12. Zatvorene mreže (definicija)
|
|
- Ἐλισάβετ Λαγός
- 6 χρόνια πριν
- Προβολές:
Transcript
1 2. Zatvorene mreže (definicija). Zatvorena mreža : Mreža u kojoj j je broj poslova konstantan n =const - stepen multiprogramiranja Koliko poslova uđe u mrežu, toliko istovremeno i izađe (kada se jedan zahtev opsluži, on napušta mrežu i umesto njega dolazi drugi posao n = const.) Otvorena mreža: postoji ulazni tok procesa u sistem. Broj poslova je promenljiv, ali tok procesa je konstantan u proseku. Tri načina za modeliranje zatvorenih mreža:. Ciklični model multiprogramiranja (CMMP) 2. Stohastički model mreže sa centralnim serverom (MCS) 3. Opsti model multiprogramiranja
2 2. Zatvorene mreže (definicija) Pojedinačni servisni centar u zatvorenoj mreži može da bude: jedan par: red za čekanje-server ekvivalentni paralelni serveri neekvivalentani paralelni serveri 2
3 2. Zatvorene mreže (definicija) Procesorski podsistem U/I podsistem (fajlovi) Model opterećenja: FOR I:= to Ntr Read (disk, pristup) Compute (m instrukcija) END n ovakvih poslova Ntr N transakcija 3
4 2. Ciklični model multiprogramiranja (CMMP). Pretpostavke:. stepen multiprogramiranja je konstantan (broj zahteva je nepromenljiv) 2. vreme opsluživanja procesora ima eksponencijalnu raspodelu sa parametrom μ 3. vreme opsluživanja U/I podsistema ima eksponencijalnu raspodelu sa parametrom λ 4. svi poslovi su istog prioriteta Prva varijanta CMMP q 0 verovatnoća završetka Procesorski nekog posla podsistem q q 0 + q = U/I N poslova podsistem Druga varijanta CMMP Procesorski podsistem x n poslova N q 0 =, q 0 =/N U/I podsistem 4
5 2. Ciklični model multiprogramiranja (CMMP) n-i i Događaji su prelasci iz jednog podsistema u drugi do kojih μ CPU podsistem dolazi po završetku servisiranja na nekom serveru. Verovatnoća da se više događaja desi istovremeno je 0. μ Stanja karakterišemo trenutnim brojem procesa u jednom od Podsistema (npr. periferijskom). U stanju i imamo i procesa u periferijski tom podsistemu. podsistem (najčešće diskovi) Stanja ima ukupno n+, pi je verovatnoća i-tog stanja p 0 +p +...+p n = p0 p p2 pn μ p i = λ p i+ Balansna jednačina λ λ μ 0 2 n i i+ λ, μ zavise od konkretnog stanja (zbirna brzina servera u datom stanju) λ=k λ i gde je k broj servera u periferijskom podsistemu koji rade u datom stanju μ=m μi i gde je m broj servera u procesorskom podsistemu koji rade u datom stanju λ 5
6 2. Ciklični model multiprogramiranja (CMMP) Algoritam analize cikličnog modela:. Nacrtati dijagram stanja i ispisati balansne jednačine 2. Izračunati sve verovatnoće stanjap i, i=0,..,n 3. Izračunati iskorišćenje servera (opslužilaca) U, U 2,..., U k. U i je zbir svih verovatnoća onih stanja u kojima server i radi (verovatnoća da posmatrani a server e radi) 4. Odrediti odgovarajuće protoke: X i =U i /s i (s je vreme servisiranja) 5. Srednji broj poslova u servisnom centru N J = j p j j= 6. Srednje vreme odziva pojedinih podsistema 7. Srednje vreme čekanja u redu: T q = T - s T = J / X 6
7 2. Ciklični model multiprogramiranja (CMMP) PRIMER: Multiprogramski računar sa jednim procesorom i jednim diskom obavlja transakcionu obradu nad n istovetnih programa. Vreme pristupa disku i procesorska obrada po transakciji su jednaki i iznose po 20ms. Primenom cikličnog modela multiprogramiranja izvesti izraze za iskorišćenje procesora U(n) i intenzitet toka kroz sistem X(n) izraženog u transakcija u sekundi. 7
8 2. Ciklični model multiprogramiranja (CMMP) Disk je besposlen i-to t stanje podrazumeva da se u disk-podsistemu nalazi i procesa Procesor je besposlen λ λ λ λ... 0 n- n Balansne jednačine: μ μ λ p0 = μ p λ p = μ p Uvedemo 2 λ p2 = μ p3... μ smenu: ρ = μ λ μ λ p = μ p n n 8
9 2. Ciklični model multiprogramiranja (CMMP) λ p = p = ρ p μ 0 0 λ p = p = ρ p μ λ pn = p = ρ p μ n n 0 0 n n ( ρ ρ ρ ) p + p p = => p = ρ = => p = p =... = p = /( n+ ) n n Up = p0 = n + n Un ( ) = n + Un ( ) n 50n X ( n ) = = = sec S n+ 20ms n+ Svako stanje u sistemu je jednako verovatno. 9
10 2.2 Stohastičko modelovanje mreže sa centralnim serverom (MsCS) V -ukupan broj poseta procesoru (centralnom serveru) od strane jednog procesa koji završi svoju obradu (dok izađe iz sistema, proces V puta poseti procesor). Procesor je obeležen kao resurs sa rednim brojem. V p =, V = / p n - trenutni t broj procesa u procesoru V i - broj pristupa i-tom I/O uređaju od strane jednog procesa V i = p i V = p i /p, p i = V i /V, i=2,,k p +p 2 + +p k = / V + V 2 /V + V 3 /V + + V k /V = Ako pomnožimo sve sa V : V 2 +V V k = V Ukupan broj poseta svim diskovima jednak je broju poseta procesoru (centralnom serveru) umanjenom za jedan 0
11 2.2 Stohastičko modelovanje mreže sa centralnim serverom (MsCS) Brzine pojedinačnih servera su μ, μ 2,..., μ k (/s, /s 2,..., /s k ). Uvodimo pojam potražnje za nekim serverom: x i - potražnja za i-tim serverom, neimenovani brojevi koji se normalizuju i oslikavaju potražnju za serverima. Obično se x postavlja na (referentni servisni centar), pa se u odnosu na njega normalizuju ostale potražnje. D i - vreme koje jedan proces zateva od i-tog servera tokom svih opsluživanja zateva od strane tog servera serversko vreme ili ukupna vremenska potražnja (demand) za serverom (jedan proces može da ima više zahteva za istim serverom i taj broj zateva smo obeležili sa V i )
12 2.2 Stohastičko modelovanje mreže sa centralnim serverom (MsCS) Pi Primer : Za jednu vremensku jedinicu i servisnog centra broj (5 sec, 3 min, 4h... ) potrebno je x 2 vremenskih jedinica servera 2, x 3 vremenskih jedinica servera 3 itd Primer 2: U sistemu postoje CPU, Disk i Disk2. Vremena servisiranja su redom: s CPU = 0.039ms, s d = 0.8ms, s d2 = 0.26ms Procesi u proseku 20 puta pristupaju procesoru, 3 puta prvom i 6 puta drugom disku. Ukupni zahtevi za resursima (demands) d iznose: D CPU = ms = 0.78ms D d = = 2.34 D d2 = =.56 Skaliranjem sa /0.78ms dobijamo x = x 2 =3 x 3 =2 2
13 2.2 Stohastičko modelovanje mreže sa centralnim serverom (MsCS) Jednačina prelaza stanja za sistem sa slike: p 2 μ x - μ 2 x =0 x = -normalizovana potražnja za 2 p 3 μ x - μ3 x 3 =0 procesorom k- μ i x i = μ x p i - i-ta jednacina, i=2, 3,, k... k p k μ x - μk x k =0 x i = μ p i /μ i, i=2, 3,, k, x = s i =/μ i prosečno vreme opsluživanja -(-p ) μ x + μ 2 x 2 + μ 3 x μ k x k =0 nekog uređaja, i=,2,,k (poslednja jednačina je posledica prethodnih) p i s i V i s i t i D i x i = = = = s V s t D t i ukupno vreme za koje posao okupira i-ti uređaj t ukupno vreme opsluživanja jednog procesa od strane procesora 3
14 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) matrica verovatnoća kretanja. n p p... pkp k servera, n poslova (ukupan broj poslova je const, zatvorena mreža) n je raspoređen na n, n 2,, n k poslova pri čemu je : n k k pk... pkk n +n 2 + +n k =n, p- verovatnoća da se posle posete prvom opslužnom centru vrati ponovo na njega (ekvivalentni su: p 22,,p kk ) p ij - verovatnoća da se posle posete i-tom opslužnom centru posao uputi j-tom opslužnom centru i=, 2,, k; j=, 2,, k Stanje sistema je definisano trenutnim rasporedom poslova po servisnim centrima. Trenutno stanje sistema: S=(n, n 2,, n k ), n i 0, i=, 2,, k. Broj različitih rasporeda stanja: n+ k n+ k L = = n k S(n,k)={(n, n 2,, n k ) n +n 2 + +n k =n, n i 0} n broj poslova, k broj servera Ekvivalentni kombinatorni problemi:. Broj načina za smeštanje n kuglica u k kutija 2. Broj načina za raspoređivanje k- pregrada (za k kutija) na n+k- mesto 3. Broj načina za predstavljanje broja n kao zbira k nenegativnig i celih brojeva 4
15 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) Gordon-Newell-ov metod za analizu zatvorene mreže Neka je data zatvorena mreža opšteg tipa, sa konstantnih n procesa i k servera. Pretpostavljamo eksponencijalnu raspodelu vremena opsluživanja i FCFS disciplinu opsluživanja. Brzine pojedinačnih servera su μ, μ 2,..., μ k (/s, /s 2,..., /s k ). Imamo matricu verovatnoća p ij koja određuje verovatnoće da se posle posete i-tom servisnom centru posao uputi u j-ti servisni centar, i=, 2,, k; j=, 2,, k n i - broj poslova na i-tom serveru (ukupno n u zbiru) Svaki server ima određenu potražnju: x i. - potražnja za i-tim serverom, neimenovani brojevi koji se normalizuju i oslikavaju potražnju za serverima. Obično se x postavlja na (referentni servisni centar), pa se u odnosu na njega normalizuju ostale potražnje. 5
16 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) (-p ) μ x =p 2 μ 2 x p k μ k x k (-p Gordon-Newell-ove 22 ) μ 2 x 2 =p 2 μ x p k2 μ k x k jednačine... (-p kk ) μ k x k =p k μ x +p 2k μ 2 x Drugi zapis: -(-p ) μ x + p 2 μ 2 x p k μ k x k =0 p 2 μ x -(-p 22 ) μ 2 x p k2 μ k x k =0... p k μ x +p 2k μ 2 x (-p kk ) μ k x k =0 6
17 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) Neka je ukupan prostor stanja s S(n,k)={(n, n 2,, n k ) n +n 2 + +n+ k =n, n i 0}, Drugim rečima, S(n,k) je skup uređenih k-torki, takvih da je zbir svih članova svake k-torke n Neka je p(s) raspodela verovatnoća stanja sistema. To je diskretna veličina koja određuje n+ k n+ k verovatnoću da se sistem nađe u svakom od L = = stanja. n k Stanje sistema u nekom trenutku, tj. raspored procesa po servisnim centrima može se opisati proizvodom: k n n2 nk ni 2... k = i i= x x x x Gordon i Newell su dokazali da će verovatnoća ovog stanja biti srazmerna ovom proizvodu. 7
18 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) Pošto je verovatnoća svakog stanja srazmerna odgovarajućem proizvodu, verovatnoća svakog stanja se može odrediti kao odnos odgovarajućeg proizvoda i zbira proizvoda koji odgovaraju svim stanjima. Ps () = k ni xi k i= Gn ( ) k ni s S i= xi za svako stanje s iz i= skupa mogucih stanja S = x ni i Suma u imeniocu se obično obeležava sa G(n) i predstavlja konstantu sistema koja obezbeđuje da je zbir svih verovatnoća jednak jedinici. Na ovaj način smo odredili raspodelu stanja sistema, p(s). 8
19 2.3 Opšti model zatvorene mreže (Gordon-Njuelov metod) Ako se potražnje normalizuju u odnosu na x, tj. za x = dobija se: k ni xi k i= 2 ni (, 2,..., k ) =, ( ) = i (i ide od 2 zato sto je x =) Gn ( ) s S( n, k) i= 2 pn n n Gn x U j - iskorišćenje j-tog opslužioca se analognoračuna: U j k ni xi k nj> 0 i= 2 ni j = (, 2,..., k ) =, ( ) = i nj> 0 Gn ( ) s S ( n, k ) i= 2 U p n n n G n x 9
20 2.4 Bjuzenov algoritam za izračunavanje G(n) Problem kod Gordon-Njuelovog metoda je velika složenost računanja konstante G(n), jer je za n+ k to potrebno izračunati sumu proizvoda. n k ni Gn ( ) = x, n + n n = n= const. s S( n, k) i= i 2 k Pored dugog g trajanja, j to može i da izazove problem greške u zaokruživanju. Bjuzen uvodi pomoćnu funkciju g(i,j), gde je i broj zahteva, a j broj servera: nm gi (, j) = x, i n, j k. s S( i, j ) m= j Očigledno je da važi: g(i,0)=0, i=, 2,, n (nema servera) g(0,j) j)= j=, 2,, k (nema zahteva) m 20
21 2.4 Bjuzenov algoritam za izračunavanje G(n) Razbijamo pomoćnu funkciju na dve sume: j j j n n n m m m s S (,) i j m= s S(,), i j),n = 0 m= s S (,),n i j > 0 m= m m m gi (, j) = X = X + X j j Prva suma uzima one proizvode kod kojih je n j =0, a druga one kod kojih je n j >0. U prvom sabirku možemo da izostavimo x j jer je n j =0, a u drugom možemo da izvučemo ispred sume i smanjimo broj servera: g(i,j)= g(i,j-) + x j g(i-,j) jedan servisni centar manje jedan zahtev manje potražnja za j-tim serverom Dobili smo rekurzivnu proceduru za računanje g(i,j). 2
22 2.4 Bjuzenov algoritam za izračunavanje G(n) g(nk)je g(n,k) nx x k matrica koja u svojoj graničnoj poslednjoj koloni daje vrednost G(n) G(n)= g(n,k) Programska realizacija (optimizovana, jer je samo poslednja kolona od interesa): G[0]=; FOR j:= TO k DO FOR i:= TO n DO G[i]= G[i]+ x[j] G[i-]; 22
23 2.4 Bjuzenov algoritam za izračunavanje G(n) Primena Gordon-Njuelove metode i Bjuzenovog algoritma. Verovatnoća da je broj poslova na j-tom servisnom centru veći od m, gde je m zadati broj : k ni Pn [ j m] = ps ( ) = xi = Gn ( ) s S( n, k), nj m s S( n, k), nj m i= m x k j ni m Gn ( m) = xi = xj Gn ( ) Gn ( ) s S( n m, k) i= 2. Iskorišćenje j-tog servera: U j =P[n j >0] = P[n j ] = x j G(n-)/G(n) U i /U j=x i /x j, i=, 2,, k, j=, 2,, k Odnos iskorišćenosti dva servera je jednak odnosu njihovih potražnji! 23
24 2.4 Bjuzenov algoritam za izračunavanje G(n) 3. Verovatnoća da broj procesa na resursu j iznosi m, tj. da je n j =m: Pn [ = m] = Pn [ m] Pn [ m+ ] = j j j x = ( ) ( ) Gn ( ) Gn ( ) Gn ( ) m m Gn ( m ) m+ Gn ( m ) j xj xj G n m G n m [ ] 24
25 2.4 Bjuzenov algoritam za izračunavanje G(n) 4. Prosečan č (očekivani) č i) broj zahteva (poslova) na j-tom serveru: n n j = m P[n j =m] m= P[n j ]=P[n j =]+P[n j =2]+P[n j =3]+ +P[n j =n] P[n j 2]= P[n j =2]+P[n j =3]+ +P[n j =n] P[n j 3]= P[n j =3]+ +P[n j =n]... P[n j n]= P[n j=n] n j =P[n j ]+P[n j 2]+P[n j 3]+ +P[n j n] n m = x j m= Gn ( m) Gn ( ) 25
26 2.4 Bjuzenov algoritam za izračunavanje G(n) 5. Protok : X j =U j /s j =U j μ j = x j G(n-)/G(n) μ j Nampomena: X j je protok kroz resurs, a x j normalizovana potražnja za resursom! 6. Vreme odziva prema Little-ovoj formuli: = / R n X j j j 26
27 2.4 Bjuzenov algoritam za izračunavanje G(n) Verovatnoća da serveri α i β budu istovremeno aktivni: G(n-) G(n-2) G(n-2) P[n α,n β ] = U α (n) U β (n-) = U α (n-) U β (n) = x α x β =x α x β G(n) G(n-) G(n) Verovatnoća da serveri α, β i γ budu istovremeno aktivni: G(n-3) P[n α,n β,n γ ] = U α (n) U β (n-) U γ (n-2) = = x α x β x γ G(n) Verovatnoća da k servera bude istovremeno aktivno: G(n-k) G(n-k) k P[n,n 2,,n k ] = x x 2 x k = x i G(n) G(n) i= 27
28 2.5 Analiza performansi mreža sa centralnim serverom korišćenjem Gordon-Njuelove metode CPU je najtraženiji resurs centralni server (u odnosu na njega se normalizuju potražnje) Iskorišćenost CPU-a (centralnog servera) je: U = G(n-)/G(n), x = Iskorišćenost drugih servera je: U i = x i U = U ( V i s i / V s ) = (V i s i G(n-)) / (V s G(n)), i= 2,, k Verovatnoća da su CPU i i-ti uređaj (resurs) istovremeno aktivni: U i = x i G(n-2)/G(n)=(V i s i G(n-2))/(V s G(n)) 28
29 2.5 Analiza performansi mreža sa centralnim serverom korišćenjem Gordon-Njuelove metode Intenzitet toka kroz granu sa CPU: X = U /s = G(n-)/(s G(n)) Produktivnost sistema: X=p X =U /(V s )=U /D = G(n-)/(s V G(n)) Vreme provedeno u sistemu dok se ne obradi svih n poslova (trajanje opsluživanja) : T = n/x =(n s V V G(n))/G(n-) ) (Little-ova formula) 29
30 2.6 Analiza uskih grla (Kada nastupa zasićenje?) Usko grlo u sistemu je onaj resurs koji ima najveće iskorišćenje (kritičan resurs). S obzirom da je iskorišćenje srazmerno potražnji resursa, to je zapravo resurs sa najvećom potražnjom. Povećanjem n (broja j poslova) u nekom trenutku će doći do zasićenja. Označimo sa b (bottleneck) kritični resurs u uslovima zasićenja: U b =s b X b X b =U b /s b i uz porast broja poslova U b Resurs ulazi u zasićenje kad je tražnja za njim maksimalna (iskorišćenje teži ). X b =/s b = μ b Ovaj resurs je non-stop aktivan X=p b X b = (/V b ) (U b /s b ) X max =X b /V b =(/V b s b )=/D b μ b Svaki od k resursa ima neku ukupnu potražnju (demand). Obeležimo ih sa D, D 2,...,D k. Onaj resurs koji ima najveću potražnju će prvi ući u zasićenje: Db=max(D,..,Dk) 30
31 2.6 Analiza uskih grla (Kada nastupa zasićenje?) Iz Little-ove formule: X max n n G( n ) = lim = lim = lim Tn ( ) nv s Gn ( )/ Gn ( ) Gn ( ) V s n n n X max =X b /V b =(/V b s b ) Iz prethodne dve jednakosti sledi: Gn ( ) Vb s = Gn ( ) V s b, n>> Asimptotsko ponašanje vremena odziva: T(n)=n/X max =n V b s b =n D b, n» vreme provedeno u sistemu postaje direktno srazmerno broju poslova ukoliko dođe đ do zasićenja V b opisuje posao (broj poseta resursu, nije karakteristika računara, tj. servera, već procesa) s b opisuje karakteristike i posla i računara (servera) 3
32 2.6 Analiza uskih grla (Kada nastupa zasićenje?) Za veliko n je to asimptota, a za malo n (n= jedan posao, niko mu ne smeta, kada završi posao na jednom resursu, pređe na drugi itd.) imamo: T min =T 0 =V s +V 2 s 2 + +V k s k - minimalno vreme da posao prođe kroz sistem, kada postoji samo jedan proces u sistemu, tj. n=. T=T 0, n n krit. T=n/X max, n n krit Ove prave se seku u n krit : T T=n/Xmax D +D 2 + +D k n krit = T 0 X max = max(d,..,d k ) T0 nkrit n 32
33 2.6 Analiza uskih grla (Kada nastupa zasićenje?) Kada broj procesa dostigne kritični broj n krit, javljaju se prvi efekti zasićenja. Vreme odziva brzo raste. V i direktna karakteristika posla n krit. je karakteristika i računara i posla s i karakteristika i računara i posla D +D 2 + +D+D k n krit. = T 0 X max = max(d,..,d k ) n krit. k T 0 = /X() = (V s G()) / G(0) = V s G() X max = G(n-) / (V s G(n)) Ako je centralni server usko grlo : U (n)= Za veliko n : G(n-) G(n) ) n krit G() G() G(n-) n krit. = = G() U(n) G(n) n» 33
Elektrotehnički fakultet univerziteta u Beogradu 17.maj Odsek za Softversko inžinjerstvo
Elektrotehnički fakultet univerziteta u Beogradu 7.maj 009. Odsek za Softversko inžinjerstvo Performanse računarskih sistema Drugi kolokvijum Predmetni nastavnik: dr Jelica Protić (35) a) (0) Posmatra
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 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 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 περισσότεραOperaciona analiza. 15. Operaciona analiza Operacioni modeli računarskih sistema. Analiza koja se sprovodi pomoću merljivih veličina na konačnom
15. Operaciona analiza Operacioni modeli računarskih sistema Operaciona analiza Analiza koja se sprovodi pomoću merljivih veličina na konačnom vremenskom intervalu (za razliku od stohastičkih sistema gde
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 περισσότεραElektrotehnički fakultet univerziteta u Beogradu 16.maj Odsek za Softversko inžinjerstvo
Elektrotehnčk fakultet unverzteta u Beogradu 6.maj 8. Odsek za Softversko nžnjerstvo Performanse računarskh sstema Drug kolokvjum Predmetn nastavnk: dr Jelca Protć (35) a) () Posmatra se segment od N uzastonh
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 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 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 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 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 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 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 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 περισσότεραOtvorene mreže. Zadatak 1
Otvorene mreže Zadatak Na slici je data otvorena mreža u kojoj je rocesor centralni server. Prosečan intenzitet ulaznog toka rocesa u sistem iznosi X rocesa/sec. Posle rocesorske obrade, roces u % slučajeva
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 περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
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 περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
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 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 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 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 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 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 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 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 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 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 περισσότεραInteraktivni sistemi nastavak
Interaktivni sistemi nastavak Zadatak Jednoprocesorski računar obrađue smesu programa koi dominantno koriste procesor. Kada nema aktivnih terminala obrada smese trae 40s. Kada se u sistem vežu dva terminala,
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 περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
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 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 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 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 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 περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
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 περισσότεραRAČUNSKE VEŽBE IZ PREDMETA POLUPROVODNIČKE KOMPONENTE (IV semestar modul EKM) IV deo. Miloš Marjanović
Univerzitet u Nišu Elektronski fakultet RAČUNSKE VEŽBE IZ PREDMETA (IV semestar modul EKM) IV deo Miloš Marjanović MOSFET TRANZISTORI ZADATAK 35. NMOS tranzistor ima napon praga V T =2V i kroz njega protiče
Διαβάστε περισσότερα1 Afina geometrija. 1.1 Afini prostor. Definicija 1.1. Pod afinim prostorom nad poljem K podrazumevamo. A - skup taqaka
1 Afina geometrija 11 Afini prostor Definicija 11 Pod afinim prostorom nad poljem K podrazumevamo svaku uređenu trojku (A, V, +): A - skup taqaka V - vektorski prostor nad poljem K + : A V A - preslikavanje
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 26. jun Katedra za Računarsku tehniku i informatiku
Elektrotehički fakultet uiverziteta u Beogradu 6. ju 008. Katedra za Račuarku tehiku i iformatiku Performae račuarkih itema Rešeja zadataka..videti predavaja.. Kretaje Verovatoća Opi 4 4 Kretaje u itom
Διαβάστε περισσότερα8 Modelovanje performansi računarskih sistema. ETF Beograd Performanse Računarskih Sistema 1
8 Modelovanje performansi računarskih sistema Različiti pristupi: Sistemi masovnog opsluživanja (teorija redovi čekanja) Leonard Kleinrock Queueing theory 1. Analitičko modelovanje 2. Simulaciono modelovanje
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 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 περισσότεραPismeni 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 περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
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 περισσότεραnvt 1) ukoliko su poznate struje dioda. Struja diode D 1 je I 1 = I I 2 = 8mA. Sada je = 1,2mA.
IOAE Dioda 8/9 I U kolu sa slike, diode D su identične Poznato je I=mA, I =ma, I S =fa na 7 o C i parametar n= a) Odrediti napon V I Kolika treba da bude struja I da bi izlazni napon V I iznosio 5mV? b)
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 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 περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
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 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 περισσότεραSortiranje prebrajanjem (Counting sort) i Radix Sort
Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting
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 περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
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 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 περισσότεραPID: Domen P je glavnoidealski [PID] akko svaki ideal u P je glavni (generisan jednim elementom; oblika ap := {ab b P }, za neko a P ).
0.1 Faktorizacija: ID, ED, PID, ND, FD, UFD Definicija. Najava pojmova: [ID], [ED], [PID], [ND], [FD] i [UFD]. ID: Komutativan prsten P, sa jedinicom 1 0, je integralni domen [ID] oblast celih), ili samo
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 περισσότερα4.7. Zadaci Formalizam diferenciranja (teorija na stranama ) 343. Znajući izvod funkcije x arctg x, odrediti izvod funkcije x arcctg x.
4.7. ZADACI 87 4.7. Zadaci 4.7.. Formalizam diferenciranja teorija na stranama 4-46) 340. Znajući izvod funkcije arcsin, odrediti izvod funkcije arccos. Rešenje. Polazeći od jednakosti arcsin + arccos
Διαβάστε περισσότεραKonstruisati efikasan algoritam znači dati skup preciznih uputstava kako doći do rešenja zadatog problema Algoritmi se mogu opisivati:
Staša Vujičić Konstruisati efikasan algoritam znači dati skup preciznih uputstava kako doći do rešenja zadatog problema Algoritmi se mogu opisivati: pseudo jezikom prirodnim jezikom dijagramom toka. 2
Διαβάστε περισσότερα1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II
1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II Zadatak: Klipni mehanizam se sastoji iz krivaje (ekscentarske poluge) OA dužine R, klipne poluge AB dužine =3R i klipa kompresora B (ukrsne glave). Krivaja
Διαβάστε περισσότεραSOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE
1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar
Διαβάστε περισσότεραSkup svih mogućih ishoda datog opita, odnosno skup svih elementarnih događaja se najčešće obeležava sa E. = {,,,... }
VEROVTNOĆ - ZDI (I DEO) U računu verovatnoće osnovni pojmovi su opit i događaj. Svaki opit se završava nekim ishodom koji se naziva elementarni događaj. Elementarne događaje profesori različito obeležavaju,
Διαβάστε περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
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 περισσότεραAlgoritmi i strukture podataka - 1.cas
Algoritmi i strukture podataka - 1.cas Aleksandar Veljković October 2016 Materijali su zasnovani na materijalima Mirka Stojadinovića 1 Složenost algoritama Približna procena vremena ili prostora potrebnog
Διαβάστε περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότεραS t r a n a 1. 1.Povezati jonsku jačinu rastvora: a) MgCl 2 b) Al 2 (SO 4 ) 3 sa njihovim molalitetima, m. za so tipa: M p X q. pa je jonska jačina:
S t r a n a 1 1.Povezati jonsku jačinu rastvora: a MgCl b Al (SO 4 3 sa njihovim molalitetima, m za so tipa: M p X q pa je jonska jačina:. Izračunati mase; akno 3 bba(no 3 koje bi trebalo dodati, 0,110
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
Διαβάστε περισσότερα3. Performanse operativne memorije. Sistema
3. Performanse operativne memorije Dva osnovna aspekta koja razmatramo: brzina i iskorišćenje Nije bitan samo fizički kapacitet memorije, nego nam je od značaja i efektivni adresni prostor -to je prostor
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 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 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 περισσότεραKonstruisanje. Dobro došli na... SREDNJA MAŠINSKA ŠKOLA NOVI SAD DEPARTMAN ZA PROJEKTOVANJE I KONSTRUISANJE
Dobro došli na... Konstruisanje GRANIČNI I KRITIČNI NAPON slajd 2 Kritični naponi Izazivaju kritične promene oblika Delovi ne mogu ispravno da vrše funkciju Izazivaju plastične deformacije Može doći i
Διαβάστε περισσότεραOM2 V3 Ime i prezime: Index br: I SAVIJANJE SILAMA TANKOZIDNIH ŠTAPOVA
OM V me i preime: nde br: 1.0.01. 0.0.01. SAVJANJE SLAMA TANKOZDNH ŠTAPOVA A. TANKOZDN ŠTAPOV PROZVOLJNOG OTVORENOG POPREČNOG PRESEKA Preposavka: Smičući napon je konsanan po debljini ida (duž pravca upravnog
Διαβάστε περισσότεραUniverzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika
Univerzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika Rešenja. Matematičkom indukcijom dokazati da za svaki prirodan broj n važi jednakost: + 5 + + (n )(n + ) = n n +.
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 περισσότεραUZDUŽNA DINAMIKA VOZILA
UZDUŽNA DINAMIKA VOZILA MODEL VOZILA U UZDUŽNOJ DINAMICI Zanemaruju se sva pomeranja u pravcima normalnim na pravac kretanja (ΣZ i = 0, ΣY i = 0) Zanemaruju se svi vidovi pobuda na oscilovanje i vibracije,
Διαβάστε περισσότερα1. zadatak , 3 Dakle, sva kompleksna re{ewa date jedna~ine su x 1 = x 2 = 1 (dvostruko re{ewe), x 3 = 1 + i
PRIPREMA ZA II PISMENI IZ ANALIZE SA ALGEBROM. zadatak Re{avawe algebarskih jedna~ina tre}eg i ~etvrtog stepena. U skupu kompleksnih brojeva re{iti jedna~inu: a x 6x + 9 = 0; b x + 9x 2 + 8x + 28 = 0;
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε περισσότεραNovi Sad god Broj 1 / 06 Veljko Milković Bulevar cara Lazara 56 Novi Sad. Izveštaj o merenju
Broj 1 / 06 Dana 2.06.2014. godine izmereno je vreme zaustavljanja elektromotora koji je radio u praznom hodu. Iz gradske mreže 230 V, 50 Hz napajan je monofazni asinhroni motor sa dva brusna kamena. Kada
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo Najpre da se podsetimo tablice i osnovnih pravila:. C0.. (. ( 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 >0. (cos. (cos - π. (tg kπ cos. (ctg
Διαβάστε περισσότεραSKUPOVI I SKUPOVNE OPERACIJE
SKUPOVI I SKUPOVNE OPERACIJE Ne postoji precizna definicija skupa (postoji ali nama nije zanimljiva u ovom trenutku), ali mi možemo koristiti jednu definiciju koja će nam donekle dočarati šta su zapravo
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 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 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 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 περισσότεραPrvi pismeni zadatak iz Analize sa algebrom novembar Ispitati znak funkcije f(x) = tgx x x3. 2. Naći graničnu vrednost lim x a
Testovi iz Analize sa algebrom 4 septembar - oktobar 009 Ponavljanje izvoda iz razreda (f(x) = x x ) Ispitivanje uslova Rolove teoreme Ispitivanje granične vrednosti f-je pomoću Lopitalovog pravila 4 Razvoj
Διαβάστε περισσότεραGlava 1. Realne funkcije realne promen ive. 1.1 Elementarne funkcije
Glava 1 Realne funkcije realne promen ive 1.1 Elementarne funkcije Neka su dati skupovi X i Y. Ukoliko svakom elementu skupa X po nekom pravilu pridruimo neki, potpuno odreeni, element skupa Y kaemo da
Διαβάστε περισσότεραMinistarstvo prosvete i sporta Republike Srbije Druxtvo matematiqara Srbije Prvi razred A kategorija
18.02006. Prvi razred A kategorija Dokazati da kruжnica koja sadrжi dva temena i ortocentar trougla ima isti polupreqnik kao i kruжnica opisana oko tog trougla. Na i najve i prirodan broj koji je maƭi
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 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 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 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 περισσότερα