Fourierovské metody v teorii difrakce a ve strukturní analýze
|
|
- Hynek Kraus
- před 8 lety
- Počet zobrazení:
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, 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
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
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
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
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
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
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
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
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
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.
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
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,
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
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
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...
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
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
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
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
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
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.
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 =
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
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,
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
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
(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]
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
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
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)
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
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
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
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
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
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"
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
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()
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
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
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
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
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 +
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
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
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] -
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
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
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
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,
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
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
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
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:
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
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
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
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,
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 ),
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
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
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
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
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;
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
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
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
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
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
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
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,
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,
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
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
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,...,
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
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
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
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
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 =
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
(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
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
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
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
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
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
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
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
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)
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
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
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).
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..................................
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
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
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
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
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
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