Energetické spektrum částice v trojrozměrné pravoúhlé. potenciálové jámě nekonečné hloubky z hlediska teorie. čísel

Rozměr: px
Začít zobrazení ze stránky:

Download "Energetické spektrum částice v trojrozměrné pravoúhlé. potenciálové jámě nekonečné hloubky z hlediska teorie. čísel"

Transkript

1 VŠB Techická uiverzita Ostrava Fakulta elektrotechiky a iformatiky Katedra aplikovaé matematiky Eergetické spektrum částice v trojrozměré pravoúhlé poteciálové jámě ekoečé hloubky z hlediska teorie čísel Eergetic spectrum of a particle i three-dimesioal ifiite potetial square well i terms of umber theory 2016 David Ulčák

2

3

4

5 Rád bych a tomto místě poděkoval pau RNDr. Pavlu Jahodovi, Ph.D. za příosé kozultace, rady a trpělivé vedeí práce, dále pau Ig. Jau Kracíkovi, Ph.D. za kostrukci a vysvětleí Bayesovského odhadu v Kapitole 5, a paí Mgr. Jaě Trojkové, Ph.D. za pomoc s pochopeím základů kvatové mechaiky pro Kapitolu 2.

6 Abstrakt V této bakalářské práci se budeme zabývat myšlekovým modelem částice uzavřeé v eproikutelé ádobě, již zveme poteciálová jáma. Text začíá stručým úvodem k tématu, ásledovaým ěkterými základími pojmy a úvodem do problematiky kvatové mechaiky, při ěmž se sezámíme se Schrödigerovou rovicí, kterou pak pro výše zmíěý model vyřešíme. Obdržíme tak diskrétí spektrum eergií částice, jež je při vhodé volbě jedotek ekvivaletí s možiou čísel, vyjádřitelých jako součet tří druhých moci přirozeých čísel. Na možiu těchto čísel se podíváme podroběji, sezámíme se s problematikou součtu čtverců celých čísel a asymptotickou hustotou. V závěru práce zkostruujeme myšlekový experimet s měřeím eergií a pokusíme se a základě získaých výsledků zjistit počet částic v jámě pomocí statistických metod. Klíčová slova: kvatová fyzika, Schrödigerova rovice, teorie čísel, součet druhých moci celých čísel, asymptotická hustota, testováí statistických hypotéz, Bayesovské metody Abstract I this bachelor thesis we will be cocered with metal model of a particle eclosed withi impeetrable cotaier, which we call potetial well. The text begis with brief itroductio to the topic, followed by some basic cocepts ad the itroductio to quatum mechaics, durig which we will get acquaited with Schrödiger equatio, which will be solved the for above metioed model. This way, we will recieve discrete spectrum of eergies of a particle, which is, by suitable choice of uits, equivalet to set of umbers, expressible as a sum of three squares of atural umbers. We will take a close look at this set ad get acquaited with issues of sums of iteger squares ad asymptotic desity. I the ed of the thesis, we will costruct metal experimet with eergy measurig ad, o the basis of the acquired results, we will try to fid out the cout of particles i the well usig statistical methods. Key Words: quatum physics, Schrödiger equatio, umber theory, sum of squares of itegers, asymptotic desity, statistical hypothesis testig, Bayesia methods

7 Obsah Sezam použitých zkratek a symbolů 8 Sezam obrázků 9 Sezam tabulek 10 1 Úvod 12 2 Eergetické spektrum částice Základí pojmy Postuláty kvatové mechaiky a vlová fukce Ψ Stacioárí Schrödigerova rovice Částice v trojrozměré poteciálové jámě Tvar spektra v kotextu teorie čísel Přirozeá čísla ve tvaru součtu dvou druhých moci celých čísel Přirozeá čísla ve tvaru součtu tří druhých moci celých čísel Lagrageova věta o čtyřech čtvercích Asymptotická hustota Defiice, základí vlastosti Asymptotická hustota možiy B Asymptotická hustota spektra Testováí počtu částic v poteciálové jámě Testováí statistických hypotéz Test hypotézy o počtu částic Bayesovský přístup Algoritmus rozkladu čísla a součet tří čtverců Algoritmus s posouváím Rabiův-Shallitův algoritmus Závěr 60 Literatura 61 Přílohy 62 A Algoritmus rozkladu čísel a součet tří čtverců 62 7

8 Sezam použitých zkratek a symbolů sjedoceí průik A doplěk k možiě/jevu A přímá úměra Laplaceův operátor, = 2 x y z 2 gcd(a, b) ejvětší společý dělitel čísel a, b h Plackova kostata, h = 6, J s redukovaá Plackova kostata, = h 2π m hmotost, kg p hybost, kg m s 1 V poteciálí eergie, J v rychlost, m s 1 N možia přirozeých čísel R možia reálých čísel R + možia kladých reálých čísel Z možia celých čísel Z + 0 možia ezáporých celých čísel 8

9 Sezam obrázků 1 Rozhodovací proces pro počet částic Graf závislosti mi a hladiě výzamosti Grafový model pro zavedeé áhodé veličiy Graf aposteriorí hustoty f(θ T 1:20 ) pro aši simulaci Časová áročost algoritmu s posouváím, proložeá křivkou f(n) = N Časová áročost algoritmu s posouváím při igorováí ulových čtverců Relativí četost výskytu čísel, striktě obsahujících ulové čtverce

10 Sezam tabulek 2 Vybraé hodoty pravděpodobostí fukce áhodé veličiy X

11 Sezam výpisů zdrojového kódu 1 Algoritmus rozkladu čísla a 3 čtverce s posouváím v jazyce Matlab Ukázky výstupů algoritmu s posouváím

12 1 Úvod Jak již můžeme vědět z jiých odvětví, pod pojmem spektrum máme a mysli určitou škálu abývaých hodot jisté veličiy. Neí tedy překvapeím, že eergetické spektrum částice představuje jakousi možiu, sestávájící z eergetických hladi, jichž může částice abývat. Abychom se však mohli zabývat tak malými objekty, jako jsou částice, evystačíme s klasickou fyzikou. Ta byla v mikrosvětě před ecelým stoletím ahrazea fyzikou kvatovou a její výsledky úspěšě ukazují a to, že se ejedalo je o ahodilou kostrukci, ýbrž o velký průlom v oblasti fyziky. Jako jeda ze základích ukázek aplikací kvatové mechaiky v praxi se užívá model poteciálové jámy. Teto model lze za určitých podmíek použít jako aproximaci reálé situace pohybu elektrou, a především je a ěm možo pochopit ejzákladější pricipy tohoto stále se vyvíjejícího odvětví. Při řešeí problému částice v trojrozměré pravoúhlé poteciálové jámě ekoečé hloubky se pak ukáže, že je eergie spjata se součtem tří druhých moci přirozeých čísel. A tu ás apade se a možiu těchto čísel podívat z matematického hlediska. Problémem součtu druhých moci celých čísel se v historii zabývali Pierre de Fermat, Joseph-Louise Lagrage, Adrie- Marie Legedre, Leohard Euler, Carl Friedrich Gauss a další jméa slavá eje v teorii čísel, ale v celé matematice a vědě obecě. Některé z jejich pozatků použijeme ke zkoumáí eergetického spektra částice i v této práci. Jelikož rovia, v íž se budeme pohybovat bude velmi teoretická, dává ám to možost lehce popustit uzdu fatazii a v rámci eergií si sestavit myšlekový experimet, jehož idea byla stručě astíěa již v [6], a a kterém budeme prezetovat ěkteré statistické metody. Tímto provázáím tří pouze zdálivě esourodých vědeckých disciplí dostala tato práce svou fiálí podobu. Kéž čteáři přiese zábavu i poaučeí. 12

13 2 Eergetické spektrum částice V prví části této kapitoly uvedeme základí pojmy, především z oblasti statistiky, a sezámíme se se základími vztahy v kvatové mechaice, problémem částice v ekoečé poteciálové jámě a jeho řešeím. 2.1 Základí pojmy Na začátku se dohoděme, že áhodým pokusem azveme každý koečý děj, jehož výsledek elze předem s jistotou staovit. Možiu Ω, obsahující všechy možé (avzájem se vylučující) výsledky áhodého pokusu ozačujme jako prostor elemetárích jevů. Defiice 2.1 Nechť Ω je libovolá možia a S 2 Ω. Možiu S potom azveme σ-algebrou, pokud platí: 1. S 2. A S A = Ω A S 3. A 1, A 2, A 3,... S i=1 A i S. Defiice 2.2 Nechť Ω tvoří prostor elemetárích jevů a S 2 Ω je ějaká jemu příslušející σ-algebra. Dále echť P je takové zobrazeí S 0, 1, splňující 1. P ( ) = 0 2. P (A) = 1 P (A) ( ) 3. A 1, A 2, A 3,... S, A i A j = P A i = P (A i ). Pak uspořádaou trojici (Ω, S, P ) azveme pravděpodobostím prostorem. Možiě S říkáme prostor jevů, zobrazeí P ozačujeme jako pravděpodobostí míru. Defiice 2.3 Nechť (Ω, S, P ) je pravděpodobostí prostor. Náhodou veličiou azveme zobrazeí X : Ω R právě tehdy, když pro každé x R platí {ω ω Ω, X(ω) < x} S {ω ω Ω, X(ω) > x} S. Náhodou veličiu X dále azveme diskrétí, jestliže abývá pouze koečě, či spočetě moha hodot, v opačém případě hovoříme o spojité áhodé veličiě. Náhodá veličia tedy vyjadřuje jakousi umerickou míru či hodotu áhodých jevů. Ozačeí P (X = x) (respektive P (X > x), případě P (X < x)) pak zameá pravděpodobost, že áhodá veličia X abývá hodoty (případě je větší/meší, ež) x. 13 i=1 i=1

14 Defiice 2.4 Distribučí fukcí áhodé veličiy X azveme fukci F : R 0, 1 takovou, že t R : F (t) = P (X < t). Pro diskrétí áhodou veličiu dále defiujeme Pravděpodobostí fukci jako P (x) = P (X = x), pro spojitou áhodou veličiu zase zavádíme hustotu pravděpodobosti vztahem f(t) = F (t). Při zápise většiou, pokud to eí evyhutelě uté, erozlišujeme áhodou veličiu a její hodotu. Pozameejme ještě, že mezi distribučí a pravděpodobostí fukcí (pro diskrétí áhodou veličiu), resp. distribučí fukcí a hustotou pravděpodobosti, platí tyto vztahy: F (x) = P (X = x i ), resp. F (x) = x i <x x f(t)dt. Pod pojmem rozděleí pravděpodobosti áhodé veličiy X pak rozumíme kokrétí předpis pro její distribučí, či pravděpodobostí fukci, popř. pro hustotu pravděpodobosti. O základích charakteristikách většiy ejpoužívaějších jak diskrétích, tak spojitých rozděleí áhodé veličiy se lze dočíst apříklad v [5]. Pozámka 2.1 Uspořádaou -tici áhodých veliči azýváme áhodý vektor, v souvislosti s jeho spojitou variatou se pak hovoří o sdružeé hustotě pravděpodobosti f(x 1, x 2,..., x ), a dále o sdružeé distribučí fukci F (x 1, x 2,..., x ), přičemž platí F (x 1, x 2,..., x ) = f(x 1, x 2,..., x )dx 1 dx 2... dx. Důvod proč zde zavádíme pojmy z oblasti statistiky je prostý - jedak se statistikou budeme zabývat v Kapitole 5, a především, pravděpodobostí přístup je jedou ze základích myšleek kvatové mechaiky, jak záhy uvidíme. Defiice 2.5 Vlovou rovicí azveme každou lieárí homogeí parciálí difereciálí rovici ve tvaru její řešeí pak azýváme vlovou fukcí. ψ(r, t) 1 2 ψ c 2 (r, t) = 0, (2.1) t2 Dodejme, že kostata c je parametr rychlosti šířeí vly. Tato difereciálí rovice popisuje obecě takřka jakýkoliv typ vlěí, pro odvozeí viz [9]. 14

15 2.2 Postuláty kvatové mechaiky a vlová fukce Ψ Tak jako se matematika opírá o axiomy, kvatová mechaika má své postuláty, tedy fudametálí výroky, které jsou vesměs považováy za dostatečě experimetálě ověřeé, ergo platé. Abychom byli trochu lépe tuto fyzikálí oblast schopi pojmout, postuláty zde uvedeme (viz [2]). Postulát 1 (O vlové fukci Ψ) Veškeré iformace o kvatovém stavu částice jsou obsažey ve vlové fukci ψ, tedy komplexí fukci o 4 proměých - 3 prostorových a jedé časové. Dále předpokládáme, že hustota pravděpodobosti výskytu částice v prostoru V, v místě r (hovoříme o polohovém vektoru r) a čase t je rova kvadrátu absolutí hodoty ψ. Odtud můžeme a ψ klást ormovací podmíku pro itegraci přes celý prostor V : ψ(r, t) 2 dv = 1. S tímto pravděpodobostím přístupem vyvstávají ásledující požadavky a fukci ψ, která tedy musí být 1. spojitá, 2. koečá, 3. jedozačá (ve smyslu komplexí fukce), 4. itegrovatelá s kvadrátem a 5. při koečých změách poteciálu musí mít spojité parciálí derivace ψ x, ψ y, ψ z. Postulát 2 (O operátorech) Každé měřitelé fyzikálí veličiě je přiřaze operátor (lieárí a hermitovský), působící a vlovou fukci. Postulát 3 (O kvatováí) Při jedotlivých měřeích veličiy X můžeme aměřit pouze a jediě vlastí hodoty x příslušého operátoru ˆX, tedy takové hodoty x, pro ěž platí ˆXψ = x ψ. V případě, že je v okamžiku měřeí systém popsá vlovou fukcí ψ, je středí hodota opakovaých měřeí veličiy X daá vztahem X = ( ψ, ˆXψ ) = ψ (r, t) ˆXψ(r, t)dv, kde ψ ozačuje fukci komplexě sdružeou s ψ. 15

16 Posledí dva z výše uvedeých postulátů úzce souvisí s fukcioálí aalýzou. Pokud se totiž a ψ díváme jako a prvek ekoečědimezioálího Hilbertova prostoru (pro bližší sezámeí viz apříklad [10]), pak z jejích souřadic vzhledem k příslušé ortoormálí bázi můžeme přímo určit pravděpodobost, že aměříme kokrétí hodotu x měřeé veličiy X, čehož se v kvatové mechaice velmi často využívá. Postulát 4 (O redukci vlové fukce) Naměřeím kokrétí hodoty x veličiy X převedeme systém do stavu s vlovou fukcí ψ, která je vlastí fukcí operátoru ˆX, a příslušející jeho vlastímu číslu x. Jiými slovy, měřeí samoté ovlivňuje kvatový stav systému a tedy i měí jeho vlovou fukci. Postulát 5 (O časové Schrödigerově rovici) Jestliže v čase t 0 je systém popsaý vlovou fukcí ψ(r, t 0 ), jeho další vývoj je popsá časovou Schrödigerovou rovicí i ψ t = Ĥψ, kde operátor Ĥ se azývá Hamiltoiá a jedá se o operátor celkové eergie systému. Pozámka 2.2 V dalších úvahách budeme užívat variatu Hamiltoiáu pro volou částici ve tvaru Ĥ = 2 2m + V. Schrödigerova rovice je svým způsobem variatou vlové rovice pro popis vlových vlastostí částic, fukce ψ pak jejím řešeím pro daý stav. Původě se mělo za to, že vlově lze ahlížet pouze a ehmoté částice. S myšlekou, že určité vlové vlastosti vykazují i hmoté částice přišel v roce 1924 fracouzský fyzik Louis de Broglie, po ěmž bylo také oo vlěí pojmeováo. Toto vlěí je pro volou částici charakterizováo de Broglieho vlovou délkou λ = h p, (2.2) kde h je Plackova kostata a p je hybost částice. 2.3 Stacioárí Schrödigerova rovice Při uváděí postulátů v miulém pododdíle asi ejvíc otázek vzbuzuje te posledí, o časové Schrödigerově rovici. Nabízí se totiž přirozeá otázka, proč tato rovice vypadá zrova tak, jak vypadá. Velice zjedodušeou ilustraci jejího původu ám může dát srováí s obecou vlovou rovicí. 16

17 Uvažujme řešeí vlové rovice pro roviou vlu ve tvaru ψ(r, t) = e i(kr ωt), kde k = 2π λ = p, (2.3) přičemž k azýváme vlový vektor a je redukovaá Plackova kostata. Dosazeím do vlové rovice (2.1) vziká ( k 2 + ω2 c 2 ) ψ = 0, odtud vyplývá ω = kc. Pokud tedy Laplaceův operátor eaplikujeme a pouze pro druhého sčítace v rovici (2.1) užijeme právě alezeého vztahu pro ω a vztahu (2.3), získáme ( + k 2 ) ψ = 0 ( + p2 2 ) ψ = 0. (2.4) Nyí uvažme zákoitosti klasické mechaiky. Celková mechaická eergie objektu je dáa vztahem E = T + V, kde T ozačuje kietickou a V poteciálí eergii. Pro hybost a kietickou eergii v Newtoovské mechaice pak platí p = mv T = 1 2 mv2 = p2 2m, a tak můžeme p 2 vyjádřit jako p 2 = 2m(E V ). (2.5) Dosazeím vztahu (2.5) do (2.4) získáme ( 2 ) 2m + V = Ĥ pro volou částici ψ = Eψ. (2.6) Zbývalo by ukázat, že Eψ = i ψ t. To posléze z předpokladu platosti Schrödigerovy rovice uvidíme při zavedeí její stacioárí variaty, kterou se budeme zabývat dále. Pozámka 2.3 Nuto zdůrazit, že se ejedá o korektí odvozeí, ale pouhou ilustraci, a tvar časové Schrödigerovy rovice je jakožto postulát brá jako holý fakt. Kvůli odlišostem klasické a kvatové mechaiky totiž elze přímo matematicky odvodit příslušý aparát. Stacioárí Schrödigerovu rovici uvažujeme pro případy, kdy se ebere v potaz závislost 17

18 působících sil a čase. Z tohoto důvodu lze uvážit zápis vlové fukce ve tvaru ψ(r, t) = ψ(r)ϕ(t). Dosazeím do časové Schrödigerovy rovice pak dostáváme: ( i ϕ(t) dψ(r) dt + ψ(r) dϕ(t) ) dt i dϕ(t) ϕ(t) dt = Ĥψ(r)ϕ(t) = Ĥψ(r) ψ(r). (2.7) Poěvadž rovost (2.7) musí platit v libovolém čase t a místě r, pak musí být obě stray rovy kostatě, ozačme ji E. Přepíšeme-li yí obě stray rovosti (2.7) zvlášť, dostáváme i dϕ(t) = Eϕ(t) dt (2.8) Ĥψ(r) = Eψ(r), (2.9) přičemž vztah (2.9) ozačujeme jako stacioárí Schrödigerovu rovici, zatímco (2.8) dokresluje hrubý ásti Schrödigerovy rovice uvedeý dříve. Pro další výpočty si ještě stacioárí Schrödigerovu rovici zapíšeme v ásledujícím tvaru: ψ + 2m (E V ) ψ = 0. (2.10) 2 Pozámka 2.4 Jak ze zápisu (2.9) vidíme, kostata E je vlastím číslem Hamiltoiáu, s ohledem a Postulát 3 se tedy jedá o hodotu eergie pro daý stav. 2.4 Částice v trojrozměré poteciálové jámě Jde o myšlekový model částice v ohraičeé oblasti. Rozumíme tím pomyslou oblast, v íž je všude V = 0, čili veškerá eergie částice je dáa její eergií kietickou. Jámu si lze zjedodušeě představit jako jakousi ádobu, která omezuje pohyb částice. Jak říká ázev této práce, my se budeme zabývat jedoduchou variatou, trojrozměrou pravoúhlou poteciálovou jámou ekoečé hloubky. Nekoečá hloubka poteciálové jámy se dá iterpretovat tak, že stěy oé pomyslé ádoby mají ekoečou tuhost, takže částice při srážkách se stěou eztrácí ic ze své eergie, zároveň má částice uvažovaou poteciálí eergii mimo ádobu V =, čili je emožé, aby částice z ádoby uikla. Samozřejmě lze uvažovat i jámy, jejichž hloubka eí ekoečá, tj. brát v potaz tuhost stě i polohovou eergii částice vě ádoby jako koečá čísla. Stejě tak lze říct, že obecě může jáma abývat libovolého tvaru (apříklad toroidu s ohledem a tvar magetického pole) a e pouze pravoúhlého útvaru, jako v ašem případě. 18

19 Představme si tedy částici uzavřeou v krychli o hraě délky l. Vzhledem k defiici jámy víme, že ψ = 0 pro x / (0; l) y / (0; l) z / (0; l). Hledáme tedy ψ splňující stacioárí Schrödigerovu rovici a s ohledem a požadavek spojitosti ψ, tedy také okrajovou podmíku ψ = 0 a stěách krychle. Jelikož v prostoru je ψ fukce tří proměých, musíme tyto proměé separovat, abychom ašli řešeí. Pro zjedodušeí proto uvažujeme, že pro každou souřadici existuje vlastí vlová fukce a celková je pak jedoduše dáa součiem dílčích, tedy ψ(x, y, z) = ψ x (x)ψ y (y)ψ z (z). Dosazeím do (2.10) a patřičou úpravou vziká 1 d 2 ψ x ψ x dx d 2 ψ y ψ y dy d 2 ψ z ψ z dz 2 = 2mE 2. (2.11) Všiměme si, že sčítace a levé straě jsou již fukcemi je jedé proměé. Vidíme, že každý čle a levé straě závisí pouze a jedé souřadici, zatímco a pravé straě je kostata (eergie pro daý stav). Jiými slovy můžeme uvažovat, že každý čle a levé straě se rová ějaké dílčí kostatě: 1 d 2 ψ x ψ x dx 2 = k2 x (2.12) 1 d 2 ψ y ψ y dy 2 = k2 y (2.13) 1 ψ z d 2 ψ z dz 2 = k2 z (2.14) k 2 x + k 2 y + k 2 z = 2mE 2. (2.15) Proč jsme brali v potaz kostaty ve formě druhých moci bude záhy patré. Jak vidíme, všecha tři řešeí budou vzájemě aalogická, vyřešme apříklad rovici pro ψ x. Tím, že uvažujeme fukce jedé proměé, řešíme obyčejé difereciálí rovice. Přepišme si tedy dílčí rovici (2.12) do ásledujícího tvaru: ψ x + k 2 xψ x = 0. (2.16) Jak vidíme, jedá se o homogeí lieárí difereciálí rovici druhého řádu s kostatími koeficiety. Připomeňme, že lieárí difereciálí rovicí druhého řádu se rozumí difereciálí rovice ve tvaru y + a(x)y + b(x)y = c(x). Tuto pak azýváme homogeí, jestliže c(x) = 0 a v případě, že fukce a(x), b(x) jsou kostatí, říkáme, že rovice je s kostatími koeficiety. 1 Řešeí takovýchto rovic obecě vede a y(x) = e λx. Dosazeím do rovice (2.16) pak 1 Pro podrobější výklad o defiici, vlastostech a řešeí obyčejých difereciálích rovic viz [8]. 19

20 získáváme λ 2 e λx + k 2 xe λx = 0. Jelikož čle e λx ikdy emůže být ulový, můžeme jím celou rovici podělit, čímž vziká tzv. charakteristický polyom, jehož kořey jsou určující pro fudametálí systém řešeí aší rovice: λ 2 + kx 2 = 0 λ = ±k x i ϕ 1 (x) = e kxix, ϕ 2 (x) = e kxix. (2.17) Obecé řešeí je libovolou lieárí kombiací fukcí fudametálího systému, takže víme, že hledaá fukce ψ x bude obecě vypadat ásledově: ψ x = C 1 e kxix + C 2 e kxix = = ( ) ( ) C 1 cos(k x x) + i si(k x x) + C 2 cos( k x x) + i si( k x x) = = (C 1 + C 2 ) cos(k x x) + i(c 1 C 2 ) si(k x x), C 1, C 2 R. Ke kokrétějšímu řešeí potřebujeme okrajové podmíky, které jsou v ašem případě dáy poteciálovou jámou. Víme tedy, že ψ x (0) = 0 ψ x (l) = 0. Nejprve dosadíme prví okrajovou podmíku. Odtud (C 1 + C 2 ) cos 0 + i(c1 C2) si 0 = 0 C 2 = C 1. Následým dosazeím druhé okrajové podmíky a zjištěého vztahu mezi kostatami C 1 a C 2 získáváme (C 1 C 1 ) cos(k x l) + i(c 1 + C 1 ) si(k x l) = 0 2C 1 i si(k x l) = 0 si(k x l) = 0 k x = aπ l, a Z. (2.18) 20

21 A koečě, položíme-li 2C 1 i = B, vziká ám výsledá dílčí vlová fukce ψ x ve tvaru ψ x = B si aπx, a Z. (2.19) l Zbylé 2 dílčí rovice pro ψ y i ψ z, včetě podmíek pro kostatu k y, respektive k z, bychom řešili aalogicky a tak můžeme psát celkovou vlovou fukci ve tvaru ψ(x, y, z) = N si aπx l a, b, c N. si bπy l si cπz l (2.20) Pozámka 2.5 Ačkoliv při předchozím průběhu řešeí Schrödigerovy rovice jsme číslo a i čísla b, c (s ohledem a aalogii dílčích řešeí) ozačili za celá, kvůli samoté vlové fukci jsme teto závěr museli poěkud poupravit. Ve vztahu (2.20) jsme tak čísla a, b, c ozačili za přirozeá, eboť v případě, že by kterékoliv z těchto čísel bylo rovo 0, částice by eexistovala (vlová fukce a tedy i hustota pravděpodobosti by měly ve všech místech poteciálové jámy ulovou hodotu). Navíc obecě platí a 2 = ( a) 2, resp. si aπ l = si ( aπ ) l, přičemž zaméko před fukcí si lze zahrout do ormovací kostaty N, proto emá smysl uvažovat čísla a, b, c jako záporá. Posledím krokem je určeí příslušé ormovací kostaty N. Z požadavku dostáváme 2 l N 2 N 2 0 N 2 l ( l 0,l 3 1 cos 2aπx l 2 l l 2aπ 0 [ cos 2aπx l si 2aπx l N 2 si 2 aπx l l dx 0 dx l ] ) l 0 ( R 3 Ψ 2 dv = 1 l si 2 bπy l 1 cos 2bπy l 2 l 0 l 2bπ cos 2bπy l [ si 2 cπz dxdydz = 1 l si 2bπy l 2 cos x = cos 2 x 2 si2 x 2 = 1 2 si2 x 2 si 2 x 2 = 1 cos x 2 l dy 0 dy l ] ) l 0 ( l 1 cos 2cπz l 2 l 0 cos 2cπz l l 2cπ [ si 2cπz l dz = 1 dz = 8 ] ) l 0 = 8 21

22 N 2 l 3 = 8 8 N = l 3. Výsledá vlová fukce má tedy předpis ψ(x, y, z) = 8 aπx si si bπy si cπz l3 l l l a, b, c N. (2.21) S ohledem a (2.15) se dostáváme ke kýžeému eergetickému spektru částice. Je patré, že eergie může abývat je kokrétích hodot, aby ψ byla skutečě řešeím Schrödigerovy rovice. Dosazeím za kostaty k x, k y a k z do (2.15) a úpravou dostáváme: a 2 π 2 l 2 + b2 π 2 l 2 + c2 π 2 l 2 = 2mE 2 E = (a 2 + b 2 + c 2 ) 2 π 2 a, b, c N. 2ml 2 (2.22) Čísla a, b, c popisují stav částice a azýváme je kvatová čísla. Závěrem pozameejme, že jedé kokrétí hodotě eergie může odpovídat více stavů. Například může dojít k růzému uspořádáí stejých hodot mezi kvatovými čísly, případě mohou dvě růzé trojice druhých moci dávat totéž číslo. Takovéto eergetické hladiy se ozačují jako degeerovaé. Jedé degeerovaé hladiě eergie tedy odpovídá více kvatových stavů, které si sice odpovídají hodotou eergie částice, ale hodotami jiých veliči se vzájemě liší. Například kvatové stavy, odpovídající a = 3, b = 2, c = 1 a a = 1, b = 3, c = 2 jsou růzé, ale přísluší jim stejá eergetická hladia, totéž lze říct o stavech a = 5, b = 1, c = 1 a a = 3, b = 3, c = 3. V Kapitole 4 si mimo jié ukážeme, že takovýchto stavů je převážá většia. 22

23 3 Tvar spektra v kotextu teorie čísel Jak jsme viděli, eergie částice závisí a jejím kvatovém stavu, jež je charakterizová jako součet tří druhých moci přirozeých čísel. Zamysleme se, jaká čísla se takto dají vyjádřit. Pozatky této kapitoly byly s mešími úpravami převzaty z [4]. 3.1 Přirozeá čísla ve tvaru součtu dvou druhých moci celých čísel Věty o vyjádřitelosti přirozeých čísel ve tvaru součtu čtverců se vážou ke čtvercům celých čísel, máme tedy situaci zkomplikovaou požadavkem a eulová kvatová čísla. Proto potřebujeme od možiy všech čísel ve tvaru součtu tří čtverců celých čísel odebrat taková čísla, která lze vyjádřit je jako pouhé dva čtverce celých čísel. Pozámka 3.1 Problémem by samozřejmě mohla být i čísla, která jsou sama druhou mociou, ta jsou však podmožiou možiy čísel ve tvaru součtu dvou čtverců. Pozorý čteář si jistě mohl povšimout, že ěkterá čísla, vyjádřitelá jako součet dvou druhých moci celých čísel, se dají zapsat i jako součet tří druhých moci přirozeých čísel. Například číslo 29 lze zapsat jak ve tvaru 29 = , tak i jako 29 = Proto bychom odebráím všech dvoučtvercových čísel z možiy tříčtvercových odebrali i ěkteré možé hladiy eergií. Nicméě, v Kapitole 4 využijeme vlastostí moži, jimiž se budeme zabývat yí, pro určeí asymptotické hustoty spektra. Jak uvidíme, výsledek ebude ijak ovlivě faktem, zda odebereme všecha čísla ve tvaru součtu dvou druhých moci celých čísel, či pouze jejich část. Ukažme si tedy, která čísla lze vyjádřit jako součet dvou druhých moci celých čísel. K tomu budeme potřebovat tři pomocé pozatky: Věta 3.1 Nechť p je prvočíslo a a, b Z takové, že gcd(p, a) = gcd(p, b) = 1 a p (a 2 + b 2 ). Potom p je součtem dvou druhých moci celých čísel. Důkaz. Ozačme = a 2 + b 2 (a, b Z) ejmeší celé číslo, splňující gcd(p, a) = gcd(p, b) = 1 a p. Potom = mp, m N. Sestrojme čísla α, β taková, že a α(mod p), b β(mod p), přičemž α, β p 2. Pak vidíme, že a 2 + b 2 α 2 + β 2 0(mod p), z čehož vyplývá mp = = a 2 + b 2 α 2 + β 2 < p 2, odtud m < p. Abychom důkaz dokočili, stačí ukázat, že m = 1. Uvažme pro spor situaci 1 < m < p. Nyí sestrojme taková čísla a 1, a 2, že a a 1 (mod m), b b 1 (mod m), přičemž 23

24 a 1, b 1 m 2. Z toho podobě jako v předchozím případě plye, že a b 2 1 a 2 + b 2 0(mod m) a b 2 1 = um, u < m, s tím, že u se emůže rovat 0, eboť pak by muselo astat a = xm, b = ym, x, y Z, tudíž = (x 2 + y 2 )m 2 = mp a tedy m p, což je emožé, eboť 1 < m < p. Proto u 1. Nyí uvažme, že souči každých dvou čísel, vyjádřitelých jako součet dvou čtverců, je opět součtem dvou čtverců. Skutečě (a 2 + b 2 ) (a b2 1 ) = a2 a b2 b a2 1 b2 + a 2 b 2 1 = = (aa 1 + bb 1 ) 2 2aa 1 bb 1 + (a 1 b ab 1 ) 2 + 2a 1 bab 1 = (3.1) = (aa 1 + bb 1 ) 2 + (a 1 b ab 1 ) 2. Protože 0 a 2 + b 2 aa 1 + bb 1 a 1 b ab 1 (mod m), dostáváme (a 2 + b 2 ) (a b2 1 ) = (δ 1m) 2 + (δ 2 m) 2 mp um = m 2 (δ δ2 2 ) (3.2) up = δ δ2 2. Kvůli u 1 je alepoň jedo z čísel δ 1, δ 2 růzé od 0. Pokud by p dělilo obě z čísel δ 1, δ 2 dostali bychom δ δ2 2 > p2, což je však ve sporu s u < m < p. Tz., že alespoň jedo z čísel δ 1, δ 2 eí dělitelé p, což však zameá, že jím eí dělitelé ai jedo (pokud by je δ 1 = cp, pak up = c 2 p 2 + δ2 2, tedy u = c2 p + δ2 2 p, a to elze, eboť určitě δ2 2 p / Z; obdobě aopak). Tedy gcd(p, δ 1 ) = gcd(p, δ 2 ) = 1. Z defiice čísla by pak vyplyulo mp up, což je opět spor s u < m. Proto eí možé, aby 1 < m < p, a tak m = 1. Věta 3.2 Každé prvočíslo p ve tvaru p = 4k + 1, k Z lze jedozačě vyjádřit jako součet dvou druhých moci celých čísel. Důkaz. Pro zadaé p lze ukázat, že existuje takové x Z, že gcd(p, x) = 1 a zároveň x (mod p) 3. Jelikož avíc gcd(p, 1) = 1 a p (x ), pak je podle Věty 3.1 p možo vyjádřit ve tvaru dvou čtverců. 3 Plye z vlastostí Legedreova symbolu, viz [4]. 24

25 Nyí předpokládejme, že pro růzé dvojice čísel platí p = a 2 + b 2 = c 2 + d 2. Pak platí p 2 = (a 2 + b 2 ) (c 2 + d 2 ) = (ac + bd) 2 + (ad bc) 2 = (ac bd) 2 + (ad + bc) 2 (3.3) (ac + bd) (ad + bc) = a 2 cd + abc 2 + abd 2 + b 2 cd = = (a 2 + b 2 )cd + (c 2 + d 2 ) 2 ab = p(ab + cd). (3.4) Tudíž buď p (ac + bd), ebo p (ad+bc). V prvím případě by to však zamealo (ac + bd) 2 p 2, takže s přihlédutím ke vztahu (3.3) by muselo platit ad = bc. Uvážíme-li, že gcd(c, d) (c 2 + d 2 ) = p, pak je gcd(c, d) rove buď 1, ebo p, pokud by však byl rove p, dostaeme spor p = c 2 + d 2 2p 2. Proto gcd(c, d) = 1, tedy c a, stejě tak gcd(a, b) = 1, ergo a c, z čehož plye a = c a tedy i b = d. Aalogicky u druhého případu. Věta 3.3 Jestliže pro přirozeé číslo platí = 4k + 3, k Z + 0, pak elze vyjádřit ve tvaru = a 2 + b 2, a, b Z. Důkaz. Pro zadaé platí 3(mod 4). Postupujme systematicky: 1. Obě čísla a, b jsou sudá. Potom platí a 2 + b 2 = (2x) 2 + (2y) 2 = 4(x 2 + y 2 ) 0(mod 4). 2. Jedo z čísel a, b je liché (apř. a). a 2 + b 2 = (2x + 1) 2 + (2y) 2 = 4(x 2 + y 2 + x) + 1 1(mod 4). 3. Obě čísla a, b jsou lichá. a 2 + b 2 = (2x + 1) 2 + (2y + 1) 2 = 4(x 2 + y 2 + x + y) + 2 2(mod 4). Jié možosti ejsou a tak emůže astat a 2 + b 2 3(mod 4). Nyí můžeme koečě abyté pozatky použít pro důkaz, která přirozeá čísla lze vyjádřit jako součet dvou celočíselých čtverců. Věta 3.4 Přirozeé číslo > 1 lze vyjádřit ve tvaru = a 2 + b 2, a, b Z právě tehdy, když kaoický rozklad čísla eobsahuje číslo p α i i takové, že prvočíslo p i = 4k + 3 a α i = 2m + 1, k, m Z

26 Důkaz. Nejprve vezměme číslo = a 2 + b 2, a, b Z. Nechť gcd(a, b) = d, pak a = da 1, b = db 2, kde gcd(a 1, b 1 ) = 1 a tedy = d 2 (a b 2 1). (3.5) Předpokládejme, že p je prvočíslo ve tvaru p = 4k + 3 a platí p. Pokud p (a b2 1 ), pak s ohledem a 3.5 musí vystupovat v kaoickém rozkladu čísla se sudou mociou. Pokud by aopak p (a 2 1 +b2 1 ), pak by buď muselo p dělit obě čísla a 1, b 1, tedy opět být v kaoickém rozkladu čísla se sudou mociou, aebo v opačém případě by platilo gcd(a 1, p) = gcd(b 1, p) = 1, což by s ohledem a Větu 3.1 zamealo, že p je součtem dvou čtverců. To je však ve sporu s Větou 3.3. Nyí dokážeme implikaci druhým směrem. Nechť = p α 1 1 pα pαm m je kaoický rozklad čísla a předpokládejme, že pro každé prvočíslo ve tvaru p = 4k + 3 platí buď p, ebo že příslušý expoet je sudý. Dále přepišme expoety v rozkladu jako α i = 2β i + γ i, přičemž i {1, 2,..., m} : β i Z + 0, γ i {0, 1}. Odtud = ( ) p β pβ pβm m p γ 1 1 pγ pγm m = P 2 q 1 q 2... q s, kde P = p β 1 1 pβ pβm m a q 1, q 2,..., q s jsou ta prvočísla, pro ěž γ i = 1. Pak z předpokladu q i = 4k + 1, i {1, 2,..., s} víme díky Větě 3.2, že každé z pročísel q 1, q 2,..., q s lze vyjádřit jako součet dvou druhých moci celých čísel. Jistě můžeme zapsat P 2 = P a a základě vztahu (3.1) platí, že souči čísel ve tvaru dvou čtverců je opět součtem dvou čtverců, proto tohoto tvaru abývá i. 3.2 Přirozeá čísla ve tvaru součtu tří druhých moci celých čísel Naším dalším a hlavím krokem při hobě za eergetickým spektrem částice v poteciálové jámě bude objasěí, jaká přirozeá čísla lze vyjádřit jako součet tří druhých moci celých čísel. Dokážeme utou podmíku toho, aby přirozeé číslo tohoto tvaru abývalo, s odkazem a literaturu pak uvedeme, že se jedá i o podmíku postačující. Věta 3.5 Jestliže přirozeé číslo > 1 lze vyjádřit ve tvaru součtu tří druhých moci celých čísel, potom elze zapsat ve tvaru = 4 j (8k + 7), kde j, k Z + 0. Důkaz. Nejprve uvažme speciálí případ, kdy j = 0. Tedy ukážeme, že pokud = a 2 + b 2 + c 2, kde a, b, c Z, tak platí 8k + 7, kde k Z + 0. Pak máme čtyři možosti: 1. Čísla a, b, c jsou sudá. Potom existují celá čísla k 1, k 2, k 3 taková, že = (2k 1 ) 2 + (2k 2 ) 2 + (2k 3 ) 2 = 4(k1 2 + k2 2 + k3). 2 Pak 0(mod 4), zatímco 8k + 7 3(mod 4), tudíž 8k

27 2. Jedo z čísel a, b, c je liché a dvě jsou sudá. Potom existují celá čísla k 1, k 2, k 3 taková, že = (2k 1 + 1) 2 + (2k 2 ) 2 + (2k 3 ) 2 = 4(k1 2 + k2 2 + k3 2 + k 1 ) + 1. V tomto případě tedy 1(mod 4), zatímco 8k + 7 3(mod 4), a tak 8k Jedo z čísel a, b, c je sudé a dvě jsou lichá. Potom existují celá čísla k 1, k 2, k 3 taková, že = (2k 1 + 1) 2 + (2k 2 + 1) 2 + (2k 3 ) 2 = 4(k1 2 + k2 2 + k3 2 + k 1 + k 2 ) + 2. Vidíme, že 2(mod 4), zatímco 8k + 7 3(mod 4), tudíž opět 8k Všecha čísla a, b, c jsou lichá. Potom existují celá čísla k 1, k 2, k 3 taková, že = (2k 1 + 1) 2 + (2k 2 + 1) 2 + (2k 3 + 1) 2 = 4(k 1 (k 1 + 1) + k 2 (k 2 + 1) + k 3 (k 3 + 1)) + 3 = 8(t + u + v) + 3. Tady dostáváme, že 3(mod 8), zatímco 8k + 7 7(mod 8), takže i v tomto případě 8k + 7. Z předchozího je patré, že za všech okolostí pro každé číslo = a 2 + b 2 + c 2, kde a, b, c Z, platí 8k + 7, k Z + 0. Nyí sporem ukážeme, že pokud = a 2 + b 2 + c 2, kde a, b, c Z, tak platí 4 j (8k + 7), kde j, k Z + 0. Předpokládejme tedy, že 0 = 4 j 0 (8k 0 + 7), je ejmeší přirozeé číslo takové, že existují a, b, c, j, k Z + 0 taková, aby platilo = a2 + b 2 + c 2 = 4 j (8k + 7). Z předpokladu plye, že 0 0(mod 4) a to astae pouze v případě, že všecha čísla a, b, c jsou sudá. Proto 0 = (2k 1 ) 2 + (2k 2 ) 2 + (2k 3 ) 2 = 4(k k k 2 3) = 4 j 0 (8k 0 + 7) 0 4 = = k k k 2 3 = 4 j 0 1 (8k 0 + 7), což je však ve sporu s předpokládaou miimalitou čísla 0. Věta 3.5 představuje implikaci jedím směrem, dá se však dokázat také opačá implikace. Věta 3.6 Jestliže pro přirozeé číslo > 1 platí, že jej elze zapsat ve tvaru = 4 j (8k + 7), kde j, k Z + 0, potom jej lze vyjádřit ve tvaru součtu tří druhých moci celých čísel. Důkaz. Důkaz této věty pro jeho složitost euvádíme, jsou při ěm využity pozatky z oblasti kvadratických kogruecí, aritmetických fukcí a lieárí algebry. Zájemci mohou důkaz alézt apříklad v [12]. 27

28 Spojeím Vět 3.5 a 3.6 dostáváme větu, jež plě vypovídá o tom, která čísla lze vyjádřit jako součet tří druhých moci celých čísel. Věta 3.7 (Legedreova) Přirozeé číslo > 1 lze vyjádřit jako součet tří druhých moci celých čísel právě tehdy, když číslo elze zapsat ve tvaru = 4 j (8k + 7), kde j, k Z + 0. Všiměme si, že přímým důsledkem věty 3.7 je ásledující fakt: Mějme možiy A a B 3, přičemž A = {4 j (8k + 7) j, k Z + 0 } B 3 = {a 2 + b 2 + c 2 > 0 a, b, c Z}. Potom a základě Věty 3.7 a zjevé skutečosti, že 1 / A a zároveň 1 B 3, platí, že A B 3 =, a zároveň A B 3 = N. Pozámka 3.2 Dohoděme se, že možiu všech přirozeých čísel, vyjádřitelých ve tvaru součtu tří druhých moci celých čísel budeme pro jedoduchost i ve zbytku práce začit B 3, stejě tak možiu čísel ve tvaru součtu dvou druhých moci celých čísel budeme začit B Lagrageova věta o čtyřech čtvercích Otázku součtu dvou i tří druhých moci, jíž jsme se zabývali kvůli eergii částice, jsme tedy vyřešili. S ohledem a další pozorováí ám může být prospěšá úvaha o tom, jak by situace vypadala pro součet čtyř čtverců celých čísel. Teto problém vyřešil v roce 1770 Joseph Lagrage, který dokázal, že čtyři čtverce již stačí a vyjádřeí jakéhokoliv přirozeého čísla. Věta 3.8 (Lagrageova) Každé přirozeé číslo lze vyjádřit ve tvaru = a 2 + b 2 + c 2 + d 2, kde a, b, c, d Z. Důkaz. Ze všeho ejdříve uvažme tzv. Eulerovu idetitu: (a b c d 2 1) (a b c d 2 2) = = (a 1 a 2 + b 1 b 2 + c 1 c 2 + d 1 d 2 ) 2 + (a 1 b 2 b 1 a 2 + c 1 d 2 d 1 c 2 ) 2 + +(a 1 c 2 b 1 d 2 c 1 a 2 + d 1 b 2 ) 2 + (a 1 d 2 + b 1 c 2 c 1 b 2 d 1 a 2 ) 2. (3.6) O platosti tohoto vztahu se lze přesvědčit přímým rozásobeím. Mimo jié ám tato idetita říká, že pokud mezi sebou vyásobíme čísla, jež jsou součtem čtyř druhých moci, pak opět dostaeme součet čtyř druhých moci. To by však zamealo, že pokud by každé prvočíslo bylo možé vyjádřit jako součet čtyř čtverců, pak by to zákoitě platilo i pro všecha čísla složeá, a tak stačí větu dokázat pro prvočísla a číslo 1. Nejprve ukažme, že pro každé prvočíslo p > 2 platí, že jestliže p dělí ějaké a 2 + b 2 + c 2 + d 2 a zároveň alespoň jedo z čísel a, b, c, d edělí, pak je samo p součtem čtyř čtverců. Nechť 28

29 0 = a 2 + b 2 + c 2 + d 2 je ejmeší takové číslo, pro které platí 0 = kp a bez újmy a obecosti apříklad p a. Nyí uvažme čísla α, β, γ, δ taková, že a α(mod p) b β(mod p) c γ(mod p) d δ(mod p) α, β, γ, δ < p 2. Potom zjevě platí, že 0 = kp α 2 + β 2 + γ 2 + δ 2 0(mod p). Z miimality 0 a předpokladu (3.3) vyplývá, že kp = 0 α 2 + β 2 + γ 2 + δ 2 < 4 p2 4 = p2, což ás vede k tomu, že 1 k < p. Abychom se dobrali toho, že p je součtem čtyř čtverců, stačí dokázat, že k = 1. Položme yí 1 < k < p a čísla a 1, b 1, c 1, d 1 ásledově: a a 1 (mod k) b b 1 (mod k) c c 1 (mod k) (3.7) d d 1 (mod k) a 1, b 1, c 1, d 1 k 2, odtud a b2 1 + c2 1 + d2 1 = sk, s 0. Pokud by bylo s = 0, pak by muselo platit a 1 = b 1 = c 1 = d 1 = 0. To by zamealo, že k dělí každé z čísel a, b, c, d a tedy k 2 (a 2 + b 2 + c 2 + d 2 ) = kp, potom by však platilo, že k p, což eí možé, eboť 1 < k < p a tak s 1. Nyí si aopak představme, že a 1 = b 1 = c 1 = d 1 = k 2. To by mohlo astat pouze při sudém k, tedy k lze zapsat jako k = 2q, q Z. Vyjádříme-li a, zjistíme, že a = a 1 + kt 1 = ± 2q 2 + 2qt 1 = q(2t 1 ± 1), aalogicky b = q(2t 2 ± 1), c = q(2t 3 ± 1), d = q(2t 4 ± 1), přičemž čísla (2t i ± 1), i {1, 2, 3, 4} 29

30 jsou lichá. Tato situace ale vede ke sporu, eboť emůže astat 0 = 2qp = q 2 ( (2t 1 ± 1) 2 + (2t 2 ± 1) 2 + (2t 3 ± 1) 2 + (2t 4 ± 1) 2) 2p = q(4t 2 1 ± 4t t 2 2 ± 4t t 2 3 ± 4t t 2 4 ± 4t 4 + 1) p = 2q(t 2 1 ± t 1 + t 2 2 ± t 2 + t 2 3 ± t 3 + t 2 4 ± t 4 + 1), a to z toho důvodu, že by muselo platit 2 p, což by bylo možé pouze pro sudé p. Z defiice víme, že p > 2 (číslo 2 je jedié sudé prvočíslo). Proto alespoň jedo z čísel a 1, b 1, c 1, d 1 je ostře meší, ež k 2, a tudíž s < k. Teď aplikujme a čísla sk a kp vztah (3.6). Dostaeme sk kp = (a b c d 2 1) (a 2 + b 2 + c 2 + d 2 ) = = (a 1 a + b 1 b + c 1 c + d 1 d) 2 + (a 1 b b 1 a + c 1 d d 1 c) 2 + +(a 1 c b 1 d c 1 a + d 1 b) 2 + (a 1 d + b 1 c c 1 b d 1 a) 2. Pojďme se yí podívat a každou ze závorek a pravé straě zvlášť. Z předpokladu (3.7) vidíme, že a = q 1 k + a 1, b = q 2 k + b 1, c = q 3 k + c 1, d = q 4 k + d 1, kde q 1, q 2, q 3, q 4 Z. Pro čley v závorkách to zameá ásledující: (a 1 a + b 1 b + c 1 c + d 1 d) 2 = (a 1 (q 1 k + a 1 ) + b 1 (q 2 k + b 1 ) + c 1 (q 3 k + c 1 ) + d 1 (q 4 k + d 1 )) 2 = ( k(a 1 q 1 + b 1 q 2 + c 1 q 3 + d 1 q 4 ) + a b2 1 + c2 1 + ) 2 d2 1 = (k(a 1 q 1 + b 1 q 2 + c 1 q 3 + d 1 q 4 ) + sk) 2 = (k(a 1 q 1 + b 1 q 2 + c 1 q 3 + d 1 q 4 + s)) 2. = ξ 1 Z (a 1 b b 1 a + c 1 d d 1 c) 2 = (a 1 (q 2 k + b 1 ) b 1 (q 1 k + a 1 ) + c 1 (q 4 k + d 1 ) d 1 (q 3 k + c 1 )) 2 = (k(a 1 q 2 b 1 q 1 + c 1 q 4 d 1 q 3 ) + a 1 b 1 b 1 a 1 + c 1 d 1 d 1 c 1 ) 2 = (k(a 1 q 2 b 1 q 1 + c 1 q 4 d 1 q 3 )) 2. = ξ 2 Z 30

31 3. (a 1 c b 1 d c 1 a + d 1 b) 2 = (a 1 (q 3 k + c 1 ) b 1 (q 4 k + d 1 ) c 1 (q 1 k + a 1 ) + d 1 (q 2 k + b 1 )) 2 = (k(a 1 q 3 b 1 q 4 c 1 q 1 + d 1 q 2 ) + a 1 c 1 b 1 d 1 c 1 a 1 + d 1 b 1 ) 2 = (k(a 1 q 3 b 1 q 4 c 1 q 1 + d 1 q 2 )) 2. = ξ 3 Z 4. (a 1 d + b 1 c c 1 b d 1 a) 2 = (a 1 (q 4 k + d 1 ) + b 1 (q 3 k + c 1 ) c 1 (q 2 k + b 1 ) d 1 (q 1 k + a 1 )) 2 = (k(a 1 q 4 + b 1 q 3 c 1 q 2 d 1 q 1 ) + a 1 d 1 + b 1 c 1 c 1 b 1 d 1 a 1 ) 2 = (k(a 1 q 4 + b 1 q 3 c 1 q 2 d 1 q 1 )) 2. = ξ 4 Z Teď již můžeme pokračovat v původí myšlece: sk kp = (kξ 1 ) 2 + (kξ 2 ) 2 + (kξ 3 ) 2 + (kξ 4 ) 2 k 2 sp = k 2 (ξ ξ2 2 + ξ2 3 + ξ2 4 ) (3.8) sp = ξ ξ2 2 + ξ2 3 + ξ2 4. Jelikož víme, že sp 0, musí být alespoň jedo z čísel ξ i eulové. Pokud p dělí všecha čísla ξ i, pak astae sp = ξ ξ2 2 + ξ2 3 + ξ2 4 p2, odtud s p, což je však ve sporu s dříve ukázaým s < k < p. Alespoň pro jedo z čísel ξ i tedy platí p ξ i. Pak by ovšem muselo být splěo 0 = kp sp, což je opět ve sporu s s < k. Vidíme tedy, že předpoklad 1 < k < p emůže platit, a proto k = 1. Pomocí výše zjištěého teď dokážeme, že každé prvočíslo p je součtem čtyř čtverců. Mějme možiu { ( ) } p 1 2 M 1 = , ,..., Nyí sporem ukážeme, že každé dva prvky možiy M 1 jsou vzájemě ikogruetí modulo { } p. Nechť u, v Z jsou taková čísla, že u, v 0, 1,..., p 1 2, u v a předpokládejme, že 1 + u v 2 (mod p). Potom p (u v)(u + v). Za tohoto předpokladu by p dělilo aspoň jedo z čísel (u v), (u + v), což vede ke sporu, jelikož 1 u ± v p 1 a tudíž musí platit, že každé 2 růzé prvky možiy M 1 jsou vzájemě ikogruetí modulo p. Totéž bude platit pro prvky možiy { ( ) } p 1 2 M 2 = 0 2, 1 2,...,. 2 31

32 Možiy M 1, M 2 jsou evidetě disjuktí, sjedoceím obou moži pak dostáváme možiu ( ) M, pro kterou platí M = 2 p = p + 1. Jiými slovy určitě existuje alespoň jeda dvojice čísel x, y Z, splňující ásledující podmíky: 1 + x 2 M 1 y 2 M x 2 y 2 (mod p). Díky existeci takových x, y tedy můžeme psát x 2 + y 2 0(mod p), takže p ( x 2 + y 2 ), přičemž p 1. Pro tyto situace jsme již dokázali, že p je součtem čtyř čtverců, a proto je každé prvočíslo p > 2 součtem čtyř čtverců. Očividě platí 1 = , stejě tak 2 = a a základě Eulerovy idetity můžeme říct, že věta platí i pro všecha čísla složeá. Jelikož žádá jiá přirozeá čísla, ež 1, prvočísla a čísla složeá eexistují, věta skutečě platí. 32

33 4 Asymptotická hustota V této kapitole se zamyslíme ad otázkou, jaké zastoupeí mají čísla, odpovídající kvatovým stavům částice v poteciálové jámě, mezi přirozeými čísly. Spočítat pouhým podílem relativí četost v tomto případě emá smysl, eboť jak možia kvatových stavů, tak možia přirozeých čísel jsou (spočetě) ekoečé. Poěkud sofistikovaějším ástrojem pro porováváí velikostí moži v oboru přirozeých čísel je právě asymptotická hustota. 4.1 Defiice, základí vlastosti Defiice 4.1 Nechť A N. Horí, resp. dolí asymptotickou hustotou možiy A azýváme číslo resp. d(a) = lim sup d(a) = lim if A(), A(), přičemž A() ozačuje počet prvků možiy A, epřesahujících číslo. Pokud avíc platí d(a) = d(a), potom číslo A() d(a) = d(a) = d(a) = lim ozačujeme jako asymptotickou hustotu možiy A. Už a základě defiice můžeme o asymptotické hustotě mohé zjistit. Především skutečost, že horí i dolí asymptotická hustota vždy existují, avšak asymptotická hustota existovat emusí (limes superior i limes iferior poslouposti vždy existují, ale emusí existovat její limita). Jiými slovy, asymptotická hustota možiy existuje, existuje-li příslušá limita. Některé další vlastosti asymptotické hustoty shruje ásledující věta: Věta 4.1 Nechť A N. Potom platí: 1. d(n) = d(a) d(a) Nechť K N a K <. Jestliže d(a) existuje, pak platí, že d(a K) = d(a K) = d(a). 4. Nechť D N, A D = a A D = Ω. Jestliže existují d(ω) a d(d), pak platí, že d(a) = d(ω) d(d). 5. Nechť D N je možia taková, že A = N D. Pokud existuje d(d), pak pro asymptotickou hustotu možiy A platí d(a) = 1 d(d). 6. Nechť A B N a existuje d(b). Potom platí, že 0 d(a) d(a) d(b) 1. 33

34 Důkaz. N() 1. Zjevě platí N() =, a tedy lim = lim = Počet prvků možiy A, epřesahujících číslo, emůže být větší, ež, ai meší, ež 0. Proto 0 lim if 0 A() = 1 A() lim sup A() Možia K je koečá, tudíž K = k, k N. Pro dostatečě velká pak jistě platí A() (A K)() A() + k A() (A K)() A() k, díky čemuž s využitím věty o limitě sevřeé poslouposti dostaeme A() (A K)() (A K)() A()+k lim lim if lim sup lim d(a) d(a K) d(a K) d(a), a proto d(a K) = d(a), aalogicky pro d(a K). 4. Z defiovaých vlastostí moži A, D, Ω plye Ω() = (A D)() = A()+D(). Odtud A() = Ω() D(), čili A() d(a) = lim = lim Ω() lim D() = d(ω) d(d). 5. Plye z bodů 1 a 4: Pokud za možiu Ω z bodu 4 dosadíme N, dostáváme d(a) = d(n) d(d) = 1 d(d). 6. Fakt, že 0 d(a) d(a) plye hed z bodu 2, stejě jako d(b) 1, proto stačí ukázat, že d(a) d(b). Vzhledem k tomu, že A B, tak musí platit A() B(), potažmo A() B(). Jelikož d(b) = lim B(), pak takových B(), větších ež d(b)+ε, ε R+ je pouze koečě moho. Uvažujme situaci, že by d(a) > d(b). Položíme-li ε = 1 2 (d(a) d(b), pak bude existovat ekoečě moho A(), větších ež d(b)+ε. Protože A() B(), muselo by být i ekoečě moho takových N, pro která platí B() d(b) + ε, což vede ke sporu. 34

35 Dříve, ež přistoupíme ke složitějšímu výpočtu asymptotické hustoty spektra, ukažme si pro ázorost ěkolik příkladů. Příklad 1 Například možia kladých prvků zbytkové třídy 3(mod 5) má asymptotickou hustotu 1 5. Proč? Zadaá možia se dá vyjádřit ve tvaru Z = {5q 2 q N}. Z() potom určíme jako počet všech q, pro která platí, že 5q 2. Pokud bychom se a situaci podívali podroběji, zjišťujeme, že 5q + 2 q Jelikož q je celé číslo, je zjevé, že počet všech vyhovujících q odpovídá celé části čísla [ ] Odtud Z() = +2 5 = +2 5 ε, kde ε 0, 1). Nyí už je stačí dosadit do příslušé limity, čímž vziká +2 Z() d(z) = lim = lim 5 ε = 1 5. Příklad 2 Existují možiy, které ejsou koečé, ale jejich asymptotická hustota je rova ule. Takovou možiou je apříklad M = {ra s a N}, kde r, s jsou přirozeé kostaty a s > 1. Číslo M() [ ] s je totiž rovo r. Příslušá limita pak vypadá ásledově: M() d(m) = lim = lim s r = lim 1 r 1 s s 1 s = 0. Dalším příkladem ekoečé možiy s ulovou asymptotickou hustotou může být kupříkladu možia všech prvočísel (plye z prvočíselé věty, viz [4]). Příklad 3 Jak jsme řekli, e každá možia musí mít asymptotickou hustotu. Například možia S = {1,..., 9, 100,..., 999, 10000,...}, čili možia všech přirozeých čísel, jejichž dekadický zápis obsahuje lichý počet cifer. Obecě platí, že číslo α 10 β, kde α {1,..., 9}, β Z + 0, má β + 1 cifer. Do aší možiy tedy patří všecha čísla ve tvaru α 10 β se sudým β. Podívejme se yí, čemu se rová S( ). Pokud by bylo = 0, pak by platilo, že S() = 9, v tomto rozsahu by totiž do možiy S patřila pouze čísla od 1 do 9. Pokud by bylo = 1, pak S() = 909, eboť k původím devíti by se yí přičetl počet všech čísel od 100 do 999, kterých je 900. Lze se sado přesvědčit, že obecě platí S( ) = 9 ( ) = i. i=0 35

36 Uvedeý výraz se dá dále upravit, uvědomíme-li si, že se jedá o součet geometrické poslouposti, jež je dá vztahem j=0 a j = a 0 1 q+1 1 q, kde a 0 je počátečí čle poslouposti a q je kvociet. V tomto případě a 0 = 1 a q = Proto S( ) = = Nyí se pokusme určit S( ). Jelikož žádé z čísel od do do možiy S epatří a počet čísel od do je rove , můžeme říci, že S( ) = S( ) = = Podívejme se, co by tyto výsledky zamealy pro existeci příslušé limity. Pokud posloupost koverguje, pak k témuž číslu koverguje i posloupost z í vybraá, tedy za předpokladu, že existuje d(s) musí platit opak je však pravdou: S() d(s) = lim = lim S( ) S( ) = lim , S( ) lim = lim S( ) lim = lim Z výše uvedeého vyplývá, že d(s) eexistuje. Příklad = = Jako posledí příklad uveďme možiu edegeerovaých hladi eergií částice v poteciálové jámě. Na koci Kapitoly 2 jsme se zmíili o tom, že edegeerovaé mohou být pouze ty hladiy, pro které ezáleží a uspořádáí kvatových čísel, což zjevě platí pouze když a = b = c a čle a 2 + b 2 + c 2 tak přechází ve 3a 2. Zároveň to musí být taková 3a 2, která elze jiým způsobem vyjádřit jako součet tří druhých moci. Ozačme B jako možiu edegeerovaých hladi a B = {3a 2 a N}. Je evidetí, že B B. Dále vidíme, že možia B je kokrétím případem možiy M z Příkladu 2, kde r = 3 a s = 2. Nyí již lze a základě 6. bodu Věty 4.1 určit d(b ): 0 d(b ) d(b ) = 0 d(b ) = 0. Nakoec a základě 2. bodu Věty 4.1 máme 0 d(b ) d(b ) = 0, tudíž d(b ) existuje a je rova 0. Proto lze říci, že edegeerovaé hladiy teoreticky mají je epatré zastoupeí. 36

37 4.2 Asymptotická hustota možiy B 2 Abychom mohli určit asymptotickou hustotu povoleých eergií, potřebujeme ejprve určit asymptotickou hustotu možiy B 2 (viz Pozámka 3.2). K jejímu alezeí zde použijeme způsob, jež je možé alézt ve čláku [7]. Nejprve si tedy ukážeme platost ěkolika pomocých výroků: Věta 4.2 Nechť p 1 < p 2 < < p i <... je posloupost všech prvočísel ve tvaru p i = 4k + 3, k Z + 0 a D i = {m p 2j i j Z + 0, m N, gcd(m, p i) = 1}, jiak řečeo D i je možia všech přirozeých čísel, která ve svém kaoickém rozkladu emají prvočíslo p i s lichou mociou. Potom d(d i ) = p i p i +1. Důkaz. Nejprve defiujme možiu F k jako možiu takových přirozeých čísel, která mají v rozkladu prvočíslo p i s mociou větší ebo rovou k. Odtud můžeme psát F 0 = N = {m m N} a F 0 () = [], [ ] F 1 = {p i m m N} a F 1 () =, pi [ ] F 2 = {p 2 i m m N} a F 2() =, p 2 i. [ F k = {p k i m m N} a F k() = Nyí pro k = 1, 2,... defiujeme možiy G k a Q k rekuretě ásledujícím předpisem: p k i ]. G 1 = F 0 Q k = k 1 i=0 (F 2i F 2i+1 ) G k = Q k F 2k 1. (4.1) To zameá, že možia Q k obsahuje všecha přirozeá čísla, která mají ve svém kaoickém rozkladu prvočíslo p i se sudou mociou meší ež 2k 1, zatímco možia G k obsahuje všecha přirozeá čísla, kromě těch, která mají ve svém kaoickém rozkladu prvočíslo p i s lichou mociou meší ež 2k 1. Je zřejmé, že 1. V případě, že k = 1 platí G 1 = F 0 = N D i Q 1 = F 0 F 1, 37

38 z čehož pro všecha N plye [ ] G 1 () = [] D i () Q 1 () = []. pi 2. V případě, že k = 2 platí z čehož pro všecha N plye G 2 = Q 1 F 2 D i Q 2 = G 2 F 3, [ ] [ ] [ ] [ ] [ ] G 2 () = [] + pi p 2 D i () Q 2 () = [] + i pi p 2 i p 3. i 3. A koečě, pro každé k, N platí G k D i Q k, 2(k 1) [ ] [ ] 2k 1 G k () = ( 1) j j=0 p j D i () Q k () = ( 1) j i j=0 p j. i Proto také můžeme říci, že pro každé k, N platí 2(k 1) j=0 ( 1) j [ ] p j i D i() Pro dostáváme pro libovolé pevé k N 2k 1 j=0 ( 1)j [ ] p j i. lim 2(k 1) j=0 ( 1) j [ ] p j i lim sup D i () lim if D i () lim 2k 1 j=0 ( 1)j [ ] p j i, a protože k je pevé, 2(k 1) j=0 ( 1) j 1 p j i lim sup D i () lim if D i () 2k 1 j=0 ( 1) j 1 p j. i Nakoec, s k získáváme 2(k 1) lim k j=0 ( 1) j 1 p j i lim sup D i () lim if D i () 2k 1 lim ( 1) j 1 k j=0 p j i 38

39 p i D i () D i () lim sup lim if p i + 1 d(d i ) = d(d i ) = d(d i ) = p i p i + 1. p i p i + 1 Věta 4.3 Nechť D i d( i=1 D i) = i=1 d(d i ) = i=1 jsou možiy, defiovaé ve Větě 4.2. Pak pro každé N platí, že p i p i +1. Důkaz. Provedeme idukcí. Pro = 1 je důkaz triviálí a pro = 2 aalogický jako u důkazu Věty 4.2: Uvědomíme-li si, že D 1 D 2 = {p 2j 1 1 p2j 2 2 m j 1, j 2 Z + 0, m N, gcd(m, p 1) = gcd(m, p 2 ) = 1}, potom k tomu, abychom ukázali, že d(d 1 D 2 ) = p 1 musíme defiovat možiy F k ásledově: p 1 +1 p 2 p 2 +1 F 0 = D 2 = {m m D 2 } a tak F 0 () = D 2 (), ([ ]) F 1 = {p 1 m m D 2 } a tak F 1 () = D 2 p 1, ([ ]) F 2 = {p 2 1 m m D 2} a tak F 2 () = D 2, p 2 1. ([ F k = {p k 1 m m D 2} a tak F k () = D 2 Možiy G k a Q k, k = 1, 2,... defiujeme způsobem, popsaým ve vztahu (4.1), podobým postupem jako dříve pak získáme, že pro všecha k, N platí takže můžeme psát G k () = 2(k 1) j=0 ( 1) j D 2 ([ p j 1 ]) G k D 1 D 2 Q k, (D 1 D 2 )() Q k () = p k 1 2k 1 j=0 ]). ( 1) j D 2 ([ p j 1 ]). Odtud pro všecha k, N platí ([ ]) 2(k 1) j=0 ( 1) j D 2 p j 1 (D 1 D 2 )() ([ ]) 2k 1 j=0 ( 1)j D 2 p j 1. Ozačíme-li D = D 1 D 2, pak pro dostáváme pro každé pevé k N ásledující 39

40 erovosti: lim 2(k 1) lim j=0 ([ ]) 2(k 1) j=0 ( 1) j D 2 p j 1 ([ ( 1) j D 2 ]) [ ] p j 1 p j 1 [ p j 1 d(d ) d(d ) lim ] d(d 2k 1 ) d(d ) lim j=0 ([ ]) 2k 1 j=0 ( 1)j D 2 p j i ([ ( 1) j D 2 ]) [ ] p j 1 p j 1 [ ] p j 1 S k vidíme, že: 2(k 1) d(d 2 ) ( 1) j 1 j=0 p j 1 d(d 2k 1 ) d(d ) d(d 2 ) ( 1) j 1 j=0 p j 1. 2(k 1) lim d(d 2) ( 1) j 1 k j=0 p j 1 p 1 d(d 2k 1 ) d(d ) lim d(d 2) ( 1) j 1 k j=0 p j 1 d(d 2 ) p d(d ) d(d ) d(d 2 ) p d(d 2 )d(d 1 ) d(d ) d(d ) d(d 2 )d(d 1 ). A tedy skutečě, d(d 1 D 2 ) = d(d 1 ) d(d 2 ) = p 1 p 1 +1 p 2 p Této myšleky použijeme k provedeí idukčího kroku. Ozačme D = r 1 i=1 D i. Idukčím předpokladem dostáváme d(d ) = r 1 i=1 d(d i) = r 1 p i i=1 p i +1 a yí ukážeme, že d(d D r ) = ri=1 d(d i ) = r p i i=1 p i +1. Opět defiujeme možiy F k jako p 1 F 0 = D 2 = {m m D } a tak F 0 () = D (), ([ ]) F 1 = {p r m m D } a tak F 1 () = D p r, ([ ]) F 2 = {p 2 r m m D } a tak F 2 () = D, p 2 r. F k = {p k r m m D } a tak F k () = D ([ p k r možiy G k a Q k, k = 1, 2,... opět vztahem (4.1) a aalogicky jako dříve zjistíme, že pro všecha k, N ([ ]) 2(k 1) j=0 ( 1) j D p j r (D D r )() ]), ([ ]) 2k 1 j=0 ( 1)j D p j r. 40

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

1 Uzavřená Gaussova rovina a její topologie

1 Uzavřená Gaussova rovina a její topologie 1 Uzavřeá Gaussova rovia a její topologie Podobě jako reálá čísla rozšiřujeme o dva body a, rozšiřujeme také možiu komplexích čísel. Nepřidáváme však dva body ýbrž je jede. Te budeme začit a budeme ho

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

Kapitola 4 Euklidovské prostory

Kapitola 4 Euklidovské prostory Kapitola 4 Euklidovské prostory 4.1. Defiice euklidovského prostoru 4.1.1. DEFINICE Nechť E je vektorový prostor ad tělesem reálých čísel R,, : E 2 R. E se azývá euklidovský prostor, platí-li: (I) Pro

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0 Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad... Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1

Více

Spojitost a limita funkcí jedné reálné proměnné

Spojitost a limita funkcí jedné reálné proměnné Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v

Více

11. přednáška 16. prosince Úvod do komplexní analýzy.

11. přednáška 16. prosince Úvod do komplexní analýzy. 11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

5. Posloupnosti a řady

5. Posloupnosti a řady Matematická aalýza I předášky M. Málka cvičeí A. Hakové a R. Otáhalové Zimí semestr 2004/05 5. Poslouposti a řady 5.1 Limita a hromadé hodoty. Mějme posloupost x ) prvků Hausdorffova topologického prostoru

Více

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací

Více

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor.

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor. 5 PŘEDNÁŠKA 5: Jedorozměrý a třírozměrý harmoický oscilátor. Půjde o spektrum harmoického oscilátoru emá to ic společého se spektrem atomu ebo se spektrálími čarami atomu. Liší se to právě poteciálem!

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

Kapitola 5 - Matice (nad tělesem)

Kapitola 5 - Matice (nad tělesem) Kapitola 5 - Matice (ad tělesem) 5.. Defiice matice 5... DEFINICE Nechť T je těleso, m, N. Maticí typu m, ad tělesem T rozumíme zobrazeí možiy {, 2,, m} {, 2,, } do T. 5..2. OZNAČENÍ Možiu všech matic

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

NMAF061, ZS Zápočtová písemná práce skupina A 16. listopad dx

NMAF061, ZS Zápočtová písemná práce skupina A 16. listopad dx NMAF06, ZS 07 08 Zápočtová písemá práce skupia A 6. listopad 07 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo

Více

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické 5 Itegrace racioálích fukcí 5 Itegrace racioálích fukcí Průvodce studiem V předcházejících kapitolách jsme se aučili počítat eurčité itegrály úpravou a základí itegrály, metodou per partes a substitučí

Více

1 Základní pojmy a vlastnosti

1 Základní pojmy a vlastnosti Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).

Více

Matematická analýza I

Matematická analýza I 1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu): Pricip matematické idukce PMI) se systematicky probírá v jié části středoškolské matematiky. a tomto místě je zařaze z důvodu opakováí matka moudrosti) a proto, abychom ji mohli bez uzarděí použít při

Více

Masarykova univerzita Přírodovědecká fakulta

Masarykova univerzita Přírodovědecká fakulta Masarykova uiverzita Přírodovědecká fakulta Zuzaa Došlá, Vítězslav Novák NEKONEČNÉ ŘADY Bro 00 c Zuzaa Došlá, Vítězslav Novák, Masarykova uiverzita, Bro, 998, 00 ISBN 80-0-949- 3 Kapitola 3 Řady absolutě

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) = NAF61, ZS 17 18 Zápočtová písemá práce VZOR 5. leda 18 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo a příjmeí:

Více

ŘADY Jiří Bouchala a Petr Vodstrčil

ŘADY Jiří Bouchala a Petr Vodstrčil ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost Číselé řady Defiice (Posloupost částečých součtů číselé řady). Nechť (a ) =1 je číselá posloupost. Pro všecha položme s = ak. Posloupost ( s ) azýváme posloupost částečých součtů řady. Defiice (Součet

Více

23. Mechanické vlnění

23. Mechanické vlnění 3. Mechaické vlěí Mechaické vlěí je děj, při kterém částice pružého prostředí kmitají kolem svých rovovážých poloh a teto kmitavý pohyb se přeáší (postupuje) od jedé částice k druhé vlěí může vzikout pouze

Více

4. B o d o v é o d h a d y p a r a m e t r ů

4. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II

Více

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU Matematické modelováí (KMA/MM Téma: Model pohybu mraveců Zdeěk Hazal (A8N18P, zhazal@sezam.cz 8/9 Obor: FAV-AVIN-FIS 1. ÚVOD Model byl převzat z kihy Spojité modely v biologii

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N?

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N? 1 Prví prosemiář Cvičeí 1.1. Dokažte Beroulliovu erovost (1 + x) 1 + x, N, x. Platí tato erovost obecě pro všecha x R a N? Řešeí: (a) Pokud předpokládáme x 1, pak lze řešit klasickou idukcí. Pro = 1 tvrzeí

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

Přednáška 7: Soustavy lineárních rovnic

Přednáška 7: Soustavy lineárních rovnic Předáška 7: Soustavy lieárích rovic 7.1. Příklad (geometrie v roviě) Rozhoděte o vzájemé poloze přímky p : x y 1 a přímky a) a : x y 3, b) b : 2x 2y 3, c) c :3x 3y 3. Jak víme ze středí školy, lze o vzájemé

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019 Jméo: Příklad 2 3 Celkem bodů Bodů 0 8 2 30 Získáo 0 Uvažujte posloupost distribucí {f } + = D (R defiovaou jako f (x = ( δ x m, kde δ ( x m začí Diracovu distribuci v bodě m Najděte limitu f = lim + f

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost

Více

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH IVAN KŘIVÝ ČÍSLO OPERAČNÍHO PROGRAMU: CZ..07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n Jméo: Příklad 3 Celkem bodů Bodů 8 0 30 Získáo [8 Uvažujte posloupost distribucí f } D R defiovaou jako f [δ kde δ a začí Diracovu distribuci v bodě a Najděte itu δ 0 + δ + této poslouposti aeb spočtěte

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

1 Základy Z-transformace. pro aplikace v oblasti

1 Základy Z-transformace. pro aplikace v oblasti Základy Z-trasformace pro aplikace v oblasti číslicového zpracováí sigálů Petr Pollák 9. říja 29 Základy Z-trasformace Teto stručý text slouží k připomeutí základích vlastostí Z-trasformace s jejími aplikacemi

Více

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D. MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ PH.D. Obsah MNOŽINY.... ČÍSELNÉ MNOŽINY.... OPERACE S MNOŽINAMI... ALGEBRAICKÉ VÝRAZY... 6. OPERACE S JEDNOČLENY A MNOHOČLENY...

Více

Petr Šedivý Šedivá matematika

Petr Šedivý  Šedivá matematika LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n. Matematická aalýza II předášky M. Málka cvičeí A. Hakové a R. Otáhalové Semestr letí 2005 6. Nekoečé řady fukcí V šesté kapitole pokračujeme ve studiu ekoečých řad. Nejprve odvozujeme základí tvrzeí o

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Mocninné řady - sbírka příkladů

Mocninné řady - sbírka příkladů UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Mocié řady - sbírka příkladů Vedoucí bakalářské práce: Mgr. Iveta Bebčáková, Ph.D.

Více

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice Matematika I Název studijího programu RNDr. Jaroslav Krieg 2014 České Budějovice 1 Teto učebí materiál vzikl v rámci projektu "Itegrace a podpora studetů se specifickými vzdělávacími potřebami a Vysoké

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

IV-1 Energie soustavy bodových nábojů... 2 IV-2 Energie elektrického pole pro náboj rozmístěný obecně na povrchu a uvnitř objemu tělesa...

IV-1 Energie soustavy bodových nábojů... 2 IV-2 Energie elektrického pole pro náboj rozmístěný obecně na povrchu a uvnitř objemu tělesa... IV- Eergie soustavy bodových ábojů... IV- Eergie elektrického pole pro áboj rozmístěý obecě a povrchu a uvitř objemu tělesa... 3 IV-3 Eergie elektrického pole v abitém kodezátoru... 3 IV-4 Eergie elektrostatického

Více

n-rozměrné normální rozdělení pravděpodobnosti

n-rozměrné normální rozdělení pravděpodobnosti -rozměré ormálí rozděleí pravděpodobosti. Ortogoálí a pozitivě defiití symetrické matice. Reálá čtvercová matice =Ha i j L řádu se azývá ortogoálí, je-li regulárí a iverzí matice - je rova traspoovaé matici

Více

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

Užití binomické věty

Užití binomické věty 9..9 Užití biomické věty Předpoklady: 98 Často ám z biomického rozvoje stačí pouze jede kokrétí čle. Př. : x Urči šestý čle biomického rozvoje xy + 4y. Získaý výraz uprav. Biomický rozvoj začíá: ( a +

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce

DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ ) Pojem ukce, gra ukce De: Fukcí reálé proměé azýváme pravidlo, které každému reálému číslu D přiřazuje právě jedo reálé číslo y H Toto pravidlo začíme ejčastěji

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

ZS 2018/19 Po 10:40 T5

ZS 2018/19 Po 10:40 T5 Cvičeí - Matematická aalýza ZS 08/9 Po 0:40 T5 Cvičeí 008 Řešte erovice v R: 8, log 3 ( 3+3 0 Částečý součet geometrické řady: pro každé q C, q, a N platí 3 Důsledek: +q +q + +q = q+ q si+si+ +si = si

Více

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové: Užitečé zdroje příkladů jsou: Materiály ke cvičeím z Kalkulu 3 od Kristýy Kucové: http://www.karli.mff.cui.cz/~kucova/historie8. php K posloupostem řad a fukcí Ilja Čerý: Iteligetí kalkulus. Olie zde:

Více

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

Více

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM Kombiatorika- 3 doc. RNDr. Josef Kolář, CSc. Katedra teoretické iformatiky FIT České vysoké učeí techické v Praze c Josef Kolar, 2011 Základy diskrétí matematiky, BI-ZDM ZS 2011/12, Lekce 8 Evropský sociálí

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

Úloha II.S... odhadnutelná

Úloha II.S... odhadnutelná Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

1 Základní matematické pojmy Logika Množiny a jejich zobrazení... 7

1 Základní matematické pojmy Logika Množiny a jejich zobrazení... 7 Semiář z matematické aalýzy I Čížek Jiří-Kubr Mila 8 září 007 Obsah Základí matematické pojmy Logika Možiy a jejich zobrazeí 7 Reálá a komplexí čísla 6 Poslouposti 7 Základí vlastosti posloupostí 7 Limita

Více

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace: . cvičeí Příklady a matematickou idukci Dokažte:.! . Návody:. + +. + i i i i + + 4. + + + + + + + + Operace s možiami.

Více

1 Nekonečné řady s nezápornými členy

1 Nekonečné řady s nezápornými členy Nekoečé řady s ezáporými čley Příklad.. Rozhoděte o kovergeci ásledující řady Řešeí. Pro každé N platí Řada tg. tg. diverguje, a proto podle srovávacího kritéria diverguje také řada tg. Příklad.. Určete

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

Více