Reševanje sistemov linearnih enačb
|
|
- Ιωάννα Κουβέλης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 1 / 37 Reševanje sistemov linearnih enačb Meteorologija z geofiziko, I. stopnja
2 2 / 37 Matrični zapis sistema linearnih enačb Sistem m linearnih enačb z n neznankami a 11 x 1 + a 12 x a 1n 1 x n 1 + a 1n x n = b 1 a 21 x 1 + a 22 x a 2n 1 x n 1 + a 2n x n = b 2. a m1 x 1 + a m2 x a mn 1 x n 1 + a mn x n = b m, krajše zapišemo v obliki A x = b, A R m n, x R n 1, b R m 1.
3 3 / 37 Pri tem je A = a 11 a 12 a 1n a 21 a 22 a 1n... a m1 a m2 a mn, x = x 1 x 2. x n, b = b 1 b 2. b m. V veliki večini primerov (vsaj v okviru tega poglavja) bomo predpostavili, da je m = n.
4 4 / 37 Posebej pomembni bodo sistemi, katerih matrike imajo določeno strukturo: zgornje trikotni sistemi (matrika je zgornja trikotna) A = a 11 a 12 a 1n 0 a 22 a 1n a nn, spodnje trikotni sistemi (matrika je spodnja trikotna) A = a a 21 a a n1 a n2 a nn,
5 5 / 37 tridiagonalni sistemi (matrika je tridiagonalna) a 11 a a 21 a 22 a 23 0 A = a n 1n 2 a n 1n 1 a n 1n 0 0 a nn 1 a nn, diagonalni sistemi (matrika je diagonalna) A = diag(a 11, a 22,..., a nn ).
6 6 / 37 Vektorske in matrične norme Definicija Vektorska norma je preslikava : R n R + {0}, za katero je 1 x = 0 natanko tedaj, ko je x = 0, 2 α x = α x, 3 x + y x + y, za vsak x, y R n in α R. Pomembnejše vektorske norme so x 1 = i=1 n x i (1-norma), x 2 = ( i=1 n ) 1/2 x2 i (2-norma), x = max i=1,2,...,n x i ( -norma ali max norma).
7 7 / 37 Definicija Matrična norma je preslikava : R m n R + {0}, za katero je 1 A = 0 natanko tedaj, ko je A = 0, 2 α A = α A, 3 A + B A + B, 4 AC A C, za vsak A, B R m n, C R n p in α R. Najbolj znane matrične norme so: ( A 1 = max j=1,2,...n m i=1 a ij ) (1-norma), ) A = max i=1,2,...m ( n j=1 a ij ( -norma), A 2 = max i=1,2,...,n λi (A A) (spektralna norma), ( 1/2 A F = i=1 m n j=1 ij) a2 (Frobeniusova norma).
8 8 / 37 Za obrnljivo matriko A dfiniramo število občutljivosti κ(a) = A 1 A. Pri reševanju sistemov linearnih enačb nas pogosto zanima, kako je rešitev sistema Ax = b občutljiva na motnje v A in b. Lema Naj bo Ax = b in (A + δa)(x + δx) = b + δb. Če je A 1 δa < 1, je δx x κ(a) 1 κ(a) δa A ( δa A + δb ). b
9 9 / 37 Primer Naj bo ( 1 A = i + j 1 ) 10, b = A [1, 1,..., 1]. i,j=1 Točna rešitev sistema Ax = b je torej x = [1, 1,..., 1]. Z Matlabovim algoritmom za reševanje sistemov linearnih enačb pa dobimo rešitev x, za katero je x x
10 10 / 37 Direktno vstavljanje Oglejmo si najprej preprost algoritem za reševanje sistema linearnih enačb s spodnjo trikotno matriko: function x=direktno(l,b) %DIREKTNO resuje spodnji trikotni sistem %x=direktno(l,b) %L je spodnja trikotna matrika %b je desna stran %x je resitev sistema n=size(l,1); x=zeros(n,1); for i=1:n x(i)=(b(i)-l(i,1:i-1)*x(1:i-1))/l(i,i); end
11 11 / 37 Podoben algoritem lahko izvedemo za sistem linearnih enačb z zgornjo trikotno matriko: function x=obratno(u,b) %OBRATNO resuje spodnji trikotni sistem %x=obratno(u,b) %U je zgornja trikotna matrika %b je desna stran %x je resitev sistema n=size(u,1); x=zeros(n,1); for i=n:-1:1 x(i)=(b(i)-u(i,i+1:n)*x(i+1:n))/u(i,i); end
12 12 / 37 Časovna zahtevnost obeh algoritmov je O(n 2 ). Preštejmo število operacij (+,,, /) za direktno vstavljanje: n i=1 (1 + i 1 + i 2 + 1) = n + 2 n i=1 i = n + n(n + 1) = n 2. Algoritma sta osnova za reševanje sistema linearnih enačb s poljubno matriko A.
13 13 / 37 LU razcep Osnovna ideja večine algoritmov za reševanje sistema linearnih enačb je Problem prevedite na enostavnejšega, ki ima posebno obliko. Ekonomično rešite enostavnejši sistem. Iz rešitve enostavnejšega pridobite rešitev originalnega sistema.
14 14 / 37 Izrek Za matriko A R n n sta ekvivalentni izjavi: a) Obstaja enolični razcep A = L U (LU razcep), kjer je L spodnja trikotna matrika z enkami na diagonali in U nesingularna zgornja trikotna matrika. b) Vse vodilne podmatrike A(1 : k, 1 : k), k = 1, 2,..., n, so nesingularne. Izrek seveda ne zagotavlja, da LU razcep obstaja za vsako matriko. Preprost protiprimer je na primer že matrika A = [ ].
15 15 / 37 Velja pa naslednji izrek. Izrek Za vsako nesingularno matriko A R n n, najdemo tako permutacijsko matriko P, da obstaja LU razcep za matriko P A. Za primer s prejšnje prosojnice je P = [ ]. in je P A = [ ] [ ].
16 16 / 37 Matrika P v resnici pove, kako bi morali na začetku premenjati vrstice matrike A, da za tako dobljeno matriko obstaja LU razcep. V splošnem je možnih veliko matrik P. Najbolj znan je postopek za določitev ene od njih je delno pivotiranje. Prejšnji izrek torej lahko preberemo tudi takole: za vsako nesingularno matriko A s postopkom delnega pivotiranja pridemo do LU razcepa matrike P A.
17 17 / 37 Osnovne prijeme pri postopku LU racepa z delnim pivotiranjem na j-tem koraku lahko povzamemo takole: Naj bo A (j) matrika A na j-tem koraku. V j-tem stolpcu v vrsticah od j do n poiščite največji element po absolutni vrednosti, torej max a (j). j i n Zamenjajte vrstico, kjer je največji element, z j-to vrstico (delno pivotiranje). Izvedite Gaussovo eliminacijo vrstic j + 1, j + 2,..., n: kjer je ij A (j+1) = L j A (j),
18 18 / 37 L j = l j+1j l nj 1 in l kj = a(j) kj a (j) jj.
19 19 / 37 LU razcep z delnim pivotiranjem Algoritem za postopek LU razcepa z delnim pivotiranjem je naslednji: function [L,U,P]=lu_delno(A) %LU_DELNO je LU razcep z celnim pivotiranjem %[L,U,P]=LU_DELNO(A) %A je vhodna matrika %L je spodnja trikotna z enkami na diagonali %U je zgornja trikotna %P je permutacijska n=size(a,1); P=eye(n); L=zeros(n); U=zeros(n);
20 for j=1:n-1 [M,maxi]=max(abs(A(j:n,j))); maxi=maxi+j-1;%popravimo na globalni indeks P([j,maxi],:)=P([maxi,j],:); A([j,maxi],:)=A([maxi,j],:); A(j+1:n,j)=A(j+1:n,j)/A(j,j); A(j+1:n,j+1:n)=A(j+1:n,j+1:n)-A(j+1:n,j)*A(j,j+1:n); end L=tril(A,-1)+eye(n); U=triu(A); 20 / 37
21 21 / 37 Primer Poiščimo LU razcep z delnim pivotiranjem za matriko A = Sledimo zgornjemu algoritmu in dobimo L = /2 1 U = , P =
22 22 / 37 Preštejmo število operacij: / {}}{{}}{{}}{ n j + (n j) 2 + (n j) 2 = n 1 j=1 n 1 j + 2 j=1 n 1 j 2 j=1 = n(n 1) (n 1)n(2n 1) = 2 3 n3 1 2 n2 1 6 n = O(n3 ). Če se dimenzija matrike torej podvoji, potrebujemo približno osemkrat več operacij.
23 23 / 37 Uporaba LU razcepa z delnim pivotiranjem Reševanje sistema linearnih enačb Ax = b, A R n n, b R n : PA = LU, LU razcep O(n 3 ) operacij, Ly = Pb, direktno vstavljanje O(n 2 ) operacij, Ux = y, obratno vstavljanje O(n 2 ) operacij. Reševanje matričnega sistema AX = B, A R n n, X R n p, B R n p : Problem zapišemo po stolpcih v obliki A [x 1, x 2..., x p ] = [b 1, b 2..., b p ] in rešujemo Ax j = b j, j = 1, 2,..., p. Ponovimo postopek iz prejšnje točke, pri čemer LU razcep naredimo le enkrat.
24 24 / 37 Iščemo inverz matrike A R n n (zelo redko zares potrebujemo inverz!!!): Uporabimo prejšnjo točko, kjer je X = A 1 in B = I (identiteta). Računamo determinanto matrike A R n n : Naredimo LU razcep matrike A, torej PA = LU. Upoštevamo zvezo det PA = det L det U = n u ii i=1 in dejstvo, da je det P = ( 1) k, kjer je k število menjav vrstic v matriki A pri delnem pivotiranju.
25 25 / 37 Primer Izračunajmo determinanto marike A = z LU razcepom z delnim pivotiranjem. Iz prejšnjega primera dobimo L = /2 1 U = , P = Torej je det PA = det L det U = 1 ( 2). Ker je det P = 1, je torej det A = 2.
26 26 / 37 Kompletno pivotiranje Poleg delnega pivotiranja je znan tudi postopek kompletnega pivotiranja. Na j-tem koraku v matriki A (j) poiščemo največji element v celi matriki A (j), torej max a (j) j k,l n in zamenjamo ustrezni vrstici ter stolpca. Nato nadaljujemo z eliminacijami kot v primeru delnega pivotiranja. Razcep s kompletnim pivotiranjem ima obliko kl PAQ = LU, kjer sta P in Q permutacijski matriki (v matriki Q je informacija o menjavi stolpcev).
27 27 / 37 Kompletno pivotiranje večinoma ne izboljša bistveno natančnosti v primerjavi z delnim, zato se v praksi redko uporablja. Primer Razcepimo s kompletnim pivotiranjem matriko A = Dobimo L = / /3 1/2 1 P = , U =, Q = /3 1/ / ,
28 28 / 37 Reševanje posebnih sistemov Med posebnimi sistemi smo že omenili zgornje in spodnje trikotne, tridiagonalne in diagonalne. Tridiagonalne bomo obravnavali ob koncu tega razdelka. Med zelo pomembnimi so tudi sistemi, pri katerih je matrika A simetrična pozitivno definitna. Definicija Matrika A R n n je simetrična pozitivno definitna, če je A = A in je x Ax 0 za vsak x R n.
29 29 / 37 Izrek Matrika A R n n je simetrična pozitivno definitna natanko tedaj, ko je A = A in so vse lastne vrednosti pozitivne. Za simetrično pozitivno definitno matriko obstaja posebna oblika razcepa, t.i. razcep Choleskega. Izrek Za simetrično pozitivno definitno matriko A obstaja nesingularna zgornja trikotna matrika V, da je A = VV.
30 30 / 37 Razcep Choleskega function V=cholesky(A) %CHOLESKY je razcep Choleskega %V=CHOLESKY(A) %A je simetricna pozitivno definitna %V je spodnja trikotna, da je V*V =A n=size(a,1); V=zeros(n); V(1,1)=sqrt(A(1,1)); V(2:n,1)=A(2:n,1)/V(1,1); for k=2:n V(k,k)=sqrt(A(k,k)-V(k,1:k-1)*V(k,1:k-1) ); for j=k+1:n V(j,k)=(A(j,k)-V(k,1:k-1)*V(j,1:k-1) )/V(k,k); end end
31 31 / 37 Časovna zahtevnost je (brez kvadratnih korenov) n (2 (k 1) + (n k)(2 k 1)) = 1 3 n3 + O(n 2 ). k=1 V primerjavi s klasičnim LU razcepom približno pol manj, kar zaradi simetričnosti ni presenetljivo. Razcep Choleskega je tudi najcenejši način, kako preverimo pozitivno definitnost matrike A (ne sme priti do korenjenja negativnih števil).
32 32 / 37 Primer Izračunajmo razcep Choleskega za matriko A = Neposredno po algoritmu dobimo V =
33 33 / 37 Če je matrika A R n n simetrična pozitivno definitna, potem sistem linearnih enačb Ax = b rešimo takole: Razcepimo A z razcepom Choleskega: A = V V. Rešimo sistem V y = b (direktno vstavljanje). Rešimo sistem V x = y (obratno vstavljanje). Pri razcepu Choleskega lahko pivotiramo na poseben način, da ohranjamo simetrijo (diagonalno pivotiranje). Na vsakem koraku poiščemo največji element po absolutni vrednosti na preostanku diagonale in izvedemo zamenjavo ustreznih vrstic in stolpcev. Če simetrična matrika ni pozitivno definitna, razcep Choleskega ne obstaja. Obstaja pa razcep PAP = LDL, kjer je L spodnja trikotna matrika z enkami na diagonali, D pa bločno diagonalna matrika z bloki 1 1 ali 2 2.
34 34 / 37 Tridiagonalni sistemi Rešujemo sistem Ax = b, kjer je A tridiagonalna matrika A = a 11 a 12 a 21 a 22 a a n 1,n 2 a n 1,n 1 a n 1,n a n,n 1 a n,n.
35 35 / 37 Pri LU razcepu brez pivotiranja dobimo L = 1 l l n,n 1 1, U = u 11 a u n 1,n 1 a n 1,n u n,n Pri tem za razcep in nadaljnje reševanje potrebujemo O(n) operacij.
36 36 / 37 Če moramo pivotirati, se v matriki U pojavi še ena obdiagonala U = u 11 u 12 u u n 2,n 2 u n 2,n 1 u n 2n u n 1,n 1 u n 1,n u n,n. Izrek Če je matrika A R n n diagonalno dominantna po stolpcih (in vsaj v enem stolpcu strogo diagonalno dominantna), pivotiranje ni potrebno. (Glejte dokaz z vaj!)
37 37 / 37 Torej lahko tridiagonalni sistem, pri katerem je matrika diagonalno dominantna po stolpcih, rešujemo v kompaktni obliki. Sistem predstavimo z martriko M R n n in vektorjem desnih strani ter priredimo algoritem LU razcepa. Dobljeni časovna in prostorska zahtevnost sta O(n).
Oznake in osnovne definicije
Oznake in osnovne definicije B Plestenjak, JKozak: Numerične metode 2011-2012 1 / 53 Sistem n linearnih enačb z n neznankami a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b
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 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 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 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 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 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 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 περισσότεραPoglavje 2. Sistemi linearnih enačb
Poglavje 2 Sistemi linearnih enačb Najpogostejši problem, na katerega naletimo pri numeričnem računanju, je reševanje sistema linearnih enačb Tak sistem lahko dobimo direktno iz matematične formulacije
Διαβάστε περισσότεραOsnove linearne algebre
Osnove linearne algebre Matrike Matrika razsežnosti n m je A = a 1 1 a 1 2 a 1 m a 2 1 a 2 2 a 2 m a n 1 a n 2 a n m Če je n = m, tedaj matriko imenujemo kvadratna matrika Elementi matrike so lahko realna
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. 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 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 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 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 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 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 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 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 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 περισσότερα11. Posplošeni problemi lastnih vrednosti
11. Posplošeni problemi lastnih vrednosti Dani sta kvadratni n n matriki A in B. Množico vseh matrik oblike A λb, kjer je λ C, imenujemo matrični šop in označimo z (A, B) ali A λb. Karakteristični polinom
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 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 περισσότερα11.5 Metoda karakteristik za hiperbolične PDE
11.5 Metoda karakteristik za hiperbolične PDE Hiperbolična kvazi linearna PDE ima obliko au xx + bu xy + cu yy = f, (1) kjer so a, b, c, f funkcije x, y, u, u x in u y, ter velja b 2 4ac > 0. Če predpostavimo,
Διαβάστε περισσότεραUNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO MATEMATIKA II
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA II Maribor, 2016 Kazalo Uvod v linearno algebro 1 1.1 Matrike................................ 1 1.2 Računanje
Διαβάστε περισσότεραProblem lastnih vrednosti
Problem lastnih vrednosti Naj bo A R n n. Iščemo lastni par, da zanj velja Ax = λx, kjer je x C n, x 0 (desni) lastni vektor, λ C pa lastna vrednost. Vektor y 0, pri katerem je y H A = λy H, je levi lastni
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 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 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 περισσότεραMATEMATIKA II TEORIJA
Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko MTEMTIK. letnik VSŠ MTEMTIK II TEORIJ Maribor, 202 Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko
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 περισσότερα5.1 Predpogojevanje. K 1 Ax = K 1 b,
5.1 Predpogojevanje Konvergenca metod podprostorov za reševanje linearnega sistema Ax = b je v veliki meri odvisna od razporeditve lastnih vrednosti (in lastnih vektorjev) matrike A. Kadar je konvergenca
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 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 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 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 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 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 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 περισσότεραNumerične metode 2 (finančna matematika)
Bor Plestenjak Numerične metode 2 (finančna matematika) delovna verzija verzija:. februar 203 Kazalo Nesimetrični problem lastnih vrednosti 5. Uvod............................................ 5.2 Schurova
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 περισσότεραTadeja Kraner Šumenjak MATEMATIKA. Maribor, 2010
Tadeja Kraner Šumenjak in Vilma Šuštar MATEMATIKA Maribor, 2010 2 CIP-kataložni zapis o publikaciji Univerzitetna knjižnica Maribor CIP številka Avtor Naslov publikacije/avtor, kraj, založnik ISBN Naslov
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 περισσότεραZBIRKA REŠENIH NALOG IZ MATEMATIKE II
Univerza v Ljubljani Fakulteta za elektrotehniko Andrej Perne ZBIRKA REŠENIH NALOG IZ MATEMATIKE II Skripta za vaje iz Matematike II (UNI + VSP) Ljubljana, determinante Determinanta det A je število, prirejeno
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 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 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 περισσότεραMatematika. BF Lesarstvo. Zapiski ob predavanjih v šolskem letu 2009/2010
Matematika BF Lesarstvo Matjaž Željko Zapiski ob predavanjih v šolskem letu 009/00 Izpis: 9 januar 00 KAZALO Kazalo Števila 5 Naravna števila 5 Cela števila 6 3 Racionalna števila 6 4 Realna števila 7
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 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 περισσότεραMatematično modeliranje. Simpleksna metoda.
Simpleksna metoda. Drago Bokal, Tanja Gologranc Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru Kanonična oblika linearnega programa. min c T x p. p.
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 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 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 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 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 περισσότεραKanonična oblika linearnega programa. Simpleksna metoda. Bazne rešitve kanoničnega linearnega programa.
Kanonična oblika linearnega programa.. Drago Bokal, Tanja Gologranc Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru min c T x p. p. Ax = b x 0 Kako dobimo
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 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 περισσότεραINTEGRALI RACIONALNIH FUNKCIJ
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA NIKA HREN INTEGRALI RACIONALNIH FUNKCIJ DIPLOMSKO DELO LJUBLJANA, 203 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA MATEMATIKA - RAČUNALNIŠTVO NIKA HREN Mentor: izr.
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 περισσότερα3.1 Reševanje nelinearnih sistemov
3.1 Reševanje nelinearnih sistemov Rešujemo sistem nelinearnih enačb f 1 (x 1, x 2,..., x n ) = 0 f 2 (x 1, x 2,..., x n ) = 0. f n (x 1, x 2,..., x n ) = 0. Pišemo F (x) = 0, kjer je x R n in F : R n
Διαβάστε περισσότεραNavadne diferencialne enačbe
Navadne diferencialne enačbe Navadne diferencialne enačbe prvega reda V celotnem poglavju bo y = dy dx. Diferencialne enačbe z ločljivima spremeljivkama Diferencialna enačba z ločljivima spremeljivkama
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 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 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 περισσότεραUNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SANDRA BOLTA LASTNE VREDNOSTI GRAFA DIPLOMSKO DELO
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SANDRA BOLTA LASTNE VREDNOSTI GRAFA DIPLOMSKO DELO LJUBLJANA, 2014 2 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Študijska smer: Fizika in matematika SANDRA BOLTA
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 περισσότεραMatematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta
Matematika Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 6. november 200 Poglavje 2 Zaporedja in številske vrste 2. Zaporedja 2.. Uvod Definicija 2... Zaporedje (a n ) = a, a 2,..., a n,... je predpis,
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 περισσότεραZbirka rešenih izpitnih nalog iz numeričnih metod
Zbirka rešenih izpitnih nalog iz numeričnih metod Borut Jurčič - Zlobec Andrej Perne Univerza v Ljubljani Fakulteta za elektrotehniko Ljubljana 6 Kazalo Iterativno reševanje nelinearnih enačb 4 Navadna
Διαβάστε περισσότεραAlgoritmi nad grafi v jeziku linearne algebre
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Fakulteta za matematiko in fiziko Tinkara Toš Algoritmi nad grafi v jeziku linearne algebre DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM
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 περισσότεραIzpeljava Jensenove in Hölderjeve neenakosti ter neenakosti Minkowskega
Izeljava Jensenove in Hölderjeve neenakosti ter neenakosti Minkowskega 1. Najosnovnejše o konveksnih funkcijah Definicija. Naj bo X vektorski rostor in D X konveksna množica. Funkcija ϕ: D R je konveksna,
Διαβάστε περισσότεραSpoznajmo sedaj definicijo in nekaj osnovnih primerov zaporedij števil.
Zaporedja števil V matematiki in fiziki pogosto operiramo s približnimi vrednostmi neke količine. Pri numeričnemu računanju lahko npr. število π aproksimiramo s števili, ki imajo samo končno mnogo neničelnih
Διαβάστε περισσότεραMatematika I (VS) Univerza v Ljubljani, FE. Melita Hajdinjak 2013/14. Pregled elementarnih funkcij. Potenčna funkcija. Korenska funkcija.
1 / 46 Univerza v Ljubljani, FE Potenčna Korenska Melita Hajdinjak Matematika I (VS) Kotne 013/14 / 46 Potenčna Potenčna Funkcijo oblike f() = n, kjer je n Z, imenujemo potenčna. Število n imenujemo eksponent.
Διαβάστε περισσότεραp 1 ENTROPIJSKI ZAKON
ENROPIJSKI ZAKON REERZIBILNA srememba: moža je obrjea srememba reko eakih vmesih staj kot rvota srememba. Po obeh sremembah e sme biti obeih trajih srememb v bližji i dalji okolici. IREERZIBILNA srememba:
Διαβάστε περισσότεραdiferencialne enačbe - nadaljevanje
12. vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 diferencialne enačbe - nadaljevanje Ortogonalne trajektorije Dana je 1-parametrična družina krivulj F(x, y, C) = 0. Ortogonalne
Διαβάστε περισσότεραKombinatorika. rekurzivnih enačb in rodovne funkcije. FMF Matematika Finančna matematika. Vladimir Batagelj. Ljubljana, april
FMF Matematika Finančna matematika Kombinatorika Reševanje rekurzivnih enačb in rodovne funkcije Vladimir Batagelj Math fun: Pascal triangle Ljubljana, april 2008 4. Dec 2012 različica: December 4, 2012
Διαβάστε περισσότερα1. izpit iz Diskretnih struktur UNI Ljubljana, 17. januar 2006
1. izpit iz Diskretnih struktur UNI Ljubljana, 17. januar 2006 1. Dana je množica predpostavk p q r s, r t, s q, s p r, s t in zaključek t r. Odloči, ali je sklep pravilen ali napačen. pravilen, zapiši
Διαβάστε περισσότεραIterativne numerične metode v linearni algebri
Bor Plestenja Iterativne numerične metode v linearni algebri sripta verzija: 2. januar 204 Kazalo Klasične iterativne metode za linearne sisteme 4. Uvod............................................ 4.2
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 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 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 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 περισσότερα1 Seštevanje vektorjev in množenje s skalarjem
Poglavje I Vektorji Seštevanje vektorjev in množenje s skalarjem Za lažjo geometrično predstavo si najprej oglejmo, kaj so vektorji v ravnini. Vektor je usmerjena daljica, ki je natanko določena s svojo
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 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 περισσότεραAx = b. 7x = 21. x = 21 7 = 3.
3 s st 3 r 3 t r 3 3 t s st t 3t s 3 3 r 3 3 st t t r 3 s t t r r r t st t rr 3t r t 3 3 rt3 3 t 3 3 r st 3 t 3 tr 3 r t3 t 3 s st t Ax = b. s t 3 t 3 3 r r t n r A tr 3 rr t 3 t n ts b 3 t t r r t x 3
Διαβάστε περισσότερα10. poglavje. Kode za overjanje
10. poglavje Kode za overjanje (angl. Authentication Codes) Uvod Računanje verjetnosti prevare Kombinatorične ocene pravokotne škatje (ang. orthogonal arrays, OA) konstrukcije in ocene za OA Karakterizaciji
Διαβάστε περισσότεραUniverza v Mariboru. Uporaba matematičnih metod v logistiki 1 Priročnik
Univerza v Mariboru Fakulteta za logistiko Uporaba matematičnih metod v logistiki 1 Priročnik BOJANA ZALAR Celje 2009 Izdala: Fakulteta za logistiko Univerze v Mariboru Naslov: Uporaba matematičnih metod
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 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 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 περισσότεραNavadne diferencialne enačbe
Navadne diferencialne enačbe (študijsko gradivo) Matija Cencelj 1. maja 2003 2 Kazalo 1 Uvod 5 1.1 Preprosti primeri......................... 8 2 Diferencialne enačbe prvega reda 11 2.1 Ločljivi spremenljivki.......................
Διαβάστε περισσότεραINŽENIRSKA MATEMATIKA I
INŽENIRSKA MATEMATIKA I REŠENE NALOGE za izredne študente VSŠ Tehnično upravljanje nepremičnin Marjeta Škapin Rugelj Fakulteta za gradbeništvo in geodezijo Kazalo Števila in preslikave 5 Vektorji 6 Analitična
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 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 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 περισσότεραVerjetnost 2 Peto poglavje
e z e z November 2011 Vsebina e z 1 2 3 4 5 6 Šibka in krepka markovska e z Naj bo X = {X (t) t [0, )} družina slučajnih spremenljivk z zalogo vrednosti v neki množici stanj S, t.j. slučajni proces z.
Διαβάστε περισσότερα