STOHASTIČKI SISTEMI I ESTIMACIJE. Predavanje 9: Linearna parametarska estimacija
|
|
- Φιλομήλα Αγγελίδου
- 7 χρόνια πριν
- Προβολές:
Transcript
1 STOHASTIČKI SISTEMI I ESTIMACIJE Predavanje 9: Linearna parametarska estimacija Vanr.prof.Dr. Lejla Banjanović- 1 Sadržaj Linearna parametarska estimacija Metoda najmanjih kvadrata (LS metoda) primjenjena na ARX i ARMAX model Metoda pomoćnih varijabli Metoda najveće vjerovatnoće u identifikaciji 2 1
2 Linearna parametarska estimacija 3 Parametarski postupci estimacije Najvažniji parametarski postupci estimacije (procjene) parametara: Metoda najmanjih kvadrata (LS metoda) Metoda pomoćnih varijabli (IV- metoda) Metoda najveće sličnosti (ML metoda) 4 2
3 Estimacija metodom najmanjih kvadrata (LSE) N mjerenja Minimizacija Linearan slučaj: 5 Estimacija metodom najmanjih kvadrata (LSE) U linearnom slučaju je kriterijumska funkcija troška kvadratna funkcija Ɵ. Sve parcijalne derivacije moraju biti nula u minimumu: Rješenje skupa jednačina je parametarska estimacija: 6 3
4 Estimacija metodom najmanjih kvadrata (LSE) Globalni minimum u,, zadovoljava skup jednačina: Ako je matrica inverzibilna, LSE estimator je: 7 Estimacija metodom najmanjih kvadrata (LSE), sumarno Matrična formulacija: Prikupiti izlazna mjerenja u vektor i ulazna mjerenja u Nxd regresionu matricu Kriterijska funkcija Proračunati iz LSE: Najbolja estimacija: 8 4
5 Linearna parametarska estimacija za ARX model bazirana na LS metodi ARX modelska struktura: sa tj. 9 Linearna parametarska estimacija za ARX model bazirana na LS metodi Na osnovu gornjih izraza dobije se izraz za linearnu regresiju: (**) 10 5
6 Linearna parametarska estimacija za ARX model bazirana na LS metodi Ako je ε (N) = 0, radi se o identifikaciji determinističkog dijela modela. Određivanje vektora parametara Θ u tom se slučaju svodi na neposredno rješenje jednačine (**) Ako na sistem djeluje stohastička smetnja, jednačina (**) se rješava u smislu najmanjih kvadrata, uz uslov da suma kvadrata greške modela ε (k) bude minimalna. Primjenjuje se kriterij kvaliteta: 11 Linearna parametarska estimacija za ARX model bazirana na LS metodi Uvrštavanjem greške u kriterij kvaliteta: dobivamo tzv. normalnu jednačinu: čije rješenje je estimacija parametra (!): 12 6
7 Linearna parametarska estimacija za ARX model bazirana na LS metodi Uvođenjem skraćenih zapisa: dobivamo izraz: dobivamo konačan izraz za estimaciju: 13 Linearna parametarska estimacija za ARX model bazirana na LS metodi Računanje sljedećeg izraza zahtjeva inverziju matrice Korištenjem korelacijskih funkcija slijedi: 14 7
8 Linearna parametarska estimacija za ARX model bazirana na LS metodi Procijenjena vrijednost vektora vektorom parametara Θ). Varijansa greške: konzistentna je (potpuno se slaže s 15 Linearna parametarska estimacija za ARX model bazirana na LS metodi Varijansa procjene parametara, nakon provedenih matričnih operacija: Ako uvedemo terminološki matricu dobivamo matricu kovarijance procjene parametara 16 8
9 Estimacija metodom najmanjih kvadrata (LSE), primjer ARX 17 Linearna parametarska estimacija za ARMAX model bazirana na LS metodi Jednačinu možemo prikazati u diskretnom vremenskom obliku sa: Za ARMAX vrijedi tj. 18 9
10 Linearna parametarska estimacija za ARMAX model bazirana na LS metodi Definisanjem vektora podataka: i vektora parametara: izraz pseudoregresije ARMAX modela ima sljedeću formu : 19 Rekurzivno rješenje (RLS-metoda) Prethodno opisana LS procjena parametara zasniva se na rješavanjujednačineneposredno(engl. batch processing), u kojoj se koristi N izmjerenih parova u(k) i y(k). Ako mjerni podaci nanovo pristižu, te ako te podatke treba koristiti zaprocjenu parametara, tada bi za svaku novoprispjelu vrijednost parau(k) i y(k) trebalo nanovo računati matricu podataka i vektor podataka. Ovo se računanjemožezaobići primjenom rekurzivne LS metode (RLS). Zbog računskog postupka rekurzivna se metoda naziva i sekvencijalnommetodom. Najčešće se koristi u on-line identifikaciji
11 Rekurzivno rješenje (RLS-metoda) Kalmanov vektor pojačanja izražen pomoću Procijenjena greška modela (1) odnosi se na trenutak (korak) koji slijedi procijenjeni vektor parametara Stoga se ovagreška naziva predikcijskom greškom. 21 RLS estimacija Novi vektor procijenjenih parametara dobije se iz prethodne procjene korekcijom pomoću otežane predikcijske greške. (2) Predikcijsku grešku možemo prikazati kao razliku izmeđunove mjerne vrijednosti y(k +1) i njene predikcije u trenutku k (na osnovi vektora parametara u prethodnom trenutku)
12 RLS estimacija Računanje Kalmanovog pojačanja prema standardnoj formi je računarski zahtjevno pa se koristi sljedeći izraz (3) i (4): 23 RLS estimacija RLS metoda - prikladna za on-line identifikaciju Uz iste uslovekao za neposrednu (nerekurzivnu) LS metodu i RLS metoda daje konzistentnu procjenu parametara. Nije potrebno izračunavati inverziju matrice (za razliku od LS metode). Nedostatak metode -izbor početnih vrijednosti Opisano rekurzivno rješenje neposredno je primjenjivo samo za strukturumodela gdje 24 12
13 RLS estimacija Za druge modelske strukture, gdje je matrica podataka Φ(k), odnosno vektor podataka ϕ (k) sadrže, kao elemente, greške Kako ove greške nisu mjerljive u trenutku k, potrebno ih je estimirati (procijeniti): 25 RLS estimacija 26 13
14 Metoda pomoćnih varijabli 27 Metoda pomoćnih varijabli U razmatranju metode pomoćnih varijabli (metoda instrumentalnih varijabli IV) polazimo od jednačine procesa Kao i za LS metodu, predpostavljamo da je Jednačina se može prikazati u vektorskom obliku: Suština IV metode: konzistentno procijeniti vrijednosti parametara, kao i kod LS-metode. IV metode ne postavljaju zahtjeve na nekoreliranost greške modela ε (k)
15 Metoda pomoćnih varijabli Transponirana matrica podataka u formalnose može nadomjestitransponiranom matricom pomoćnih varijabli: Da bi matrica W(N) bila matrica pomoćnih varijabli, trebaju biti ispunjeni sljedeći uslovi: Ako su ispunjeni ovi uslovi, onda će procjena parametara biti konzistentna (bez biasa ), kaozaslučajls-metodesnekoreliranomgreškommodelaε (k). 29 Metoda pomoćnih varijabli Kriterij kvaliteta definiše se na osnovu vektora greške Uvrštavanjem dobije se: Jednačina za direktno određivanje parametara: 30 15
16 Metoda pomoćnih varijabli IV metodom dobiva se konzistentna procjena i za koreliranu grešku modela: 31 RIV metoda Rekurzivne jednačine za IV metodu (RIV metoda) Za ispunjenje uslova morajuse elementi matrice takoizabrati da oni jako koreliraju s korisnim signalima u matrici, a da ne koreliraju sa signalima smetnje
17 RIV metoda Najpovoljniji slučaj bi bio ako bi matrica W direktno sadržavala signale matrice Φ koji ne sadrže smetnje. Pri tome je ulazni signal u(k) poznat (smatra se bez smetnje), a izlazni signal iz procesa (koji ne bi sadržavao smetnju) nije mjerljiv 33 RIV metoda Procjenjuju se vrijednosti izlaznog signala te se procijenjene vrijednosti koriste kao pomoćne varijable. Vektor redova matrice W ima oblik: Procjenjene vrijednosti koriste se kao pomoćne varijable u regresijskoj formi: gdje je definisan sa: 34 17
18 RIV metoda 35 RIV metoda Vektor parametara određuje se iz vektoraparametara pomoću sljedeće relacije(opisuje niskopropusni filter): Kašnjenje d se bira tako da signali v(k + d) i v(k) ne koreliraju, a koeficijent određuje brzinu filtra. RIV metoda predstavlja brz i djelotvoran postupak, zbog korištenja pa je posebno adekvatna za on-line primjene
19 Metoda maksimalne vjerovatnoće(ml metoda) 37 Metoda maksimalne vjerovatnoće (ML metoda) ML metoda (Maximum Likelihood method) polazi od stohastičkog načina promatranja, pri čemu se formira funkcija gustoće rapodjele promatranih stohastičkih signala i nepoznatih parametara. Neka je funkcija gustoće raspodjele ovisna o jednom ili više nepoznatih parametara opisana sa: Za procjenu parametara na osnovi mjernih uzoraka definiše se funkcija vjerovatnoće(engl. likelihood function), skraćeno L funkcija: Ako je funkcija gustoće raspodjele poznata (npr. Gaussova raspodjela, Poissonova raspodjela), tada se L funkcija može promatrati kao funkcija nepoznatih parametara 38 19
20 Metoda maksimalne vjerovatnoće (ML metoda) Osnovna zamisao ML metode sadržana je u tome da se iz mogućihprocijenjenih vrijednosti parametara nepoznatih parametara odredeone vrijednosti parametara za koje mjerni uzorci imaju najvećuvjerovatnoću. U tom slučaju L funkcija ima maksimalnu vrijednost Za iz jednačine dobiju se tražene procijenjene vrijednosti za nepoznate parametre kao funkcije mjernih vrijednosti 39 Metoda maksimalne vjerovatnoće (ML metoda) Ova procjena (za dovoljno veliki broj mjernih vrijednosti) konvergira, i u statističkom smislu je: Konzistentna; Djelotvorna; Iscrpna Procjena se naziva iscrpnom (dovoljnom), ako sadrži sve informacije o promatranim vrijednostima, iz kojih se procjenjuju parametri. Informatičnost pri procjeni obrnuto je proporcionalna varijanci. Iz togaslijedi da iscrpna procjena mora imati najmanju moguću varijancu
21 Primjena ML metode u parametarskoj identifikaciji Na osnovuopštogopisa ML procjene, provodi se procjena parametara pri identifikaciji procesa. Pretpostavimo model: Pri tome radi se o ARMAX strukturi: Potrebno je odrediti koeficijente polinoma iz ulazno/izlaznih signala u(k) i y(k) Pretpostavimo da je greška modela ε (k) bijeli šum s Gaussovom raspodjelom 41 Primjena ML metode u parametarskoj identifikaciji Vektor parametara koje treba procijeniti je: Dodatni parametar kojega treba procijeniti je: Kako je Gaussova raspodjela greške modela ε (k) za trenutak k glasi: 42 21
22 Primjena ML metode u parametarskoj identifikaciji Kako ε (k) nije koreliran, jer je bijeli šum, dobije se za N vrijednosti signala L funkcija: Uz kriterij kvaliteta: dobije se prema 43 Primjena ML metode u parametarskoj identifikaciji Iz slijedi: (*) Iz zadnje jednačine slijedi procjenjena greška modela: 44 22
23 Primjena ML metode u parametarskoj identifikaciji Za određivanje traženih parametara na raspolaganju su jednačine (*) Za derivaciju funkcionalne greške koristi se Za izračunavanje parcijalnih derivacija prema (*) jednačinu : izrazimo u sljedećoj formi: (**) ε (k) -linearna s obzirom na, nelinearna sobzirom na parametar 45 Primjena ML metode u parametarskoj identifikaciji Zbog ove nelinearne ovisnosti ε (k) o parametru c ne može se minimum funkcije kvaliteta riješiti direktno analitički nego samo primjenom numeričkih postupaka optimizacije. Ovisno o numeričkom postupku optimizacije, koristi se gradijent ili zajedno s i Hesseova matrica 46 23
24 Primjena ML metode u parametarskoj identifikaciji Sljedeće parcijalne derivacije funkcionale greške računaju se prema: gdje je ɛ iskazano sa (**). 47 Primjena ML metode u parametarskoj identifikaciji Ako se za optimizaciju koristi gradijentni postupak, tada se iterativnim računanjem dobiju procijenjene vrijednosti parametara prema relaciji: 48 24
25 Primjena ML metode u parametarskoj identifikaciji Iterativni proračun obavlja se prema sljedećim koracima: ML metoda procjene parametara zahtjeva mnogo računanja! 49 Primjena ML metode u parametarskoj identifikaciji 50 25
26 Zaključak Pristupi sistemske identifikacije i parametarske estimacije: Ulazno/izlazna selekcija Eksperimentalni dizajn Prikupljanje podataka Izbor modelske strukture (skupa mogućih rješenja) Estimacija parametara Validacija dobijenog modela (preferirana sa zasebnim validacijskim podacima). 1. Modeli korišteni za sistemu identifikaciju su matematski. U tom slučaju, fizičko ponašanje je nepoznato ili nekompletno. Za prošrenje uvida u mogući fizički model, koristi se npr. modelska struktura (reprezentacija, red). 2. Parametri u modelima za parametarsku estimaciju imaju više ili manje fizičko značenje
Pismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
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 περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
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 περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
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 περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
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 περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
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 περισσότεραNeka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.
Neka je a 3 x 3 + a x + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka. 1 Normiranje jednadžbe. Jednadžbu podijelimo s a 3 i dobivamo x 3 +
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
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 περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
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 περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραDeterminante. a11 a. a 21 a 22. Definicija 1. (Determinanta prvog reda) Determinanta matrice A = [a] je broj a.
Determinante Determinanta A deta je funkcija definirana na skupu svih kvadratnih matrica, a poprima vrijednosti iz skupa skalara Osim oznake deta za determinantu kvadratne matrice a 11 a 12 a 1n a 21 a
Διαβάστε περισσότεραPrikaz sustava u prostoru stanja
Prikaz sustava u prostoru stanja Prikaz sustava u prostoru stanja je jedan od načina prikaza matematičkog modela sustava (uz diferencijalnu jednadžbu, prijenosnu funkciju itd). Promatramo linearne sustave
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
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 περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότερα( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4
UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότεραUvod u teoriju brojeva
Uvod u teoriju brojeva 2. Kongruencije Borka Jadrijević Borka Jadrijević () UTB 2 1 / 25 2. Kongruencije Kongruencija - izjava o djeljivosti; Teoriju kongruencija uveo je C. F. Gauss 1801. De nicija (2.1)
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε περισσότεραDRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =
x, y, z) 2 2 1 2. Rešiti jednačinu: 2 3 1 1 2 x = 1. x = 3. Odrediti rang matrice: rang 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. 2 0 1 1 1 3 1 5 2 8 14 10 3 11 13 15 = 4. Neka je A = x x N x < 7},
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 περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
Διαβάστε περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραMATEMATIKA 2. Grupa 1 Rexea zadataka. Prvi pismeni kolokvijum, Dragan ori
MATEMATIKA 2 Prvi pismeni kolokvijum, 14.4.2016 Grupa 1 Rexea zadataka Dragan ori Zadaci i rexea 1. unkcija f : R 2 R definisana je sa xy 2 f(x, y) = x2 + y sin 3 2 x 2, (x, y) (0, 0) + y2 0, (x, y) =
Διαβάστε περισσότεραZadaci iz Osnova matematike
Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F
Διαβάστε περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
Διαβάστε περισσότεραMatematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO
Matematičke metode u marketingu Multidimenzionalno skaliranje Lavoslav Čaklović PMF-MO 2016 MDS Čemu služi: za redukciju dimenzije Bazirano na: udaljenosti (sličnosti) među objektima Problem: Traži se
Διαβάστε περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότερα16 Lokalni ekstremi. Definicija 16.1 Neka je A R n otvoren, f : A R i c A. Ako postoji okolina U(c) od c na kojoj je f(c) minimum
16 Lokalni ekstremi Važna primjena Taylorovog teorema odnosi se na analizu lokalnih ekstrema (minimuma odnosno maksimuma) relanih funkcija (više varijabli). Za n = 1 i f : a,b R ako funkcija ima lokalni
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
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 περισσότεραOtpornost R u kolu naizmjenične struje
Otpornost R u kolu naizmjenične struje Pretpostavimo da je otpornik R priključen na prostoperiodični napon: Po Omovom zakonu pad napona na otporniku je: ( ) = ( ω ) u t sin m t R ( ) = ( ) u t R i t Struja
Διαβάστε περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε περισσότεραObrada signala
Obrada signala 1 18.1.17. Greška kvantizacije Pretpostavka je da greška kvantizacije ima uniformnu raspodelu 7 6 5 4 -X m p x 1,, za x druge vrednosti x 3 x X m 1 X m = 3 x Greška kvantizacije x x x p
Διαβάστε περισσότερα- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)
MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότερα2. Ako je funkcija f(x) parna onda se Fourierov red funkcije f(x) reducira na Fourierov kosinusni red. f(x) cos
. KOLOKVIJ PRIMIJENJENA MATEMATIKA FOURIEROVE TRANSFORMACIJE 1. Za periodičnu funkciju f(x) s periodom p=l Fourierov red je gdje su a,a n, b n Fourierovi koeficijenti od f(x) gdje su a =, a n =, b n =..
Διαβάστε περισσότεραIspit održan dana i tačka A ( 3,3, 4 ) x x + 1
Ispit održan dana 9 0 009 Naći sve vrijednosti korjena 4 z ako je ( ) 8 y+ z Data je prava a : = = kroz tačku A i okomita je na pravu a z = + i i tačka A (,, 4 ) Naći jednačinu prave b koja prolazi ( +
Διαβάστε περισσότεραLINEARNA ALGEBRA 1, ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ, VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ
LINEARNA ALGEBRA 1 ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ 2. VEKTORSKI PROSTORI - LINEARNA (NE)ZAVISNOST SISTEM IZVODNICA BAZA Definicija 1. Neka je F
Διαβάστε περισσότερα> 0 svakako zadovoljen.
Elektrotehnički fakultet u Sarajevu akademska 0/3 ŠIFRA KANDIDATA _ Zadatak Za koje vrijednosti parametra ( ) + 3 = 0 m x mx oba iz skupa i suprotnog znaka? m su rješenja kvadratne jednačine a) m > 3 b)
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότερα5. Aproksimacija i interpolacija
APROKSIMACIJA I INTERPOLACIJA 56 5. Aproksimacija i interpolacija 5.. Opći problem aproksimacije Što je problem aproksimacije? Ako su poznate neke informacije o funkciji f, definiranoj na nekom skupu X
Διαβάστε περισσότεραFAKULTET PROMETNIH ZNANOSTI
SVUČILIŠT U ZAGU FAKULTT POMTNIH ZNANOSTI predmet: Nastavnik: Prof. dr. sc. Zvonko Kavran zvonko.kavran@fpz.hr * Autorizirana predavanja 2016. 1 Pojačala - Pojačavaju ulazni signal - Zahtjev linearnost
Διαβάστε περισσότερα5 Ispitivanje funkcija
5 Ispitivanje funkcija 3 5 Ispitivanje funkcija Ispitivanje funkcije pretodi crtanju grafika funkcije. Opšti postupak ispitivanja funkcija koje su definisane eksplicitno y = f() sadrži sledeće elemente:
Διαβάστε περισσότεραLinearna algebra I, zimski semestar 2007/2008
Linearna algebra I, zimski semestar 2007/2008 Predavanja: Nenad Bakić, Vježbe: Luka Grubišić i Maja Starčević 22. listopada 2007. 1 Prostor radijvektora i sustavi linearni jednadžbi Neka je E 3 trodimenzionalni
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραMašinsko učenje. Regresija.
Mašinsko učenje. Regresija. Danijela Petrović May 17, 2016 Uvod Problem predviđanja vrednosti neprekidnog atributa neke instance na osnovu vrednosti njenih drugih atributa. Uvod Problem predviđanja vrednosti
Διαβάστε περισσότεραMATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2
(kompleksna analiza, vježbe ). Izračunajte a) (+i) ( i)= b) (i+) = c) i + i 4 = d) i+i + i 3 + i 4 = e) (a+bi)(a bi)= f) (+i)(i )= Skicirajte rješenja u kompleksnoj ravnini.. Pokažite da za konjugiranje
Διαβάστε περισσότεραBetonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri
Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότεραOsnovne definicije i rezultati iz Uvoda u linearnu algebru
Osnovne definicije i rezultati iz Uvoda u linearnu algebru (0.01) Simetrije Neka je A = [a ij ] kvadratna matrica (matrica oblika n n). a) Za A kažemo da je simetrična matrica kadgod je A = A, tj. kadgod
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
16. UVOD U STATISTIKU Statistika je nauka o sakupljanju i analizi sakupljenih podatka u cilju donosenja zakljucaka o mogucem toku ili obliku neizvjesnosti koja se obradjuje. Frekventna distribucija - je
Διαβάστε περισσότεραMATEMATIKA 1 8. domaća zadaća: RADIJVEKTORI. ALGEBARSKE OPERACIJE S RADIJVEKTORIMA. LINEARNA (NE)ZAVISNOST SKUPA RADIJVEKTORA.
Napomena: U svim zadatcima O označava ishodište pravokutnoga koordinatnoga sustava u ravnini/prostoru (tj. točke (0,0) ili (0, 0, 0), ovisno o zadatku), označava skalarni umnožak, a vektorski umnožak.
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 περισσότεραPP-talasi sa torzijom
PP-talasi sa torzijom u metrički-afinoj gravitaciji Vedad Pašić i Dmitri Vassiliev V.Pasic@bath.ac.uk D.Vassiliev@bath.ac.uk Department of Mathematics University of Bath PP-talasi sa torzijom p. 1/1 Matematički
Διαβάστε περισσότεραPOTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE
**** MLADEN SRAGA **** 011. UNIVERZALNA ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE SKUP REALNIH BROJEVA α Autor: MLADEN SRAGA Grafički urednik: BESPLATNA - WEB-VARIJANTA Tisak: M.I.M.-SRAGA
Διαβάστε περισσότεραREKURZIVNE FUNKCIJE PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK. Diplomski rad. Voditelj rada: Doc.dr.sc.
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Brigita Švec REKURZIVNE FUNKCIJE Diplomski rad Voditelj rada: Doc.dr.sc. Zvonko Iljazović Zagreb, Rujan, 2014. Ovaj diplomski
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότεραNumerička analiza 26. predavanje
Numerička analiza 26. predavanje Saša Singer singer@math.hr web.math.hr/~singer PMF Matematički odjel, Zagreb NumAnal 2009/10, 26. predavanje p.1/21 Sadržaj predavanja Varijacijske karakterizacije svojstvenih
Διαβάστε περισσότεραMAGNETNO SPREGNUTA KOLA
MAGNETNO SPEGNTA KOA Zadatak broj. Parametri mreže predstavljene na slici su otpornost otpornika, induktivitet zavojnica, te koeficijent manetne spree zavojnica k. Ako je na krajeve mreže -' priključen
Διαβάστε περισσότεραViše dokaza jedne poznate trigonometrijske nejednakosti u trokutu
Osječki matematički list 000), 5 9 5 Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu Šefket Arslanagić Alija Muminagić Sažetak. U radu se navodi nekoliko različitih dokaza jedne poznate
Διαβάστε περισσότεραSignali i sustavi Zadaci za vježbu. III. tjedan
Signali i sustavi Zadaci za vježbu III. tjedan 1. Neka je kontinuirani kompleksni eksponencijalni signal. Neka je diskretni eksponencijalni signal dobiven iz kontinuiranog signala uniformnim otipkavanjem
Διαβάστε περισσότεραZBIRKA POTPUNO RIJEŠENIH ZADATAKA
**** IVANA SRAGA **** 1992.-2011. ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE POTPUNO RIJEŠENI ZADACI PO ŽUTOJ ZBIRCI INTERNA SKRIPTA CENTRA ZA PODUKU α M.I.M.-Sraga - 1992.-2011.
Διαβάστε περισσότεραa je vrijednost Q x x iznosi P( a ). Primjenom tog stava zaključuje se da ostatak pri dijeljenju P( x ) sa ( ) = ( 1)
Elektrotehnički fakultet u Sarajevu akademska 0/. ŠIFRA KANDIDATA _ Zadatak. Proizvod rješenja jednačine 4 5 = 64 je: a) 6 b) -6 c) d) - Jednačinu je moguće napisati u obliku 4 5 64 = 0. Na osnovu Vietovih
Διαβάστε περισσότερα6 Polinomi Funkcija p : R R zadana formulom
6 Polinomi Funkcija p : R R zadana formulom p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, gdje su a 0, a 1,..., a n realni brojevi, a n 0, i n prirodan broj ili 0, naziva se polinom n-tog stupnja s
Διαβάστε περισσότεραVJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.
JŽ 3 POLAN TANZSTO ipolarni tranzistor se sastoji od dva pn spoja kod kojih je jedna oblast zajednička za oba i naziva se baza, slika 1 Slika 1 ipolarni tranzistor ima 3 izvoda: emitor (), kolektor (K)
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε περισσότερα