- navpični niz matrik A in
|
|
- Ουρανία Βενιζέλος
- 5 χρόνια πριν
- Προβολές:
Transcript
1 5. PREKLOPNE STRUKTURE ALI PREKLOPNI NOGOPOLI 5. atrično opisovanje preklopnih vezij in struktur 5.. Osnovna simbolika Vektor: an vodoravni vektor a m navpični vektor atrika: A :m :n :n - matrika reda m x n A :m - matrika reda n x m Opredelimo najprej tri osnovne nize matrik: :t.t :t :(m+n) = :m.n C A B - vodoravni niz matrik A in B C :(m+n) :t = :t A :n :n B :t T :n :m i j :m = :n j = i - navpični niz matrik A in C A ; c a - transpozicija matrike C Spremenljivke A, B, C so matrike z razsežnostmi: t x n ter m x t. B stran:
2 5..2 Operacije nad vektorji in matrikami Redukcija vektorja k skalarju: c = a n ; c = a m, kjer je: - splošni znak za operator, c = a a 2 a 3 a 4... a n vodoravna redukcija vektorja k skalarju, c = a a 2 a 3 a 4... a m navpična redukcija vektorja k skalarju. :n :n.t :m = :t :m C A B ( ) i i :t j :t i c = a b Negacija: C m m i i n An; c j aj Konjunkcija: C = = = i ; i m m m i i i n An Bn c j =aj bj stran: 2
3 Disjunkcija: m m m i i i n = n + n; c j = a j+ b j C A B Izključna ALI operacija: m m m i i i n = An Bn j j j C ; c = a b 5.2 Popolna disjunktivna normalna oblika vektorske preklopne funkcije 2 n - f(x x 2,..., x n) = f i m i i = x = [x,x 2,...,x n ], ; m,,... = m m m 2 n Funkcijske vrednosti pa: f f,f,...f = (2 n ) T Skalarna preklopna funkcija je v novi simbolični izražavi: y = f(x) = m f Vektor m je z vektorjem x povsem določen. stran: 3
4 intermski vektor m je dan z operacijo konjunkcije in ekvivalence: m(x) = x W T, y = f(x) = [ x W T ] f Pravilnostna tabela dobi obliko: x y = f (x) f(x) preide v vektorsko funkcijo y, z njo pa preide tudi vektor f v matriko D. W f Torej: y = f(x) = [ x W T ] D matrična popolna disjunktivna normalna x W y = f (x) D To obliko vektorske preklopne funkcije, včasih imenujemo tudi strukturna popolna disjunktivna normalna oblika (SPDNO). stran: 4
5 5.3 Standardna mnogopolna preklopna vezja 5.3. Kodirna vezja kodirniki (encoder-ji) i y = m Σ K ; k j = konstanta K m m m... m 2 n f f 2 f 3 f 4 V konstantah matrike K je zapisano kodirno pravilo. y m K y stran: 5
6 Dekodirna vezja dekodirniki (decoder-ji) x x x 2 x n m... x m m D K m T m= x W ; w ij = konstanta m 2 n - stran: 6
7 5.3.3 ultipleksor (ultiplexer) Skalarni neadresni multipleksor k 2 n - k k k m m m 2 n - i m y = m Σ k ; k = spremenljivka... k m y y stran: 7
8 Vektorski neadresni multipleksor K k k k 2 n - m m m n 2 - m y = m Σ K ; k = spremenljivke, ki tvorijo vektorje k i i j y y 2 y m K m y y stran: 8
9 K k m k m k m 2 n - k m- k m- 2 n - k m- 2 k n - k k m m m 2 n - y y m- y m stran: 9
10 Skalarni adresni multipleksor x k k D K m x T y y i y = ( x W ) Σ k ; k = spremenljivka - skalarna Vektorski adresni multipleksor x K K D K m x y y T i y = ( x W ) Σ K ; k = spremenljivke, ki tvorijo vektorje k i j stran:
11 Vektorski adresni multipleksor x K K D K m x y y T i y = ( x W ) Σ K ; k = spremenljivke, ki tvorijo vektorje k i j stran:
12 k 4 k 2 k 3 k 3 k 4 y 3 y 4 k k 2 y 2 k k 2 y k 3 D k x x 2 stran: 2
13 5.3.4 Demultipleksor (Demultiplexer) Neadresni skalarni demultipleksor y y m k m D D k m m k k T k = m Σ y - y je skalarna funkcija m 2 n - k 2 n - stran: 3
14 stran: Adresni skalarni demultipleksor y x D k T T k = ( x W ) Σ y - y je še vedno skalarna funkcija
15 Neadresni vektorski demultipleksor m y y y 2 n - y m D K... k m m K... k m n T K = m Σ y - y je sedaj vektorska vhodna funkcija k 2 n - stran: 5
16 Adresni vektorski demultipleksor y x D K T T K = (x W ) Σ y - y je vektorska vhodna funkcija Programibilna preklopna vezja Osnovna ideja programibilnih preklopnih vezij je prilagodljivost standardizirane preklopne strukture za opravljanje čim večjega števila funkcij odločanja in pomnjenja, ki jih lahko uporabnik sam določi; to je brez pomoči proizvajalca. T ) i j y = ( x W Σ K ; k = spremenljivka - skalarna T ) i j y = ( x W Σ K ; k = konstanta - programibilna stran: 6
17 Programibilno preklopno vezje ali strukturo lahko sedaj definiramo, kot kombinacijo dekodirnika in kodirnika, pri katerem lahko uporabnik sam določa povezave v poljih AND in/ali OR. Tip vezja Polje - AND Polje - OR Programibilni bralni pomnilnik Programibilne logične mreže - PLA Programibilna logična polja - PAL Fiksno Programibilno Programibilno Programibilno Programibilno Fiksno stran: 7
18 Bralni pomnilnik (Read Only emory - RO) Naslavljanje pomnilnika: T i i i j j j m = x W ; w = kons tanta; W D; w d Čitanje pomnilnika y = m Σ K ; k = kons tanta i j x D k m T i j y = ( x D ) Σ K ; k = kons tanta, ki je bila sprogramirana K y stran: 8
19 Podrobno vezje bralnega pomnilnika A 2 A A Kodirnik m m m 2 m 3 m 4 Dekodirnik m 5 m 6 m 7 D 3 D 2 D D stran: 9
20 stran: PLA vezja Ta vezja imajo, kot že vemo, programibilni obe polji dekodirno in kodirno polje. x PLA y = ( x D T ) Σ K ; k = kons tanta i j y
21 Podroben simbolični diagram PLA vezij x 2 x Programibilno vezje PLA Programibilne povezave Programibilne povezave < f 2 f < stran: 2
22 PAL vezja: x 4 x 3 x 2 x atrika K je torej določena Programibilno vezje - PAL < f 4 f 3 < x PAL y stran: 22
23 5. 4 Realizacija skalarnih in vektorskih preklopnih funkcij s preklopnimi strukturami ultipleksor g g g f(x) g x x 2 x = {x, x 2,...,x n }. stran: 23
24 Podatkovne in adresne spremenljivke: X d = {x d, x d2,...,x dd } X, X a = {x a, x a2,...,x aa }. X, razdelimo na takšen način, da vedno velja: X a X d = X X a X d = a = 2. Torej bo: x a = x in x aa = x 2. f (x, x 2,... x n ) = x x 2 g + x x 2 g + x x 2 g + x x 2 g kjer je na primer: g = f (,,x 3,...x n ). Funkcije g, g, g, g so funkcijski ostanki, ki jih kot vemo, lahko obravnavamo na enak način kot izhodiščno funkcijo, dokler ne začnejo nastopati konstante ali posamične neodvisne spremenljivke. stran: 24
25 f f 2 f 4 f 6 f 8 f f 2 f 4 x 4 x 4 x 4 x 4 x 4 x 4 x 4 x 4 x 3 x 3 x 3 x 3 N Nn i= x 2 N n = n N n je število realiz. nivojev x x 2 f(x,x 2,x 3,x 4,x 5 ) i = 2 ; kjer je N - število vseh potrebnih multipleksorjev stran: 25
26 Pri vseh vmesnih kombinacijah, ko je < a < n bo število vseh multipleksorjev odvisno od»a«pri čemer morata biti obe števili celi števili. Po tem premisleku zlahka ugotovimo, da je : in Nn (n )/a N n +(n )/a N = 2 i= ai V prvem primeru je bil a = n, celo število iz neenačbe je, vsota pa ima tudi samo en člen, to je 2 =. V drugem primeru, ko je a = multipleksorjev je: Nn n 2 3 i i i 2 3 i= i= i= je celo število iz neenačbe n N = 2 = 2 = 2 = = = 5 in število vseh Kadar pa je < a < n pa ni več vseeno kako razporedimo adresne spremenljivke, ker lahko prinese poenostavljanje znaten prihranek vezja. stran: 26
27 Število vseh možnih minimizacijskih postopkov je enako številu kombinacij n spremnljivk s po a elementov. n! N k = ; kjer je N k število vseh možnih kombinacij. a!(n a)! Število vseh Veitchevih diagramov za vsak minimizacijski postopek je potem 2 a. Vsak posamezen diagram pa ima n-a neodvisnih spremenljivk Redundanca pri adresnih spremenljivkah Kadar število n- ni deljivo z a se število adresnih spremenljivk ne ujema s številom adresnih vhodov. To pa pomeni, da se določene adresne spremenljivke ponovijo na različnih nivojih drevesne strukture. Takšno adresno spremenljivko lahko nadomestimo kar s konstanto. stran: 27
28 d 3 d 2 d d d 3 d 2 d d x x 2 d 7 d d 7 d x x 2 x 3 f f =... + xx 2x3d x x 2 x 3 f =... + xx 2x 3(xxd 2 + xxd 2 + xxd xxd) f =... + xx 2x 3(d + d + d2 + d 3) +... f =... + xx 2x 3(d 3) +... f stran: 28
29 Uporaba bralnih pomnilnikov y = x D T Σ K = i ( ) ; k j kons tanta x x 2 x 3 f f 2 f 3 f 4 f= xx2x3 + xx2x3 + xx2x3 + xx2x3 + xx2x3 + xx2x3 = + f x x 2 3 stran: 29
30 Pri uporabi bralnega pomnilnika za realizacijo preklopnih funkcij pa moramo opozoriti še na eno slabost. Vzemimo obširnejši primer funkcije s šestimi neodvisnimi spremenljivkami, ki zavzame vrednost pri mintermih z indeksi: 4, 5, 5, 2, 29, 4, 42, 45, 47, 53, 58, 6, ( ) f = 4,5,5,2,29,4,42,45,47,53,58,6,63 Neposredno realizacijo te funkcije bi lahko izvedli na primer 64 x 4 RO vezjem, oziroma štirimi 6 x 4 RO vezji. stran: 3
31 stran stran: 3 intermski indeks Spremenljivki Spremenljivke x x2 x3 x4 x5 x Poiščemo vse enake konjunkcije dolžine: x 3 x 4 x 5 x 6.
32 spremenljivke kodirane spremenljivke x 3 x 4 x 5 x 6 z z 2 z 3 Na drugem nivoju potrebujemo RO velikosti 32 x, kar praktično pomeni 32 x 4. x 3 x 4 x 5 x 6 RO 6X4 x x 2 RO 32X4 F F 2 F 3 F 4 stran: 32
33 stran stran: 33 Vhodi Spremenljivke Izhodi x x 2 Z Z 2 Z 3 f f 2 f 3 f 4 Opisani postopek lahko uporabimo tudi v primeru, ko moramo realizirati več različnih funkcij, kjer je prihranek prostora v pomnilniku lahko še večji. Pri vsem tem pa ne smemo pozabiti, da smo s kaskadno vezavo zmanjšali hitrost odziva vezja.
34 Vzemimo vektorsko funkcijo iz prvega primera Posamezne funkcijske vrednosti te funkcije: f, f 2, f 3, f 4 ; naj bodo biti besede: d, d 2, d 3, d 4, ki jo naslavlja mintrem m ; A, A, A 2. A 2 A A D 3 D 2 D D stran: 34
35 Sprogramirano RO vezje za obravnavano vektorsko preklopno funkcijo A 2 A A Kodirnik m m m 2 m 3 m 4 Dekodirnik m 5 m 6 m 7 D 3 D 2 D D stran: 35
36 Realizacija vektorskih preklopnih funkcij s PLA in PAL strukturami Njihova obsežnost je poleg števila vhodov odvisna tudi od števila konjunkcij, ki jih je možno programirati ter od števila izhodov. Primerjava: FPLA v TTL izvedbi 6 vhodov, 48 konjunkcij in 8 izhodov. Kompleksnost se odraža pri realizaciji funkcij, ker je na razpolago le omejeno število konjunkcij. Upoštevati moramo tudi to, da izolirana spremenljivka še vedno zahteva svojo konjunkcijo. Velikost vezja vedno določa najdaljša konjunkcija ne glede na položaj v vektorski funkciji. Najprej izvedemo klasično minimizacijo. Od tu dalje pa postopek zavisi od izbranega tipa vezja PLA oziroma PAL Pri PLA nas omejuje število konjunkcij in število spremenljivk v konjunkcijah Pri PAL pa še dodatno število konjunkcij v posamični komponenti vektorske preklopne funkcije, ki so povezane disjunktivno. stran: 36
37 Primer realizacije s PLA y = x+ x2x3 y2 = xx3 + xx2 y3 = x2x3 + xx2 y4 = x2x3 + x Vemo, da je potrebno število spremenljivk 3: x, x 2, x 3. število različnih konjunkcij (x,x 2x 3,xx 3,xx 2,x2x 3) število izhodnih funkcij elementov vektorske funkcije 4 x x 2 x 3 Potrebujemo torej vezje z najmanj tremi vhodi, petimi konjunkcijami in štirimi izhodi. > > > > y y 2 y 3 y 4 stran: 37
38 Povezovalna tabela za PLA: Konjunkcije VHODI IZHODI x x 2 x 3 f f 2 f 3 f 4 x x 2 - x 2 x 3 - x x 3 - x 2 x 3 - x originalna spremenljivka - komplementirana spremenljivka - spremenljivka ne nastopa v konjunkciji - konjunkcijo si deli več komponent stran: 38
39 Sprogramirana mreža stran: 39 > > > > y y 2 y 3 y 4 x 3 x 2 x
40 Uporaba kodiranja Neodvisne spremenljivke pri tem razdelimo v skupine npr. po dve y = xx3 + xx2x4 + x2x3x4 y2 = xxx xxx xxx xxx xxxx xxxx y3 = x2x4 + x2x4 Faktorizacija prinese: y = xx 3 + (x+ x 3)x2x4 y = (xx + xx )(x + x ) + (xx + xx )xx = = (x + x )(x + x )(x + x ) + (x + x )(x + x )x x y = (x + x )(x + x ) Namesto enajst AND elementov, kolikor bi jih potrebovali pri elementarni minimizaciji, jih sedaj potrebujemo samo še pet. stran: 4
41 Za realizacijo te funkcije potrebujemo PLA vezje z najmanj tremi vhodi, petimi konjunkcijami in tremi izhodi x x 3 x 2 x 4 x +x 3 x 2 +x 2 x x 3 x 2 x 4 x 3 D x +x 3 x x 3 x 4 D 2 x 2 +x 4 x 2 x 4 x +x 3 x 2 +x 4 x x 3 x 2 x 3 x +x 3 x 2 +x 4 x V neki skalarni funkciji f(x,x 2,x 3,x 4 ) lahko nastopa na primer skupina spremenljivk x,x 2 akstermi teh dveh spremenljivk so: (x+ x 2),(x+ x 2),(x+ x 2),(x+ x 2) x 2 stran: 4
42 Pri realizaciji s PAL vezji nas omejuje še število konjunkcij v posamezni komponeti funkcije. To število je praviloma manjše od števila AND elementov. Posamezne izvedbe teh vezij se po kompleksnosti lahko zelo razlikujejo med seboj. Tako imajo na primer PAL vezja s šestnajstimi vhodi in šestnajstimi konjunkcijami štiri OR elemente s po štirimi vhodi ali dva OR elementa s po osmimi vhodi. Od tu izvira tudi glavna razlika glede realizacije funkcij s PAL vezji v primerjavi s PLA. edtem, ko je pri PLA mogoče izkoristiti skupne konjunkcije, tu tega ni mogoče. Tipičen primer uporabe PAL vezja je na primer primerjalnik in naj bo le 2-biten Posamezne komponente njegove vektorske preklopne funkcije so: A= B:y = AA BB + AA BB + A A BB + A A BB A B:y = AB + AB + AB + AB 2 A < B:y = AB + A A B + A BB 3 A > B:y = AB + A A B + A BB 4 stran: 42
43 Primerno PAL vezje bo torej edino: A A B B 4 x 6 x 4 A A B B A A B B A A B B A A B B A B A B A B A B A B A A B y > y 2 > y 3 > y 4 > A B B - A B A A B A B B - stran: 43
C A B - vodoravni niz matrik A in B. ; c a - transpozicija matrike C. Spremenljivke A, B, C so matrike z razsežnostmi: t x n ter m x t.
5. PREKLOPNE STRUKTURE ALI PREKLOPNI NOGOPOLI 5. atrično opisovanje preklopnih vezij in struktur 5.. Osnovna simbolika Vektor: an vodoravni vektor atrika: a m navpični vektor A :m :n :n - matrika reda
Διαβάστε περισσότεραFunkcijske vrste. Matematika 2. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 2. april Gregor Dolinar Matematika 2
Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 2. april 2014 Funkcijske vrste Spomnimo se, kaj je to številska vrsta. Dano imamo neko zaporedje realnih števil a 1, a 2, a
Διαβάστε περισσότεραBooleova algebra. Izjave in Booleove spremenljivke
Izjave in Booleove spremenljivke vsako izjavo obravnavamo kot spremenljivko če je izjava resnična (pravilna), ima ta spremenljivka vrednost 1, če je neresnična (nepravilna), pa vrednost 0 pravimo, da gre
Διαβάστε περισσότεραDiferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci
Linearna diferencialna enačba reda Diferencialna enačba v kateri nastopata neznana funkcija in njen odvod v prvi potenci d f + p= se imenuje linearna diferencialna enačba V primeru ko je f 0 se zgornja
Διαβάστε περισσότεραOdvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 5. december Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 5. december 2013 Primer Odvajajmo funkcijo f(x) = x x. Diferencial funkcije Spomnimo se, da je funkcija f odvedljiva v točki
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 14. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 14. november 2013 Kvadratni koren polinoma Funkcijo oblike f(x) = p(x), kjer je p polinom, imenujemo kvadratni koren polinoma
Διαβάστε περισσότεραZaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 22. oktober 2013 Kdaj je zaporedje {a n } konvergentno, smo definirali s pomočjo limite zaporedja. Večkrat pa je dobro vedeti,
Διαβάστε περισσότεραTretja vaja iz matematike 1
Tretja vaja iz matematike Andrej Perne Ljubljana, 00/07 kompleksna števila Polarni zapis kompleksnega števila z = x + iy): z = rcos ϕ + i sin ϕ) = re iϕ Opomba: Velja Eulerjeva formula: e iϕ = cos ϕ +
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 21. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 21. november 2013 Hiperbolične funkcije Hiperbolični sinus sinhx = ex e x 2 20 10 3 2 1 1 2 3 10 20 hiperbolični kosinus coshx
Διαβάστε περισσότεραmatrike A = [a ij ] m,n αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n αa m1 αa m2 αa mn se števanje po komponentah (matriki morata biti enakih dimenzij):
4 vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 matrike Matrika dimenzije m n je pravokotna tabela m n števil, ki ima m vrstic in n stolpcev: a 11 a 12 a 1n a 21 a 22 a 2n
Διαβάστε περισσότεραOdvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 10. december Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 10. december 2013 Izrek (Rolleov izrek) Naj bo f : [a,b] R odvedljiva funkcija in naj bo f(a) = f(b). Potem obstaja vsaj ena
Διαβάστε περισσότεραKODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK
1 / 24 KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK Štefko Miklavič Univerza na Primorskem MARS, Avgust 2008 Phoenix 2 / 24 Phoenix 3 / 24 Phoenix 4 / 24 Črtna koda 5 / 24 Črtna koda - kontrolni bit 6 / 24
Διαβάστε περισσότερα13. Jacobijeva metoda za računanje singularnega razcepa
13. Jacobijeva metoda za računanje singularnega razcepa Bor Plestenjak NLA 25. maj 2010 Bor Plestenjak (NLA) 13. Jacobijeva metoda za računanje singularnega razcepa 25. maj 2010 1 / 12 Enostranska Jacobijeva
Διαβάστε περισσότεραGimnazija Krˇsko. vektorji - naloge
Vektorji Naloge 1. V koordinatnem sistemu so podane točke A(3, 4), B(0, 2), C( 3, 2). a) Izračunaj dolžino krajevnega vektorja točke A. (2) b) Izračunaj kot med vektorjema r A in r C. (4) c) Izrazi vektor
Διαβάστε περισσότεραIZPIT IZ ANALIZE II Maribor,
Maribor, 05. 02. 200. (a) Naj bo f : [0, 2] R odvedljiva funkcija z lastnostjo f() = f(2). Dokaži, da obstaja tak c (0, ), da je f (c) = 2f (2c). (b) Naj bo f(x) = 3x 3 4x 2 + 2x +. Poišči tak c (0, ),
Διαβάστε περισσότεραKotne in krožne funkcije
Kotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku Avtor: Rok Kralj, 4.a Gimnazija Vič, 009/10 β a c γ b α sin = a c cos= b c tan = a b cot = b a Sinus kota je razmerje kotu nasprotne katete
Διαβάστε περισσότεραDefinicija. definiramo skalarni produkt. x i y i. in razdaljo. d(x, y) = x y = < x y, x y > = n (x i y i ) 2. i=1. i=1
Funkcije več realnih spremenljivk Osnovne definicije Limita in zveznost funkcije več spremenljivk Parcialni odvodi funkcije več spremenljivk Gradient in odvod funkcije več spremenljivk v dani smeri Parcialni
Διαβάστε περισσότεραZaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 15. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 15. oktober 2013 Oglejmo si, kako množimo dve kompleksni števili, dani v polarni obliki. Naj bo z 1 = r 1 (cosϕ 1 +isinϕ 1 )
Διαβάστε περισσότεραPodobnost matrik. Matematika II (FKKT Kemijsko inženirstvo) Diagonalizacija matrik
Podobnost matrik Matematika II (FKKT Kemijsko inženirstvo) Matjaž Željko FKKT Kemijsko inženirstvo 14 teden (Zadnja sprememba: 23 maj 213) Matrika A R n n je podobna matriki B R n n, če obstaja obrnljiva
Διαβάστε περισσότεραPreklopna vezja 3. poglavje: Preklopne funkcije in elementi
Preklopna vezja 3. poglavje: Preklopne funkcije in elementi Trije načini zapisa Booleove (preklopne) funkcije zapis v eksplicitni (analitični) obliki: - za preproste funkcije (ena, dve, tri spremenljivke):
Διαβάστε περισσότεραSKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK
SKUPNE PORAZDELITVE SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK Kovaec vržemo trikrat. Z ozačimo število grbov ri rvem metu ( ali ), z Y a skuo število grbov (,, ali 3). Kako sta sremelivki i Y odvisi
Διαβάστε περισσότεραMatematika 1. Gregor Dolinar. 2. januar Fakulteta za elektrotehniko Univerza v Ljubljani. Gregor Dolinar Matematika 1
Mtemtik 1 Gregor Dolinr Fkultet z elektrotehniko Univerz v Ljubljni 2. jnur 2014 Gregor Dolinr Mtemtik 1 Izrek (Izrek o povprečni vrednosti) Nj bo m ntnčn spodnj mej in M ntnčn zgornj mej integrbilne funkcije
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 12. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 12. november 2013 Graf funkcije f : D R, D R, je množica Γ(f) = {(x,f(x)) : x D} R R, torej podmnožica ravnine R 2. Grafi funkcij,
Διαβάστε περισσότεραSplošno o interpolaciji
Splošno o interpolaciji J.Kozak Numerične metode II (FM) 2011-2012 1 / 18 O funkciji f poznamo ali hočemo uporabiti le posamezne podatke, na primer vrednosti r i = f (x i ) v danih točkah x i Izberemo
Διαβάστε περισσότερα1. Definicijsko območje, zaloga vrednosti. 2. Naraščanje in padanje, ekstremi. 3. Ukrivljenost. 4. Trend na robu definicijskega območja
ZNAČILNOSTI FUNKCIJ ZNAČILNOSTI FUNKCIJE, KI SO RAZVIDNE IZ GRAFA. Deinicijsko območje, zaloga vrednosti. Naraščanje in padanje, ekstremi 3. Ukrivljenost 4. Trend na robu deinicijskega območja 5. Periodičnost
Διαβάστε περισσότεραMultivariatna analiza variance
(MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti med več odvisnimi (številskimi) in več neodvisnimi (opisnimi) spremenljivkami. (MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti
Διαβάστε περισσότεραDISKRETNA FOURIERJEVA TRANSFORMACIJA
29.03.2004 Definicija DFT Outline DFT je linearna transformacija nekega vektorskega prostora dimenzije n nad obsegom K, ki ga označujemo z V K, pri čemer ima slednji lastnost, da vsebuje nek poseben element,
Διαβάστε περισσότεραEnačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba.
1. Osnovni pojmi Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba. Primer 1.1: Diferencialne enačbe so izrazi: y
Διαβάστε περισσότεραOsnove matematične analize 2016/17
Osnove matematične analize 216/17 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Kaj je funkcija? Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja
Διαβάστε περισσότεραvezani ekstremi funkcij
11. vaja iz Matematike 2 (UNI) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 ekstremi funkcij več spremenljivk nadaljevanje vezani ekstremi funkcij Dana je funkcija f(x, y). Zanimajo nas ekstremi nad
Διαβάστε περισσότερα8. Diskretni LTI sistemi
8. Diskreti LI sistemi. Naloga Določite odziv diskretega LI sistema s podaim odzivom a eoti impulz, a podai vhodi sigal. h[] x[] - - 5 6 7 - - 5 6 7 LI sistem se a vsak eoti impulz δ[] a vhodu odzove z
Διαβάστε περισσότεραFunkcije več spremenljivk
DODATEK C Funkcije več spremenljivk C.1. Osnovni pojmi Funkcija n spremenljivk je predpis: f : D f R, (x 1, x 2,..., x n ) u = f (x 1, x 2,..., x n ) kjer D f R n imenujemo definicijsko območje funkcije
Διαβάστε περισσότεραKontrolne karte uporabljamo za sprotno spremljanje kakovosti izdelka, ki ga izdelujemo v proizvodnem procesu.
Kontrolne karte KONTROLNE KARTE Kontrolne karte uporablamo za sprotno spremlane kakovosti izdelka, ki ga izdeluemo v proizvodnem procesu. Izvaamo stalno vzorčene izdelkov, npr. vsako uro, vsake 4 ure.
Διαβάστε περισσότεραIterativno reševanje sistemov linearnih enačb. Numerične metode, sistemi linearnih enačb. Numerične metode FE, 2. december 2013
Numerične metode, sistemi linearnih enačb B. Jurčič Zlobec Numerične metode FE, 2. december 2013 1 Vsebina 1 z n neznankami. a i1 x 1 + a i2 x 2 + + a in = b i i = 1,..., n V matrični obliki zapišemo:
Διαβάστε περισσότεραDelovna točka in napajalna vezja bipolarnih tranzistorjev
KOM L: - Komnikacijska elektronika Delovna točka in napajalna vezja bipolarnih tranzistorjev. Določite izraz za kolektorski tok in napetost napajalnega vezja z enim virom in napetostnim delilnikom na vhod.
Διαβάστε περισσότερα*M * Osnovna in višja raven MATEMATIKA NAVODILA ZA OCENJEVANJE. Sobota, 4. junij 2011 SPOMLADANSKI IZPITNI ROK. Državni izpitni center
Državni izpitni center *M40* Osnovna in višja raven MATEMATIKA SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Sobota, 4. junij 0 SPLOŠNA MATURA RIC 0 M-40-- IZPITNA POLA OSNOVNA IN VIŠJA RAVEN 0. Skupaj:
Διαβάστε περισσότερα8. Posplošeni problem lastnih vrednosti
8. Posplošeni problem lastnih vrednosti Bor Plestenjak NLA 13. april 2010 Bor Plestenjak (NLA) 8. Posplošeni problem lastnih vrednosti 13. april 2010 1 / 15 Matrični šop Dani sta kvadratni n n matriki
Διαβάστε περισσότεραNa pregledni skici napišite/označite ustrezne točke in paraboli. A) 12 B) 8 C) 4 D) 4 E) 8 F) 12
Predizpit, Proseminar A, 15.10.2015 1. Točki A(1, 2) in B(2, b) ležita na paraboli y = ax 2. Točka H leži na y osi in BH je pravokotna na y os. Točka C H leži na nosilki BH tako, da je HB = BC. Parabola
Διαβάστε περισσότεραVEKTORJI. Operacije z vektorji
VEKTORJI Vektorji so matematični objekti, s katerimi opisujemo določene fizikalne količine. V tisku jih označujemo s krepko natisnjenimi črkami (npr. a), pri pisanju pa s puščico ( a). Fizikalne količine,
Διαβάστε περισσότεραAlgebraične strukture
Poglavje V Algebraične strukture V tem poglavju bomo spoznali osnovne algebraične strukture na dani množici. Te so podane z eno ali dvema binarnima operacijama. Binarna operacija paru elementov iz množice
Διαβάστε περισσότεραKvadratne forme. Poglavje XI. 1 Definicija in osnovne lastnosti
Poglavje XI Kvadratne forme V zadnjem poglavju si bomo ogledali še eno vrsto preslikav, ki jih tudi lahko podamo z matrikami. To so tako imenovane kvadratne forme, ki niso več linearne preslikave. Kvadratne
Διαβάστε περισσότεραUporabna matematika za naravoslovce
Uporabna matematika za naravoslovce Zapiski predavanj Študijski programi: Aplikativna kineziologija, Biodiverziteta Študijsko leto 203/4 doc.dr. Barbara Boldin Fakulteta za matematiko, naravoslovje in
Διαβάστε περισσότεραReševanje sistema linearnih
Poglavje III Reševanje sistema linearnih enačb V tem kratkem poglavju bomo obravnavali zelo uporabno in zato pomembno temo linearne algebre eševanje sistemov linearnih enačb. Spoznali bomo Gaussovo (natančneje
Διαβάστε περισσότεραLinearne preslikave. Poglavje VII. 1 Definicija linearne preslikave in osnovne lastnosti
Poglavje VII Linearne preslikave V tem poglavju bomo vektorske prostore označevali z U,V,W,... Vsi vektorski prostori bodo končnorazsežni. Zaradi enostavnosti bomo privzeli, da je pripadajoči obseg realnih
Διαβάστε περισσότεραUniverza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA. Polona Oblak
Univerza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA Polona Oblak Ljubljana, 04 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 5(075.8)(0.034.) OBLAK,
Διαβάστε περισσότεραTema 1 Osnove navadnih diferencialnih enačb (NDE)
Matematične metode v fiziki II 2013/14 Tema 1 Osnove navadnih diferencialnih enačb (NDE Diferencialne enačbe v fiziki Večina osnovnih enačb v fiziki je zapisana v obliki diferencialne enačbe. Za primer
Διαβάστε περισσότεραNEPARAMETRIČNI TESTI. pregledovanje tabel hi-kvadrat test. as. dr. Nino RODE
NEPARAMETRIČNI TESTI pregledovanje tabel hi-kvadrat test as. dr. Nino RODE Parametrični in neparametrični testi S pomočjo z-testa in t-testa preizkušamo domneve o parametrih na vzorcih izračunamo statistike,
Διαβάστε περισσότεραNumerično reševanje. diferencialnih enačb II
Numerčno reševanje dferencaln enačb I Dferencalne enačbe al ssteme dferencaln enačb rešujemo numerčno z več razlogov:. Ne znamo j rešt analtčno.. Posamezn del dferencalne enačbe podan tabelarčno. 3. Podatke
Διαβάστε περισσότεραPreklopne funkcije in logična vrata
Načini zapisa Booleove (preklopne) funkcije zapis v eksplicitni (analitični) obliki: - za preproste funkcije (ena, dve, tri spremenljivke): f(a,b), f(x,y,z) -za funkcije n spremenljivk: f(x 1,,x 3,...,x
Διαβάστε περισσότεραInverzni problem lastnih vrednosti evklidsko razdaljnih matrik
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Fakulteta za matematiko in fiziko Peter Škvorc Inverzni problem lastnih vrednosti evklidsko razdaljnih matrik DIPLOMSKO DELO UNIVERZITETNI
Διαβάστε περισσότεραIntegralni račun. Nedoločeni integral in integracijske metrode. 1. Izračunaj naslednje nedoločene integrale: (a) dx. (b) x 3 +3+x 2 dx, (c) (d)
Integralni račun Nedoločeni integral in integracijske metrode. Izračunaj naslednje nedoločene integrale: d 3 +3+ 2 d, (f) (g) (h) (i) (j) (k) (l) + 3 4d, 3 +e +3d, 2 +4+4 d, 3 2 2 + 4 d, d, 6 2 +4 d, 2
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραLastne vrednosti in lastni vektorji
Poglavje VIII Lastne vrednosti in lastni vektorji V tem poglavju bomo privzeli, da so skalarji v vektorskih prostorih, koeficienti v matrikah itd., kompleksna števila. Algebraične operacije seštevanja,
Διαβάστε περισσότερα1. Trikotniki hitrosti
. Trikotniki hitrosti. Z radialno črpalko želimo črpati vodo pri pogojih okolice z nazivnim pretokom 0 m 3 /h. Notranji premer rotorja je 4 cm, zunanji premer 8 cm, širina rotorja pa je,5 cm. Frekvenca
Διαβάστε περισσότεραREˇSITVE. Naloga a. b. c. d Skupaj. FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost 2. kolokvij 23.
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost. kolokvij 3. januar 08 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Nalog je 6,
Διαβάστε περισσότεραMATEMATIČNI IZRAZI V MAFIRA WIKIJU
I FAKULTETA ZA MATEMATIKO IN FIZIKO Jadranska cesta 19 1000 Ljubljan Ljubljana, 25. marec 2011 MATEMATIČNI IZRAZI V MAFIRA WIKIJU KOMUNICIRANJE V MATEMATIKI Darja Celcer II KAZALO: 1 VSTAVLJANJE MATEMATIČNIH
Διαβάστε περισσότεραAnaliza 2 Rešitve 14. sklopa nalog
Analiza Rešitve 1 sklopa nalog Navadne diferencialne enačbe višjih redov in sistemi diferencialnih enačb (1) Reši homogene diferencialne enačbe drugega reda s konstantnimi koeficienti: (a) 6 + 8 0, (b)
Διαβάστε περισσότερα1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου...
ΑΠΟΖΗΜΙΩΣΗ ΘΥΜΑΤΩΝ ΕΓΚΛΗΜΑΤΙΚΩΝ ΠΡΑΞΕΩΝ ΣΛΟΒΕΝΙΑ 1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου... 3 1 1. Έντυπα αιτήσεων
Διαβάστε περισσότεραV tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant.
Poglavje IV Determinanta matrike V tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant 1 Definicija Preden definiramo determinanto,
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραDigitalne strukture: učno gradivo s predavanj
Digitalne strukture: učno gradivo s predavanj Tadej Kotnik Univerza v Ljubljani Fakulteta za elektrotehniko šolsko leto 2010/2011 http://lbk.fe.uni-lj.si/pdfs/ds-predavanja.pdf Številski sistemi in kode
Διαβάστε περισσότερα1.3 Vsota diskretnih slučajnih spremenljivk
.3 Vsota diskretnih slučajnih spremenljivk Naj bosta X in Y neodvisni Bernoullijevo porazdeljeni spremenljivki, B(p). Kako je porazdeljena njuna vsota? Označimo Z = X + Y. Verjetnost, da je P (Z = z) za
Διαβάστε περισσότερα1 Fibonaccijeva stevila
1 Fibonaccijeva stevila Fibonaccijevo število F n, kjer je n N, lahko definiramo kot število načinov zapisa števila n kot vsoto sumandov, enakih 1 ali Na primer, število 4 lahko zapišemo v obliki naslednjih
Διαβάστε περισσότεραDomače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA
Domače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA. Naj bo vektorsko polje R : R 3 R 3 dano s predpisom R(x, y, z) = (2x 2 + z 2, xy + 2yz, z). Izračunaj pretok polja R skozi površino torusa
Διαβάστε περισσότεραLOGIČNE STRUKTURE IN SISTEMI I. prof. dr. Andrej Dobnikar
LOGIČNE STRUKTURE IN SISTEMI I prof. dr. Andrej Dobnikar 5. februar 2004 2 Splošne informacije Predavatelj: prof. dr. Andrej Dobnikar govorilne ure: četrtek, 3:00-4:00 kabinet v 8. nadstropju Asistent:
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραLogične strukture in sistemi
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Logične strukture in sistemi Prvi del Andrej Dobnikar Ljubljana, marec 2009 Kazalo Uvod 7 2 Zgodovinski pregled 9 2. Algebra razredov.................................
Διαβάστε περισσότεραMATEMATIKA 1 UNIVERZITETNI ŠTUDIJSKI PROGRAM BIOKEMIJA 1. LETNIK
abc MATEMATIKA 1 UNIVERZITETNI ŠTUDIJSKI PROGRAM BIOKEMIJA 1. LETNIK ŠTEVILA PRIBLIŽNO RAČUNANJE PRIBLIŽNO RAČUNANJE Ta fosil dinozavra je star 7 milijonov in šest let, pravi paznik v muzeju.??? Ko sem
Διαβάστε περισσότεραProblem lastnih vrednosti 1 / 20
Problem lastnih vrednosti 1 / 20 2 / 20 1 Uvod 2 Potenčna metoda 3 Inverzna iteracija 4 QR iteracija 5 Metode za simetrične matrike Sturmovo zaporedje Jacobijeva iteracija 3 / 20 Uvod Naj bo A R n n. Paru
Διαβάστε περισσότεραLinearna algebra. Bojan Orel Fakulteta za računalništvo in informatiko
Linearna algebra Bojan Orel Fakulteta za računalništvo in informatiko 23. februar 205 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 52.64(075.8)(0.034.2) OREL, Bojan
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότεραDIGITALNE STRUKTURE Zapiski predavanj
DIGITALNE STRUKTURE Zapiski predavanj Branko Šter, Ljubo Pipan Koraki pri načrtovanju vezij na osnovi VHDL (in drugih HDL jezikov): bločni diagrami / hierarhija kodiranje v VHDL prevajanje kode, preverjanje
Διαβάστε περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραUNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO MATEMATIKA III
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 215 ii Kazalo Diferencialni račun vektorskih funkcij 1 1.1 Skalarne funkcije...........................
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότεραFunkcije dveh in več spremenljivk
Poglavje 3 Funkcije dveh in več spremenljivk 3.1 Osnovni pojmi Definicija 3.1.1. Funkcija dveh spremenljivk je preslikava, ki vsaki točki (x, y) ravninske množice D priredi realno število z = f(x, y),
Διαβάστε περισσότεραPONOVITEV SNOVI ZA 4. TEST
PONOVITEV SNOVI ZA 4. TEST 1. * 2. *Galvanski člen z napetostjo 1,5 V požene naboj 40 As. Koliko električnega dela opravi? 3. ** Na uporniku je padec napetosti 25 V. Upornik prejme 750 J dela v 5 minutah.
Διαβάστε περισσότεραII. LIMITA IN ZVEZNOST FUNKCIJ
II. LIMITA IN ZVEZNOST FUNKCIJ. Preslikave med množicami Funkcija ali preslikava med dvema množicama A in B je predpis f, ki vsakemu elementu x množice A priredi natanko določen element y množice B. Važno
Διαβάστε περισσότεραStatistična analiza. doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo Univerza v Ljubljani- Fakulteta za farmacijo
Statistična analiza opisnih spremenljivk doc. dr. Mitja Kos, mag. arm. Katedra za socialno armacijo Univerza v Ljubljani- Fakulteta za armacijo Statistični znaki Proučevane spremenljivke: statistični znaki
Διαβάστε περισσότεραPROCESIRANJE SIGNALOV
Rešive pisega izpia PROCESIRANJE SIGNALOV Daum: 7... aloga Kolikša je ampliuda reje harmoske kompoee arisaega periodičega sigala? f() - -3 - - 3 Rešiev: Časova fukcija a iervalu ( /,/) je lieara fukcija:
Διαβάστε περισσότεραMatematika. Funkcije in enačbe
Matematika Funkcije in enačbe (1) Nariši grafe naslednjih funkcij: (a) f() = 1, (b) f() = 3, (c) f() = 3. Rešitev: (a) Linearna funkcija f() = 1 ima začetno vrednost f(0) = 1 in ničlo = 1/. Definirana
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότεραVektorski prostori s skalarnim produktom
Poglavje IX Vektorski prostori s skalarnim produktom Skalarni produkt dveh vektorjev v R n smo spoznali v prvem poglavju. Sedaj bomo pojem skalarnega produkta razširili na poljuben vektorski prostor V
Διαβάστε περισσότεραMetoda glavnih komponent
Metoda glavnih komponent Metoda glavnih kompnent je ena najpogosteje uporabljenih multivariatnih metod. Osnoval jo je Karl Pearson (1901). Največ zaslug za nadaljni razvoj pa ima Hotelling (1933). Osnovna
Διαβάστε περισσότεραOdvode odvisnih spremenljivk po neodvisni spremenljivki bomo označevali s piko: Sistem navadnih diferencialnih enačb prvega reda ima obliko:
4 Sisemi diferencialnih enačb V prakičnih primerih večkra naleimo na več diferencialnih enačb, ki opisujejo določen pojav in so medsebojno povezane edaj govorimo o sisemih diferencialnih enačb V eh enačbah
Διαβάστε περισσότεραOsnove elektrotehnike uvod
Osnove elektrotehnike uvod Uvod V nadaljevanju navedena vprašanja so prevod testnih vprašanj, ki sem jih našel na omenjeni spletni strani. Vprašanja zajemajo temeljna znanja opredeljenega strokovnega področja.
Διαβάστε περισσότεραMatrike. Poglavje II. Matrika je pravokotna tabela realnih števil. Na primer: , , , 0 1
Poglavje II Matrike Matrika je pravokotna tabela realnih števil Na primer: [ ] 1 1 1, 2 3 1 1 0 1 3 2 1, 0 1 4 [ ] 2 7, Matrika je sestavljena iz vrstic in stolpcev Vrstici matrike [ ] 1 1 1 2 3 1 [ ]
Διαβάστε περισσότεραTransformator. Delovanje transformatorja I. Delovanje transformatorja II
Transformator Transformator je naprava, ki v osnovi pretvarja napetost iz enega nivoja v drugega. Poznamo vrsto različnih izvedb transformatorjev, glede na njihovo specifičnost uporabe:. Energetski transformator.
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραDodatna poglavja iz linearne algebre za 1. letnik finančne matematike na FMF. Primož Moravec
Dodatna poglavja iz linearne algebre za 1 letnik finančne matematike na FMF Primož Moravec 13 september 2017 1 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 51264(0758)
Διαβάστε περισσότερα1. Pojam fazi skupa. 2. Pojam fazi skupa. 3. Funkcija pripadnosti, osobine i oblici. 4. Funkcija pripadnosti, osobine i oblici
Meko računarstvo Student: Indeks:. Poja fazi skupa. Vrednost fazi funkcije pripadnosti je iz skupa/opsega: a) {0, b) R c) N d) N 0 e) [0, ] f) [-, ] 2. Poja fazi skupa 2. Na slici je prikazan grafik: a)
Διαβάστε περισσότεραSpecifični faktorji E i bodo imeli majhne variance, če so opazovane spremenljivke blizu faktorju F.
Faktorska analiza Med metodami za pregledovanje podatkov smo omenili metodo glavnih komponent. Cilj te metode je določiti manjše število linearnih kombinacij merjenih spremenljivk tako, da z njimi pojasnimo
Διαβάστε περισσότεραKotni funkciji sinus in kosinus
Kotni funkciji sinus in kosinus Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z oznako cos x, DEFINICIJA V PRAVOKOTNEM TRIKOTNIKU: Kotna funkcija sinus je definirana kot razmerje
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραMATRIČNI ZAPIS MODELA IN OSNOVE MATRIČNE OPERACIJE
Biometrija 1 Poglavje 1 MATRIČNI ZAPIS MODELA IN OSNOVE MATRIČNE OPERACIJE 11 Skalar Skalar je matrika reda 1 x 1 Skalarji so označeni z malimi ali velikimi navadnimi (neodebeljene) črkami kot npr y i
Διαβάστε περισσότερα1. VAJA IZ TRDNOSTI. (linearna algebra - ponovitev, Kroneckerjev δ i j, permutacijski simbol e i jk )
VAJA IZ TRDNOSTI (lnearna algebra - ponovtev, Kroneckerev δ, permutacsk smbol e k ) NALOGA : Zapš vektor a = [, 2,5,] kot lnearno kombnaco vektorev e = [,,,], e 2 = [,2,3,], e 3 = [2,,, ] n e 4 = [,,,]
Διαβάστε περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότεραPoliedri Ines Pogačar 27. oktober 2009
Poliedri Ines Pogačar 27. oktober 2009 Pri linearnem programiranju imamo opravka s končnim sistemom neenakosti in končno spremenljivkami, torej je množica dopustnih rešitev presek končno mnogo polprostorov.
Διαβάστε περισσότερα