Požadavky ke zkoušce

Podobné dokumenty
Požadavky ke zkoušce. Ukázková písemka

1 Vektorové prostory a podprostory

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

Program SMP pro kombinované studium

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

2. Určte hromadné body, limitu superior a limitu inferior posloupností: 2, b n = n. n n n.

Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Přednášky z předmětu Aplikovaná matematika, rok 2012

EUKLIDOVSKÉ PROSTORY

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

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

I. Diferenciální rovnice. 3. Rovnici y = x+y+1. převeďte vhodnou transformací na rovnici homogenní (vzniklou

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

ZADÁNÍ ZKOUŠKOVÉ PÍSEMNÉ PRÁCE Z PŘEDMĚTU LINEÁRNÍ ALGEBRA PRO IT. Verze 1.1A

1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x

Linearní algebra příklady

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

Otázky k ústní zkoušce, přehled témat A. Číselné řady

ALG2: Lineární Algebra (Skripta Horák, jako doplněk i skripta Kovár v IS)

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

verze 1.3 kde ρ(, ) je vzdálenost dvou bodů v R r. Redukovaným ε-ovým okolím nazveme ε-ové okolí bodu x 0 mimo tohoto bodu, tedy množinu

Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )

1 Báze a dimenze vektorového prostoru 1

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

Vysoké učení technické v Brně, Fakulta strojního inženýrství MATEMATIKA 2

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

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

Transformujte diferenciální výraz x f x + y f do polárních souřadnic r a ϕ, které jsou definovány vztahy x = r cos ϕ a y = r sin ϕ.

Vlastní čísla a vlastní vektory

Cvičení z Lineární algebry 1

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

MATEMATIKA II - vybrané úlohy ze zkoušek (2015)

11 Vzdálenost podprostorů

A0B01LAA Lineární algebra a aplikace (příklady na cvičení- řešení)

Matematika I 12a Euklidovská geometrie

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

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

1 Projekce a projektory

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

19 Eukleidovský bodový prostor

Matematika B101MA1, B101MA2

Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Kapitola 11: Lineární diferenciální rovnice 1/15

MATEMATIKA I. Požadavky ke zkoušce pro skupinu C 1. ročník 2014/15. I. Základy, lineární algebra a analytická geometrie

8.4. Shrnutí ke kapitolám 7 a 8

6.1 Vektorový prostor

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

na magisterský studijní obor Učitelství matematiky pro střední školy

Matematika 2 (2016/2017)

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

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

ALGEBRA. Téma 5: Vektorové prostory

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

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

7 Analytické vyjádření shodnosti

8 Matice a determinanty

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

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

Extrémy funkce dvou proměnných

MATEMATIKA I Požadavky ke zkoušce pro 1. ročník, skupina A 2017/18

1 Topologie roviny a prostoru

5. cvičení z Matematiky 2

Vybrané kapitoly z matematiky

VIDEOSBÍRKA DERIVACE

Maturitní témata z matematiky

Základy matematiky pracovní listy

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

y = 2x2 + 10xy + 5. (a) = 7. y Úloha 2.: Určete rovnici tečné roviny a normály ke grafu funkce f = f(x, y) v bodě (a, f(a)). f(x, y) = x, a = (1, 1).

Úvodní informace. 17. února 2018

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,

18. První rozklad lineární transformace

ALGEBRA. Téma 4: Grupy, okruhy a pole

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

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

VIDEOSBÍRKA DERIVACE

Vektorové prostory R ( n 1,2,3)

DEFINICE Z LINEÁRNÍ ALGEBRY

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze

Lineární algebra : Metrická geometrie

Analytická geometrie. c ÚM FSI VUT v Brně

7. Lineární vektorové prostory

Aplikovaná numerická matematika

Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)

Občas se používá značení f x (x 0, y 0 ), resp. f y (x 0, y 0 ). Parciální derivace f. rovnoběžného s osou y a z:

+ 2y y = nf ; x 0. závisí pouze na vzdálenosti bodu (x, y) od počátku, vyhovuje rovnici. y F x x F y = 0. x y. x x + y F. y = F

Lineární algebra : Skalární součin a ortogonalita

Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

Matematika B101MA1, B101MA2

Matematika 1 Jiˇr ı Fiˇser 19. z aˇr ı 2016 Jiˇr ı Fiˇser (KMA, PˇrF UP Olomouc) KMA MAT1 19. z aˇr ı / 19

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí

Přijímací zkoušky z matematiky pro akademický rok 2018/19 NMgr. studium Učitelství matematiky ZŠ, SŠ

Masarykova univerzita

Jazyk matematiky Matematická logika Množinové operace Zobrazení Rozšířená číslená osa

11. Skalární součin a ortogonalita p. 1/16

Q(y) dy = P(x) dx + C.

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

Transkript:

Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 2 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 obsaženo pět příkladů větší obtížnosti. Test trvá 60 minut, obsahuje deset jednodušších otázek, zaměřených na znalosti základních pojmů a metod. Při písemné části není dovoleno používat literaturu, je však povoleno použít tahák vlastní výroby do velikosti formátu A4. (Použití lupy a mikroskopu není dovoleno.) Ukázkový test a písemka jsou uvedeny jako součást tohoto dokumentu. Skutečné testy a písemky u jednotlivých termínů budou nižší (maximálně stejné) obtížnosti. Všechny vaše připomínky k ukázkovému testu i písemce jsou vítány. Bodování: Testové příklady jsou hodnoceny jedním bodem, písemkové dvěma body. Celkem je tedy možné získat 20 bodů z písemné části zkoušky. Další body (maximálně deset) si student přináší od svého cvičícího, který ho ohodnotil za práci v průběhu semestru. Výsledná známka pak odpovídá bodovému ohodnocení takto: 30 27 bodů... A 27 24 bodů... B 24 21 bodů... C 21 18 bodů... D 18 15 bodů... E 15 0 bodů... F. Ústní část: V případě, že student nesouhlasí se známkou (nebo je-li bodové ohodnocení nerozhodně), vyjasní se situace u ústní části zkoušky.

Ukázková písemka PÍSEMKA ZKOUŠKA Z MATEMATIKY 2, 2006 1. Samoadjungovaný lineární operátor ϕ v U 4 je v ortonormální bázi B reprezentován maticí A. 0 4 4 3 A = 5 0. 0 3 Určete: a) vlastní hodnoty a vlastní vektory zobrazení ϕ, [1 bod] b) spektrální reprezentaci zobrazení ϕ v bázi B (tj. rozklad A = λ 1 P 1 +... + λ r P r, kde P i jsou matice projekce), [1 bod] c) matici A reprezentující ϕ v bázi vlastních vektorů B a matice přechodu T, T 1 mezi bázemi B a B. [0,5 bodu] d) matici A 10. [0,5 bodu] 2. Nalezněte všechna řešení následujících diferenciálních rovnic: a) y y = 2(1 x), y(0) = 1, y (0) = 1, [1,2 bodu] b) x 2 y + xy + 1 = 0, [1,2 bodu] c) y (x 2 + 3x 4) = (x + 9)y. [0,6 bodu] 3. Je dáno zobrazení F : R 3 R 3 : Určete F (x, y, z) = (2xy 2 z x, 2yx 2 z + y, x 2 y 2 ). a) Jacobiho matici zobrazení, [1 bod] b) zda je toto zobrazení gradientem nějaké skalární funkce F a v kladném případě tuto funkci vypočtěte, [1 bod]

c) rotaci a divergenci zobrazení. [0,5 bodu] 4. Transformujte parciální diferenciální rovnici pro neznámou funkci z(x, y) do nových proměnných u(x, y) = x + y, v(x, y) = x y: xz xx yz yy = 0. [1,5 bodu] TEST I. Ukázkový test 1. Základní algebraické struktury Je dána tříprvková množina M := {,, }. Definujte na této množině operaci + tak, aby a) (M, +) byla grupou. b) (M, +) nebyla grupou. Zdůvodněte. 2. Vektorové prostory a podprostory a) Uveďte příklad dvou disjunktních vektorových podprostorů v R 3. b) Uveďte příklad tří netriviálních podprostorů v P [3] takových, že jejich přímý součet je celý prostor P [3]. 3. Skalární součin V prostoru P 2 [x] je skalární součin definován vztahem p(x) q(x) = p(0)q(0) + p(1)q(1) + p(2)q(2), dokažte, že se jedná o skalární součin. 4. Skalární součin Určete matici skalárního součinu z předchozího příkladu v bázi B = {1, x, x 2 }.

5. Projekce a ortogonální doplněk Určete ortogonální doplněk L k podprostoru [( )] 1 1 L = ve vektorovém prostoru Mat 2 2 všech čtvercových matic řádu dva nad R, se skalárním součinem definovaným A B = tr(a B T ). 6. Projekce a ortogonální doplněk Určete ortogonální projekci vektoru ( ) 1 0 A = do podprostoru L resp. do L z předchozího příkladu. 7. Lineární zobrazení Lineární zobrazení f : R 4 R 3 je dáno předpisem f(x, y, z, w) = (x + y, x y, x). Zapište jeho matici ve standardních bázích a určete jádro a image. 8. Křivočaré souřadnice Je dána transformace souřadnic f : [0, 2π) (0, ) (ϕ, ϱ) (x, y) R 2 : x = aϱ sin(ϕ + π 4 ) y = bϱ cos(ϕ + π 4 ) Nalezněte inverzní transformaci a zakreslete souřadnicové křivky ϱ = konst., ϕ = konst. 9. Vlastní hodnoy a vlastní vektory Lineární zobrazení f : P 2 [x] P 2 [x] je dáno vztahem f(ax 2 + bx + c) = (ax + b). Určete jeho vlastní hodnoty a vlastní vektory. 10. Uveďte příklad... Uveďte příklad lineárního zobrazení ϕ : P [2] P [2], jehož vlastní vektory jsou pouze t (x+1)+s (x 2 +1),

t, s R {0}. Zadejte ho předpisem ϕ(ax 2 +bx+c) =... i maticí ve standardní bázi (x 2, x, 1). Existuje báze, ve které je toto zobrazení reprezentováno diagonální maticí? ŘEŠENÍ: 1a. Můžeme například definovat + = + =, + = + =, + =, + = + =, + = a + =. Axiomy grupy jsou zjevně splňěny: operace je uzavřená, asociativita (rozepsáním), neutrálním prvkem je, ke každému prvku existuje inverzní a jsou navzájem inverzní prvky. 1b. Například operace definovaná takto + =, + =, + =, doplněná čímkoli dalším už zjevně nesplňuje například asociativitu ( + ) + + ( + ). 2a. Takové dva podprostory neexistují, neboť každý podprostor musí obsahovat nulový vektor, ten tedy bude v průniku libovolných dvou podprostorů. 2b. Např. V 1 = [1], V 2 = [x], V 3 = [x 2, x 3 ]. 3. Prověřením axiomů skalárního součinu. 4. G = 3 3 5 3 5 9 5 9 17 5. L = [( 1 1 ), ( 1 0 ), ( 0 1 )]. 6. A L = ( 1 2 1 2 ) 1 2 ( 1, A = 2 ) 7. A = 1 1 1 1 1 0 0 0, Kerf = [(0, 0, 0, 1), (0, 0, 1, 0)], Imf = [(1, 1, 1), (1, 1, 0)].

8. Souřadnicové křivky jsou elipsy se středem v počátku a poměrem poloos a/b a přímky procházející počátkem. Inverzní transformace je dána ϱ = x 2 a + y2 2 b 2 ϕ = arctg xb ya π 4 9. Zobrazení má jedinou vlastní hodnotu λ = 0, vlastními vektory jsou všechny vektory z jádra zobrazení Kerf = [1]. 10. Zobrazení diagonalizovatelné není, neboť z vlastních vektorů nelze utvořit bázi. Je vidět, že vlastní vektory tvoří dourozměrný podprostor, jsou tedy příslušné téže vlastní hodnotě, další nezávislý vlastní vektor nemáme, proto musí být vlastní hodnota trojnásobná. Zvolíme-li trojnásobnou vlastí hodnotu λ = 0, pak ϕ(x 2 + 1) = 0, ϕ(x + 1) = 0. Dále můžeme zvolit například ϕ(x 2 ) = x 2 + 1. Zobrazení je tímto již jednoznačně určeno a jeho matice ve standardní bázi je: 1 0 1 1 0 1 1 0 1, předpis: ϕ(ax 2 + bx + c) = (a + b c)x 2 + (a + b c).

Okruhy otázek k ústní zkoušce ZÁKLADNÍ ALGEBRAICKÉ STRUKTURY grupa okruh těleso a pole vektorový prostor VEKTOROVÉ PROSTORY A PODPROSTORY definice vektorového prostoru definice vektorového podprostoru lineární závislost a nezávislost, báze, dimenze, lineární obal průnik a součet podprostorů, přímý součet doplňek k podprostoru rozklad vektoru do dvou podprostorů, diskuze jednoznačnosti tohoto rozkladu SKALÁRNÍ SOUČIN definice skalárního součinu reprezentace skalárního součinu v bázích, matice skalárního součinu a její vlastnosti, transformační vztah norma vektoru, odchylka dvou vektorů vlastnosti skalárního součinu a normy ortogonalita vektorů, ortogonalizační proces ortogonální doplněk k podprostoru

ORTOGONÁLNÍ PROJEKCE skalární součin a ortogonálnost vektorů ortogonální doplněk k podprostoru ortogonální projekce a komponenta vektoru matice projekce, k čemu slouží a jak ji spočteme LINEÁRNÍ ZOBRAZENÍ definice lineárního zobrazení reprezentace lineárního zobrazení v bázích, transformační vztah jádro a obraz lineárního zobrazení, hodnost a defekt součet dvou lineárních zobrazení, skalární násobek lineárního zobrazení a skládání dvou lineárních zobrazení LINEÁRNÍCH TRANSFORMACE A VLASTNÍ VEK- TORY definice vlastního vektoru a vlastní hodnoty jak určíme vlastní hodnoty a vlastní vektory diskuse diagonální reprezentace lineární transformace LINEÁRNÍ TRANSFORMACE V PROSTORECH SE SKALÁRNÍM SOUČINEM samoadjungovaná a symetrická lineární transformace vlastnosti samoadjungované a symetrické lineární transformace ortogonální lineární transformace vlastnosti ortogonální lineární transformace

DIFERENCIÁLNÍ ROVNICE PRVNÍHO ŘÁDU co je to diferenciální rovnice, řešení, úplné řešení, integrální křivka rovnice se separovatelnými proměnnými, řešení rovnice převoditelné na rovnici se separovatelnými proměnnými, řešení lineární rovnice prvního řádu a její řešení exaktní rovnice, řešení SOUSTAVA LINEÁRNÍCH ROVNIC PRVNÍHO ŘÁDU A LINEÁRNÍ ROVNICE DRUHÉHO ŘÁDU co je to soustava lineárních rovnic prvního řádu řešení soustavy, princip superpozice lineární rovnice druhého řádu řešení rovnice druhého řádu, princip superpozice FUNKCE VÍCE PROMĚNNÝCH co je to funkce více proměnných definiční obor, graf funkce, vrstevnice limita a spojitost funkce více proměnných parciální derivace a derivace ve směru gradient a úplný diferenciál funkce více proměnných VEKTOROVÁ ANALÝZA skalární a vektorové funkce operace gradient, divergence a rotace, Laplaceův operátor některé identity vektorové analýzy geometrická interpretace

KŘIVOČARÉ SOUŘADNICE kartézské souřadnice polární a cylindrické souřadnice sférické souřadnice souřadnicové roviny a přímky, element objemu (resp. plochy) transformace souřadnic, Jacobiho matice a jacobián