Fourierovské metody v teorii difrakce a ve strukturní analýze

Rozměr: px
Začít zobrazení ze stránky:

Download "Fourierovské metody v teorii difrakce a ve strukturní analýze"

Transkript

1 Osnova přednášky na 31 kolokviu Krystalografické společnosti Výpočetní metody v rtg a neutronové strukturní analýze Nové Hrady, Fourierovské metody v teorii difrakce a ve strukturní analýze Jiří Komrska Ústav fyzikálního inženýrství, FSI VUT v Brně, Technická 2, Brno A Význam Fourierovy transformace v teorii difrakce 1 Definice Fundamentální věta 2 Význam Fourierovy transformace v teorii difrakce 3 Fourierova transformace ve sférických souřadnicích a atomový faktor 4 Linearita Fourierovy transformace a Babinetův princip 5 Konvoluce a Fourierova transformace konvoluce Korelace, autokorelace 6 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat lineární regulární transformací souřadnic 7 Středová symetrie čtverce modulu Fourierovy transformace a Friedelův zákon 8 Fourierova transformace součtu f x = n j=1 f 0 x x j a fraunhoferovská difrakce na soustavě identických stejně orientovaných objektů B Mřížka tvořená body, mřížková funkce a její Fourierova transformace, reciproká mřížka 9 Mřížková funkce 10 Algebraická definice reciproké mřížky 11 Reciproká mřížka a Fourierova transformace mřížkové funkce C Kinematická teorie difrakce 12 Nekonečná krystalová mřížka a její Fourierova transformace Strukturní faktor 13 Konečná krystalová mřížka a její Fourierova transformace Mřížková a tvarová amplituda 14 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách Laueovy rovnice, Braggova rovnice

2 1 Definice Fundamentální věta Pro x, X E N a reálné nenulové konstanty A, B, k vázané podmínkou definujeme: AB = k 2π FT{f x} = A N f x exp ikx x d N x, FT 1 {F X} = B N F X expikx x d N X 1 Podmínka 1 vyplývá z fundamentální věty FT 1{ FT{f x} } = FT { FT 1 {f x} } = f x a dovoluje nazývat funkce f x a F X dvojící funkcí souvisejících spolu Fourierovou transformací ve smyslu F X = FT { f x }, f x = FT 1{ F X } 2 Význam Fourierovy transformace v teorii difrakce Fourierova transformace v jistém smyslu charakterizuje směrovou závislost rozptylu kolimovaného svazku záření na zkoumaném objektu Proměnná X mívá význam rozdílu X = n n 0 jednotkových vektorů ve směru rozptýleného n a dopadajícího n 0 záření nebo je tomuto rozdílu úměrná, takže platí X = 2 sin ϑ, kde 2ϑ je úhel mezi vektory n a n 0 3 Fourierova transformace ve sférických souřadnicích a atomový faktor Fourierovu transformaci sféricky symetrických funkcí f 0 r a F 0 R v E 3 lze transformací do sférických souřadnic a integrací podle úhlových proměnných vyjádřit ve tvaru F 0 R = A 3 4π f 0 r = B 3 4π kde r = x, R = X Atomový faktor pro rentgenové záření sin ϑ f X = 4π r 2 sin krr f 0 r dr, krr R 2 sin krr F 0 R krr dr, sin ϑ r 2 sin4π pr r 4π sin ϑ r dr, kde pr je časová střední hodnota hustoty pravděpodobnosti výskytu elektronu, má v tomto smyslu tvar Fourierovy transformace při volbě A = B = 1, k = 2π a z toho vyplývající interpretaci X = R = n n 0 = 2 sin ϑ 4 Linearita Fourierovy transformace a Babinetův princip Linearita: FT α j f j x = j j α j FT {f j x}

3 Komplementární objekty f 1 x, f 2 x: Pro X 0 je α 1 f 1 x + α 2 f 2 x = const α 1 F 1 X + α 2 F 2 X = const B N δ X F 1 X = α 2 F 2 X, α 1 F 1 X 2 = α 2 F2 2 X 2 Babinetův princip obr 1 α 1 Obrázek 1: Ilustrace Babinetova principu: Fraunhoferova difrakce na pozitivu a negativu rozostřeného astigmatického elektronově mikroskopického snímku uhlíkové blány 5 Konvoluce a Fourierova transformace konvoluce Korelace, autokorelace Konvoluce: f x = f 1 x f 2 x = f 1 y f 2 x y d N y Fourierova transformace konvoluce a Fourierova transformace součinu: i a tedy FT { f 1 x f 2 x } = 1 A N F 1 XF 2 X FT 1{ F 1 XF 2 X } = A N f 1 x f 2 x ii a tedy FT { f 1 xf 2 x } = B N F 1 X F 2 X FT 1{ F 1 X F 2 X } = 1 B N f 1 xf 2 x

4 Korelace: f x = f 1 x f 2 x = = f1 x f 2 x f 1 y f 2 y + x d N y = 6 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat lineární regulární transformací souřadnic x, x 0 sloupcové matice, M regulární matice, X řádková matice Je-li f x = f 0 M x x 0, je F X = det M 1 exp ik X x 0 F 0 XM 1 Zvláštní případy: M = I, x 0 0 translace, M = M 1 T ortogonální matice, x = 0 rotace resp zrcadlení 7 Středová symetrie čtverce modulu Fourierovy transformace a Friedelův zákon f x = f x F X = F X f x = f x = F XF X = F XF X Friedelův zákon obr 2 Obrázek 2: Ilustrace Friedelova zákona: Fresnelův portrét zdobící titulní stránku jeho sebraných spisů Œuvres complètes d Augustin Fresnel, tome 1 Imprimerie impériale, Paris 1866 a Fraunhoferova difrakce z negativu portrétní perokresby Portrét nemá středovou symetrii, má však reálnou funkci propustnosti V důsledku toho má difrakční obrazec středovou symetrii

5 8 Fourierova transformace součtu f x = n j=1 f 0 x x j a fraunhoferovská difrakce na soustavě identických stejně orientovaných objektů Fourierova transformace translace: Identické objekty: f x = FT { f x x 0 } = exp ik X x 0 FT { f x } j=1 n f 0 x x j = f 0 x j=1 n δ x x j j=1 n n FT f 0 x x j = FT {f 0 x} exp ikx x j Obecné vlastnosti součtu S X; n = n j=1 exp ik X x j : i max S X; n = S 0; n = n j=1 ii iii iv S X X = 0, n = 0 S X; n = 0, když x j 0, j = 1,, n, = 1, když pro některé j je x j = 0 S X; n 2 = n 9 Mřížková funkce f x = δ x x n = δ x n 1 a 1 n N a N mřížková funkce Význam symbolů: a r, r = 1, 2,, N, jsou bazální vektory mřížky, nn 1, n 2,, n N je multiindex, x n = n 1 a 1 + n 2 a n N a N je mřížkový vektor Symbol vyjadřuje, že čísla n r nabývají všech celočíselných hodnot a že jde o N násobnou nekonečnou řadu a 1 a 1 a 1 a 2 a 1 a N a 2 a 1 a 2 a 2 a 2 a N det G = Gramův determinant, a N a 1 a N a 2 a N a N V U = [ det G ] 1/2 objem elementární buňky 10 Algebraická definice reciproké mřížky Definice bazálních vektorů a + s reciproké mřížky: a r a + s = δ rs, r, s = 1, 2,, N Explicitní vyjádření bazálních vektorů a + s reciproké mřížky prostřednictvím bazálních vektorů a r mřížky: a + s = det G s, s = 1, 2,, N, det G kde det G s je determinant vzniklý nahrazením prvků s tého řádku Gramova determinantu bazálními vektory a 1, a 2,, a N mřížky

6 11 Reciproká mřížka a Fourierova transformace mřížkové funkce tj X h = h 1 a h 2 a h N a + N mřížkový vektor reciproké mřížky { FT δ } x n 1 a 1 n N a N = 1 1 X B N 2π h 1 a + 1 V U k + + h N a N +, Důkaz není jednoduchý! FT { δ x x n } = 1 B N 1 V U δ δ X 2πk X h 12 Nekonečná krystalová mřížka a její Fourierova transformace Strukturní faktor f U x charakterizuje elementární buňku, F U X = FT { f U x } Nekonečná krystalová mřížka: f x = f U x δ x x n Její Fourierova transformace: F X = = N 2π 1 F U X k V U N 2π 1 k V U F U δ 2πk X X h 2π X k h = δ X 2πk X h 2π F U k X h 2π F 2 U k X h strukturní amplituda, strukturní faktor Fourierova řada krystalové mřížky: 1 f x = A N V U F U 2π k X h exp 2π ix h x 13 Konečná krystalová mřížka a její Fourierova transformace Mřížková a tvarová amplituda Laue: f x = f U x δ x x n Symbol n V vyjadřuje, že součet tvoří konečný počet sčítanců, v nichž koncový bod mřížkového vektoru x n patří do oblasti V objem krystalu n V F X = F U X G X, kde G X = exp ikx x n mřížková amplituda periodická funkce, n V speciální případ součtu S X; n z kap 8 max G X 2π = G X k h = V V U 2

7 Ewald: viz obr 3 a 4, kde f x = f U x δ x x n s x, 3 F X = F U X h inf δ n inf X 2πk X h G 1 X 4 s x = 1, když x V s x = 0, když x V tvarová funkce, G 1 X = 1 A N V U FT { s x } tvarová amplituda, G 1 0 = V V U 14 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách Laueovy rovnice, Braggova rovnice Difrakční maxima jsou ve směrech n h, pro něž je maximální velikost mřížkové amplitudy G X viz 2: n h n 0 = 2π k X h Při k = 2π tomu odpovídá n h n 0 = X h 5 Skalárním násobením 5 vektory a 1, a 2, a 3 se získávají Laueovy rovnice: n h n 0 a1 = h 1, n h n 0 a2 = h 2, n h n 0 a3 = h 3, tj cos α 1 cos α 01 = h1 a 1, cos α 2 cos α 02 = h2 a 2, cos α 3 cos α 03 = h3 a 3 Porovnáním velikostí vektorů na obou stranách 5 se získá Braggova rovnice: = 2d h1h 2h 3 sin ϑ, neboť n h n 0 = 2 sin ϑ, d h = 1 X h

8 Obrázek 3: Ilustrace vztahů 3 a 4: Vliv vnějšího tvaru konečné mřížky na tvar difrakčních stop a,b dvojrozměrné mřížky s touž strukturou čtverečnou, avšak s různými vnějšími okraji Obě mřížky se tedy liší pouze tvarovou funkcí s x c, e a d, f Fraunhoferova difrakce z a a b: c,d celá střední část difrakčního obrazce, e, f detail ukazující tvar difrakčních stop Difrakční obrazce v pravém a levém sloupci se liší pouze tvarovou amplitudou G 1 X

9 Obrázek 4: Ilustrace vztahů 3 a 4: Fraunhoferova difrakce na dvojrozměrné mřížce V horní části obrázku je táž dvojrozměrná mřížka tvořená jednou kruhovými jednou obdélníkovými otvory Obě mřížky se tedy liší pouze motivem f U x Ve střední části obrázku jsou celé Fraunhoferovy difrakční obrazce těchto mřížek Difrakční obrazce se liší pouze funkcí F U X a ukazují, že difrakční obrazec jako celek je vymezen tvarem odpovídajícím difrakci na motivu vytvářejícím mřížku rotačně symetrický Airyho difrakční obrazec představuje difrakci na kruhovém otvoru, kříž s rameny kolmými na strany obdélníků představuje difrakci na obdélníkovém otvoru V dolní části obrázku je zvětšená centrální část difrakčního obrazce Různost funkcí F U X se neprojevuje Hlavní maxima tvoří reciprokou mřížku k původní mřížce

17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda

17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda 17 KONEČNÁ KRYSTALOVÁ MŘÍŽKA, MŘÍŽKOVÁ A TVAROVÁ AMPLITUDA 1 17 Konečná krystalová mřížka a její Fourierova transformace. Mřížková a tvarová amplituda Konečnou mřížku f x) pravidelně rozmístěný motiv f

Více

MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE. Jiří Komrska

MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE. Jiří Komrska MATEMATICKÉ ZÁKLADY KINEMATICKÉ TEORIE DIFRAKCE Jiří Komrska Ústav fyzikálního inženýrství, Fakulta strojního inženýrství, VUT Brno, Technická 2, 616 69 Brno Přednášky pro doktorský studijní program 1

Více

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic 8 REGULÁRNÍ LINEÁRNÍ TRANSFORMACE SOUŘADNIC 8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic Ze zkušenosti s Fraunhoferovými difrakčními

Více

Krystalografie a strukturní analýza

Krystalografie a strukturní analýza Krystalografie a strukturní analýza O čem to dneska bude (a nebo také nebude): trocha historie aneb jak to všechno začalo... jak a čím pozorovat strukturu látek difrakce - tak trochu jiný mikroskop rozptyl

Více

4 Příklady Fraunhoferových difrakčních jevů

4 Příklady Fraunhoferových difrakčních jevů 47 4 Příklady Fraunhoferových difrakčních jevů 4.1 Fraunhoferova difrakce na obdélníkovém otvoru 4.2 Fraunhoferova difrakce na stěrbině 4.3 Fraunhoferova difrakce na kruhovém otvoru 4.4 Fraunhoferova difrakce

Více

18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách

18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách 18 SMĚRY HLAVNÍCH DIFRAKČNÍCH MAXIM PŘI DIFRAKCI NA MŘÍŽKÁCH 1 18 Podmínky pro směry hlavních difrakčních maxim při difrakci na mřížkách V odst. 2.1 bylo vysvětleno že vlnová funkce záření difraktovaného

Více

Poznámky k Fourierově transformaci

Poznámky k Fourierově transformaci Poznámky k Fourierově transformaci V těchto poznámkách jsou uvedeny základní vlastnosti jednorozměrné Fourierovy transformace a její aplikace na jednoduché modelové případy. Pro určitost jsou sdružené

Více

15 Fourierova transformace v hypersférických souřadnicích

15 Fourierova transformace v hypersférických souřadnicích 15 HYPERSFÉRICKÉ SOUŘADNICE 1 15 Fourierova transformace v hypersférických souřadnicích 151 Definice hypersférických souřadnic r, ϑ N,, ϑ 1, ϕ v E N Hypersférické souřadnice souvisejí s kartézskými souřadnicemi

Více

Teorie rentgenové difrakce

Teorie rentgenové difrakce Teorie rentgenové difrakce Vlna primárního záření na atomy v krystalu. Jádra atomů zůstanou vzhledem ke své velké hmotnosti v klidu, ale elektrony jsou rozkmitány se stejnou frekvencí jako má primární

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

Více

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

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

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

C Mapy Kikuchiho linií 263. D Bodové difraktogramy 271. E Počítačové simulace pomocí programu JEMS 281. F Literatura pro další studium 289

C Mapy Kikuchiho linií 263. D Bodové difraktogramy 271. E Počítačové simulace pomocí programu JEMS 281. F Literatura pro další studium 289 OBSAH Předmluva 5 1 Popis mikroskopu 13 1.1 Transmisní elektronový mikroskop 13 1.2 Rastrovací transmisní elektronový mikroskop 14 1.3 Vakuový systém 15 1.3.1 Rotační vývěvy 16 1.3.2 Difúzni vývěva 17

Více

VĚTY Z LINEÁRNÍ ALGEBRY

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

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory 5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

AVDAT Vektory a matice

AVDAT Vektory a matice AVDAT Vektory a matice Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Vektory x = x 1 x 2. x p y = y 1 y 2. y p Řádkový vektor dostaneme transpozicí sloupcového vektoru x

Více

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A VEKTORY Vektorem se rozumí množina všech orientovaných úseček, které mají stejnou velikost, směr a orientaci, což vidíme na obr. 1. Jedna konkrétní orientovaná úsečka se nazývá umístění vektoru na obr.

Více

Kapitola 11: Vektory a matice 1/19

Kapitola 11: Vektory a matice 1/19 Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =

Více

Lineární algebra : Skalární součin a ortogonalita

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

Více

Vybrané kapitoly z matematiky

Vybrané kapitoly z matematiky Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,

Více

6. ANALYTICKÁ GEOMETRIE

6. ANALYTICKÁ GEOMETRIE Vektorová algebra 6. ANALYTICKÁ GEOMETRIE Pravoúhlé souřadnice bodu v prostoru Poloha bodu v prostoru je vzhledem ke třem osám k sobě kolmým určena třemi souřadnicemi, které tvoří uspořádanou trojici reálných

Více

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

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

Více

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus. (1 [B] Nechť A : R 6 R 6 je lineární zobrazební takové, že A 26 = I. Najděte lineární prostory V 1, V 2 a V 3 takové, že R 6 = V 1 V 2 V 3 dim V 1 = dim V 2 = dim V 3 AV 1 V 1, AV 2 V 2 a AV 3 V 3 (2 [B]

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

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

Více

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo 0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový

Více

Afinní transformace Stručnější verze

Afinní transformace Stručnější verze [1] Afinní transformace Stručnější verze je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím body a vektory: afinní prostor využití například v počítačové grafice a)

Více

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 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

Více

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná

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

2. Difrakce elektronů na krystalu

2. Difrakce elektronů na krystalu 2. Difrakce elektronů na krystalu Interpretace pozorování v TEM faktory ovlivňující interakci e - v krystalu 2 způsoby náhledu na interakci e - s krystalem Rozptyl x difrakce částice x vlna Difrakce odchýlení

Více

Kvantová mechanika - model téměř volných elektronů. model těsné vazby

Kvantová mechanika - model téměř volných elektronů. model těsné vazby Kvantová mechanika - model téměř volných elektronů model těsné vazby Částice (elektron) v periodickém potenciálu- Blochův teorém Dále už nebudeme považovat elektron za zcela volný (Sommerfeld), ale připustíme

Více

18 Fourierovy řady Úvod, základní pojmy

18 Fourierovy řady Úvod, základní pojmy M. Rokyta, MFF UK: Aplikovaná matematika III kap. 18: Fourierovy řady 7 18 Fourierovy řady 18.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"

Více

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic 1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11

Více

Řešíme tedy soustavu dvou rovnic o dvou neznámých. 2a + b = 3, 6a + b = 27,

Řešíme tedy soustavu dvou rovnic o dvou neznámých. 2a + b = 3, 6a + b = 27, Přijímací řízení 2015/16 Přírodovědecká fakulta Ostravská univerzita v Ostravě Navazující magisterské studium, obor Aplikovaná matematika (1. červen 2016) Příklad 1 Určete taková a, b R, aby funkce f()

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

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2, Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se

Více

Základy maticového počtu Matice, determinant, definitnost

Základy maticového počtu Matice, determinant, definitnost Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n

Více

7 Analytické vyjádření shodnosti

7 Analytické vyjádření shodnosti 7 Analytické vyjádření shodnosti 7.1 Analytická vyjádření shodných zobrazení v E 2 Osová souměrnost Osová souměrnost O(o) podle osy o s obecnou rovnicí o : ax + by + c =0: x = x 2a (ax + by + c) a 2 +

Více

Program SMP pro kombinované studium

Program SMP pro kombinované studium Zadání příkladů k procvičení na seminář Program SMP pro kombinované studium Nejdůležitější typy příkladů - minimum znalostí před zkouškovou písemkou 1) Matice 1. Pro matice 1 0 2 1 0 3 B = 7 3 4 4 2 0

Více

Požadavky ke zkoušce. Ukázková písemka

Požadavky ke zkoušce. Ukázková písemka Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více

TENSOR NAPĚTÍ A DEFORMACE. Obrázek 1: Volba souřadnicového systému

TENSOR NAPĚTÍ A DEFORMACE. Obrázek 1: Volba souřadnicového systému TENSOR NAPĚTÍ A DEFORMACE Obrázek 1: Volba souřadnicového systému Pole posunutí, deformace, napětí v materiálovém bodě {u} = { u v w } T (1) Obecně 9 složek pole napětí lze uspořádat do matice [3x3] -

Více

Fyzika II. Marek Procházka Vlnová optika II

Fyzika II. Marek Procházka Vlnová optika II Fyzika II Marek Procházka Vlnová optika II Základní pojmy Reflexe (odraz) Refrakce (lom) jevy na rozhraní dvou prostředí o různém indexu lomu. Disperze (rozklad) prostorové oddělení složek vlnění s různou

Více

Lineární algebra : Skalární součin a ortogonalita

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

Více

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m

Více

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

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,

Více

11 Abbeova transformace a Abbeova věta

11 Abbeova transformace a Abbeova věta 11 ABBEOVA TRANSFORMACE A ABBEOVA VĚTA 1 11 Abbeova transformace a Abbeova věta Abbeova transformace i Abbeova věta jsou významné pro teorii difrakce jak v optice, tak ve strukturní analýze. Abbeova transformace

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií)

LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií) LEED (Low-Energy Electron Diffraction difrakce elektronů s nízkou energií) RHEED (Reflection High-Energy Electron Diffraction difrakce elektronů s vysokou energií na odraz) Úvod Zkoumání povrchů pevných

Více

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro Cvičení 1 Základy numerické matematiky - NMNM201 1 Základní pojmy opakování Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro libovolný skalár α C následující podmínky:

Více

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 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

Více

P 1 = P 1 1 = P 1, P 1 2 =

P 1 = P 1 1 = P 1, P 1 2 = 1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U

Více

Elektromagnetické pole je generováno elektrickými náboji a jejich pohybem. Je-li zdroj charakterizován nábojovou hustotou ( r r

Elektromagnetické pole je generováno elektrickými náboji a jejich pohybem. Je-li zdroj charakterizován nábojovou hustotou ( r r Záření Hertzova dipólu, kulové vlny, Rovnice elektromagnetického pole jsou vektorové diferenciální rovnice a podle symetrie bývá vhodné je řešit v křivočarých souřadnicích. Základní diferenciální operátory

Více

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 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,

Více

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. 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 ),

Více

Lineární algebra : Metrická geometrie

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

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

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

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

Více

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1] [1] Afinní transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím využití například v počítačové grafice Evropský sociální fond Praha & EU. Investujeme do

Více

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32 Matematika 1 12. přednáška MA1 1 Analytická geometrie v prostoru - základní pojmy 2 Skalární, vektorový a smíšený součin, projekce vektoru 3 Přímky a roviny 4 Vzdálenosti 5 Příčky mimoběžek 6 Zkouška;

Více

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární

Více

Operace s maticemi. 19. února 2018

Operace s maticemi. 19. února 2018 Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

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 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

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14. Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V

Více

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1) 14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový

Více

Úvod do strukturní analýzy farmaceutických látek

Úvod do strukturní analýzy farmaceutických látek Úvod do strukturní analýzy farmaceutických látek Garant předmětu: Vyučující: doc. Ing. Bohumil Dolenský, Ph.D. prof. RNDr. Pavel Matějka, Ph.D., A136, linka 3687, matejkap@vscht.cz doc. Ing. Bohumil Dolenský,

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

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

Komplexní analýza. Fourierovy řady. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Komplexní analýza. Fourierovy řady. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Komplexní analýza Fourierovy řady Martin Bohata Katedra matematiky FEL ČVU v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Fourierovy řady 1 / 20 Úvod Často se setkáváme s periodickými

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

Matematika 2 pro PEF PaE

Matematika 2 pro PEF PaE Determinanty / 8 Matematika 2 pro PEF PaE 3 Determinanty Přemysl Jedlička Katedra matematiky, TF ČZU Permutace Determinanty Výpočet determinantu z definice 2 / 8 Permutací množiny {,, n} rozumíme prosté

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

1 Projekce a projektory

1 Projekce a projektory Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup

Více

Operace s maticemi

Operace s maticemi Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =

Více

Symetrické a kvadratické formy

Symetrické a kvadratické formy Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso

Více

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí 1. Reálná funkce reálné proměnné, derivování (FAPPZ) Petr Gurka aktualizováno 12. října 2011 Obsah 1 Přehled některých elementárních funkcí 1 1.1 Polynomické funkce.......................... 1 1.2 Racionální

Více

Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti.

Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti. U. 4. Goniometrie Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti. 4.. Orientovaný úhel a jeho velikost. Orientovaným úhlem v rovině rozumíme uspořádanou dvojici polopřímek

Více

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného

Více

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného

Více

Teorie měření a regulace

Teorie měření a regulace Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace 22.z-3.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ druhá část tématu předmětu pokračuje. oblastí matematických pomůcek

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

Úvod do zpracování signálů

Úvod do zpracování signálů 1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování

Více

Chemie a fyzika pevných látek p2

Chemie a fyzika pevných látek p2 Chemie a fyzika pevných látek p2 difrakce rtg. záření na pevných látkch, reciproká mřížka Doporučená literatura: Doc. Michal Hušák dr. Ing. B. Kratochvíl, L. Jenšovský - Úvod do krystalochemie Kratochvíl

Více

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného

Více

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

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

Více

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant matice Čtvercové matice Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant je zobrazení, které přiřadí každé čtvercové matici A skalár (reálné číslo).

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

Kapitola 8: Dvojný integrál 1/26

Kapitola 8: Dvojný integrál 1/26 Kapitola 8: vojný integrál 1/26 vojný integrál - osnova kapitoly 2/26 dvojný integrál přes obdélník definice výpočet (Fubiniova věta pro obdélník) dvojný integrál přes standardní množinu definice výpočet

Více

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2 6 Skalární součin Skalární součin 1 je operace, která dvěma vektorům (je to tedy binární operace) přiřazuje skalár (v našem případě jde o reálné číslo, obecně se jedná o prvek nějakého tělesa T ). Dovoluje

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ FACULTY OF MECHANICAL ENGINEERING ÚSTAV FYZIKÁLNÍHO INŽENÝRSTVÍ INSTITUTE OF PHYSICAL ENGINEERING FRAUNHOFEROVA

Více

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

Transformace obrazu Josef Pelikán KSVI MFF UK Praha Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých

Více

14. přednáška. Přímka

14. přednáška. Přímka 14 přednáška Přímka Začneme vyjádřením přímky v prostoru Přímku v prostoru můžeme vyjádřit jen parametricky protože obecná rovnice přímky v prostoru neexistuje Přímka v prostoru je určena bodem A= [ a1

Více

Linearní algebra příklady

Linearní algebra příklady Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového

Více