n 0 + m, kde G je nějaká funkce m + 1 proměnných. Jejím řešením

Více

Úlohy domácí části I. kola kategorie C

Úlohy domácí části I. kola kategorie C 65. ročník Matematické olymiády Úlohy domácí části I. kola kategorie C. Najděte všechny možné hodnoty součinu rvočísel, q, r, ro která latí (q + r) = 637. Řešení. evou stranu dané rovnice rozložíme na

Více

Příklady z přednášek Statistické srovnávání

Příklady z přednášek Statistické srovnávání říklad z řednášek Statstcké srovnávání Jednoduché ndvduální ndex říklad V následující tabulce jsou uveden údaje o očtu závažných závad v areálu určté frm zjštěných a oravených v letech 9-998. Závažná závada

Více

CVIČENÍ Z ELEKTRONIKY

CVIČENÍ Z ELEKTRONIKY Střední růmyslová škola elektrotechnická Pardubice CVIČENÍ Z ELEKRONIKY Harmonická analýza Příjmení : Česák Číslo úlohy : Jméno : Petr Datum zadání :.1.97 Školní rok : 1997/98 Datum odevzdání : 11.1.97

Více

Lineární algebra Operace s vektory a maticemi

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

Více

Test prvočíselnosti. Úkol: otestovat dané číslo N, zda je prvočíslem

Test prvočíselnosti. Úkol: otestovat dané číslo N, zda je prvočíslem Test prvočíselnosti Úkol: otestovat dané číslo N, zda je prvočíslem 1. zkusit všechny dělitele od 2 do N-1 časová složitost O(N) cca N testů 2. stačí zkoušet všechny dělitele od 2 do N/2 (větší dělitel

Více

Výpočet svislé únosnosti osamělé piloty

Výpočet svislé únosnosti osamělé piloty Inženýrský manuál č. 13 Aktualizace: 06/2018 Výočet svislé únosnosti osamělé iloty Program: Soubor: Pilota Demo_manual_13.gi Cílem tohoto inženýrského manuálu je vysvětlit oužití rogramu GEO 5 PILOTA ro

Více

Algebraický úvod. Kapitola 1. 1.1 Pologrupa, monoid, neutrální prvek. 1.2 Grupa, inverzní prvek, krácení

Algebraický úvod. Kapitola 1. 1.1 Pologrupa, monoid, neutrální prvek. 1.2 Grupa, inverzní prvek, krácení Kaitola 1 Algebraický úvod 1.1 Pologrua, monoid, neutrální rvek Binární oerací na množině M se rozumí každé zobrazení M M M. Binární oerace se často zaisují jako násobení či sčítání, a to i když oerace

Více

PŘEDNÁŠKA 2 POSLOUPNOSTI

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

Více

Cvičení z termomechaniky Cvičení 5.

Cvičení z termomechaniky Cvičení 5. Příklad V komresoru je kontinuálně stlačován objemový tok vzduchu *m 3.s- + o telotě 0 * C+ a tlaku 0, *MPa+ na tlak 0,7 *MPa+. Vyočtěte objemový tok vzduchu vystuujícího z komresoru, jeho telotu a říkon

Více

Extrémy funkce dvou proměnných

Extrémy funkce dvou proměnných Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže

Více

, : (vzor prvku b) q ).

, : (vzor prvku b) q ). DSM Cv 6 Zobrazení : X Y, X X Y Y Je dána relace, : Obraz množiny X v relaci, ( X ) = { y Y; x X :[ x, y] }; v říadě, že X = { a}, íšeme ( a) (obraz rvku a), Vzor množiny Y v relaci, ; v říadě, že ( Y

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

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

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí: Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

Úloha č.1: Stanovení Jouleova-Thomsonova koeficientu reálného plynu - statistické zpracování dat

Úloha č.1: Stanovení Jouleova-Thomsonova koeficientu reálného plynu - statistické zpracování dat Úloha č.1: Stanovení Jouleova-Thomsonova koeficientu reálného lynu - statistické zracování dat Teorie Tam, kde se racuje se stlačenými lyny, je možné ozorovat zajímavý jev. Jestliže se do nádoby, kde je

Více

Systémové struktury - základní formy spojování systémů

Systémové struktury - základní formy spojování systémů Systémové struktury - základní formy sojování systémů Základní informace Při řešení ať již analytických nebo syntetických úloh se zravidla setkáváme s komlikovanými systémovými strukturami. Tato lekce

Více

1.5.5 Potenciální energie

1.5.5 Potenciální energie .5.5 Potenciální energie Předoklady: 504 Pedagogická oznámka: Na dosazování do vzorce E = mg není nic obtížnéo. Problém nastává v situacíc, kdy není zcela jasné, jakou odnotu dosadit za. Hlavním smyslem

Více

Adresní vyhledávání (přímý přístup, zřetězené a otevřené rozptylování, rozptylovací funkce)

Adresní vyhledávání (přímý přístup, zřetězené a otevřené rozptylování, rozptylovací funkce) 13. Metody vyhledávání. Adresní vyhledávání (přímý přístup, zřetězené a otevřené rozptylování, rozptylovací funkce). Asociativní vyhledávání (sekvenční, binárním půlením, interpolační, binární vyhledávací

Více

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef

Více

ALGEBRA. Téma 5: Vektorové prostory

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)

Více

METODICKÉ POZNÁMKY VÝPOČET BAZICKÉHO CENOVÉHO INDEXU *100

METODICKÉ POZNÁMKY VÝPOČET BAZICKÉHO CENOVÉHO INDEXU *100 METODICKÉ POZNÁMKY Index cen tržních služeb v rodukční sféře (Service Producer Price Index - SPPI) je ukazatel ro sledování cenových ohybů a měření inflačních tlaků na trhu služeb. Cenové indexy tržních

Více

Model tenisového utkání

Model tenisového utkání Model tenisového utkání Jan Šustek Semestrální rojekt do ředmětu Náhodné rocesy 2005 V této ráci se budu zabývat modelem tenisového utkání. Vstuními hodnotami budou úsěšnosti odání jednotlivých hráčů,

Více

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45.

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. Jednoduché cykly Tento oddíl obsahuje úlohy na první procvičení práce s cykly. Při řešení každé ze zde uvedených úloh stačí použít vedle podmíněných příkazů jen jediný cyklus. Nepotřebujeme používat ani

Více

Větrání hromadných garáží

Větrání hromadných garáží ětrání hromadných garáží Domácí ředis: ČSN 73 6058 Hromadné garáže, základní ustanovení, latná od r. 1987 Zahraniční ředisy: ÖNORM H 6003 Lüftungstechnische Anlagen für Garagen. Grundlagen, Planung, Dimensionierung,

Více

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

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

Více

1.5.2 Mechanická práce II

1.5.2 Mechanická práce II .5. Mechanická ráce II Předoklady: 50 Př. : Jakou minimální ráci vykonáš ři řemístění bedny o hmotnosti 50 k o odlaze o vzdálenost 5 m. Příklad sočítej dvakrát, jednou zanedbej třecí sílu mezi bednou a

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

Kapitola 1: Reálné funkce 1/13

Kapitola 1: Reálné funkce 1/13 Kapitola 1: Reálné funkce 1/13 Číselné množiny N, N 0, Z, Q, I, R, C Definice: Kartézský součin M N množin M a N je množina všech uspořádaných dvojic, ve kterých je první složka prvkem množiny M a druhá

Více

3. ANTAGONISTICKÉ HRY

3. ANTAGONISTICKÉ HRY 3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,

Více

Různé algoritmy mají různou složitost

Různé algoritmy mají různou složitost / 1 Různé algoritmy mají různou složitost 1/ 1 Rychlost... Jeden algoritmus (program, postup, metoda ) je rychlejší než druhý. Co ta věta znamená?? 2/ 1 Asymptotická složitost y y x x Každému algoritmu

Více

Algoritmizace Dynamické programování. Jiří Vyskočil, Marko Genyg-Berezovskyj 2010

Algoritmizace Dynamické programování. Jiří Vyskočil, Marko Genyg-Berezovskyj 2010 Dynamické programování Jiří Vyskočil, Marko Genyg-Berezovskyj 2010 Rozděl a panuj (divide-and-conquer) Rozděl (Divide): Rozděl problém na několik podproblémů tak, aby tyto podproblémy odpovídaly původnímu

Více

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t) MARKOVOVY PROCESY JAKO APARÁT PRO ŘEŠENÍ SPOLEHLIVOSTI VÍCESTAVOVÝCH SYSTÉMŮ Náhodné rocesy Náhodným (stochastckým) rocesem nazveme zobrazení, které každé hodnotě náhodnou velčnu X ( t). Proměnná t má

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

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

Více

Protokol o provedeném měření

Protokol o provedeném měření Fyzikální laboratoře FLM Protokol o rovedeném měření Název úlohy: Studium harmonického ohybu na ružině Číslo úlohy: A Datum měření: 8. 3. 2010 Jméno a říjmení: Viktor Dlouhý Fakulta mechatroniky TU, I.

Více

2. Najděte funkce, které vedou s těmto soustavám normálních rovnic

2. Najděte funkce, které vedou s těmto soustavám normálních rovnic Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce

Více

Slovní úlohy 1. 2,42cm; 7cm; 11,58cm; 2. původní cena; dní; 4. 2,3*10 15 kg; 5. 2,8*10 14 ; ; 27325; 7. 3, 9, 27; -3, 9, -27;

Slovní úlohy 1. 2,42cm; 7cm; 11,58cm; 2. původní cena; dní; 4. 2,3*10 15 kg; 5. 2,8*10 14 ; ; 27325; 7. 3, 9, 27; -3, 9, -27; 1. Posloupnosti 1.1. Úvod geometrické znázornění, monotonie posloupnosti, rekurentní vzorec a vzorec pro n-tý člen. 1.A) 15, 17, 19; B) 128, 256, 512; C) 45, 51, 57; D) 6, 2, 4; E) 32768, 131072, 524288;

Více

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma :

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma : Jednoduché vratné děje ideálního lynu ) Děj izoter mický ( = ) Za ředokladu konstantní teloty se stavová rovnice ro zadané množství lynu změní na známý zákon Boylův-Mariottův, která říká, že součin tlaku

Více

Časová a prostorová složitost algoritmů

Časová a prostorová složitost algoritmů .. Časová a prostorová složitost algoritmů Programovací techniky doc. Ing. Jiří Rybička, Dr. ústav informatiky PEF MENDELU v Brně rybicka@mendelu.cz Hodnocení algoritmů Programovací techniky Časová a prostorová

Více

Binární vyhledávací stromy pokročilé partie

Binární vyhledávací stromy pokročilé partie Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald

Více

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule. Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,

Více

Kontakt. Naučit se navrhovat a analyzovat netriviální datové struktury. registrováni na SISu

Kontakt. Naučit se navrhovat a analyzovat netriviální datové struktury. registrováni na SISu Základní informace Datové struktury I NTIN066 Jirka Fink htts://ktiml.mff.cuni.cz/ fink/ Kontakt E-mail fink@ktiml.mff.cuni.cz Homeae htts://ktiml.mff.cuni.cz/ fink/ Konzultace Individuální domluva Katedra

Více

Spojitost a limita funkce

Spojitost a limita funkce Spojitost a ita funkce Okolí bodu Značení: a R ε > 0 označujeme O ε (a) = (a ε, a + ε) ε-ové okolí bodu a O + ε (a) = a, a + ε) pravé okolí, O ε (a) = (a ε, a levé okolí P ε (a) = O ε (a) \ {a} x a ε-ové

Více

Vzdálenost uzlů v neorientovaném grafu

Vzdálenost uzlů v neorientovaném grafu Vzdálenosti a grafy Vzdálenost uzlů v neorientovaném grafu Je dán neorientovaný neohodnocený graf G = (V,E,I) vzdálenost uzlů u a v v neorientovaném souvislém grafu G je délka nejkratší cesty spojující

Více

Souřadnicové prostory

Souřadnicové prostory Prostor objektu Tr. objektu Tr. modelu Prostor scény Souřadnicové prostory V V x, y z x, y z z -z x, y Tr. objektu V =V T 1 T n M Tr. modelu Tr. scény x, y Tr. pohledu Tr. scény Tr. pohledu Prostor pozorovatele

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC .6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom

Více

COMPLEXITY

COMPLEXITY Níže uvedené úlohy představují přehled otázek, které se vyskytly v tomto nebo v minulých semestrech ve cvičení nebo v minulých semestrech u zkoušky. Mezi otázkami semestrovými a zkouškovými není žádný

Více

F4 SÍLA, PRÁCE, ENERGIE A HYBNOST

F4 SÍLA, PRÁCE, ENERGIE A HYBNOST F4 SÍLA, PRÁCE, ENERGIE A HYBNOST Evroský sociální fond Praha & EU: Investujeme do vaší budoucnosti F4 SÍLA, PRÁCE, ENERGIE A HYBNOST Prvními velmi důležitými ojmy jsou mechanická ráce a otenciální energie

Více

Algoritmy I, složitost

Algoritmy I, složitost A0B36PRI - PROGRAMOVÁNÍ Algoritmy I, složitost České vysoké učení technické Fakulta elektrotechnická v 1.01 Rychlost... Jeden algoritmus (program, postup, metoda ) je rychlejší než druhý. Co ta věta znamená??

Více

Matematika (KMI/PMATE)

Matematika (KMI/PMATE) Úvod do matematické analýzy Funkce a její vlastnosti Funkce a její vlastnosti Veličina Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Funkce a její

Více

4. Kombinatorika a matice

4. Kombinatorika a matice 4 Kombinatorika a matice 4 Princip inkluze a exkluze Předpokládejme, že chceme znát počet přirozených čísel menších než sto, která jsou dělitelná dvěma nebo třemi Označme N k množinu přirozených čísel

Více

Úlohy klauzurní části školního kola kategorie A

Úlohy klauzurní části školního kola kategorie A 64. ročník matematické olympiády Úlohy klauzurní části školního kola kategorie 1. Určete počet cest délky 14, které vedou po hranách sítě na obrázku z bodu do bodu. élka každé hrany je jedna.. Je dán rovnoběžník,

Více

NPRG030 Programování I, 2018/19 1 / :03:07

NPRG030 Programování I, 2018/19 1 / :03:07 NPRG030 Programování I, 2018/19 1 / 20 3. 12. 2018 09:03:07 Vnitřní třídění Zadání: Uspořádejte pole délky N podle hodnot prvků Měřítko efektivity: * počet porovnání * počet přesunů NPRG030 Programování

Více

1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd.

1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd. SROVNÁVÁNÍ HODNOT STATSTCÝCH UKAZATELŮ - oisem a analýzou ekonomikýh jevů a roesů omoí statistikýh ukazatelů se zabývá hosodářská statistika - ílem je nalézt zůsoby měření ekonomiké skutečnosti (ve formě

Více

Způsob určení množství elektřiny z kombinované výroby vázané na výrobu tepelné energie

Způsob určení množství elektřiny z kombinované výroby vázané na výrobu tepelné energie Příloha č. 2 k vyhlášce č. 439/2005 Sb. Zůsob určení množství elektřiny z kombinované výroby vázané na výrobu teelné energie Maximální množství elektřiny z kombinované výroby se stanoví zůsobem odle následujícího

Více

GONIOMETRICKÉ ROVNICE -

GONIOMETRICKÉ ROVNICE - 1 GONIOMETRICKÉ ROVNICE - Pois zůsobu oužití: teorie k samostudiu (i- learning) ro 3. ročník střední školy technického zaměření, teorie ke konzultacím dálkového studia Vyracovala: Ivana Klozová Datum vyracování:

Více

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

Více

1 Posloupnosti a řady.

1 Posloupnosti a řady. 1 Posloupnosti a řady. 1.1 Posloupnosti reálných čísel. Definice 1.1: Posloupností reálných čísel nazýváme zobrazení f množiny N všech přirozených čísel do množiny R všech reálných čísel. Pokud nemůže

Více

Funkce a lineární funkce pro studijní obory

Funkce a lineární funkce pro studijní obory Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce

Více