Matrike. Poglavje II. Matrika je pravokotna tabela realnih števil. Na primer: , , , 0 1
|
|
- Δανάη Κουρμούλης
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Poglavje II Matrike Matrika je pravokotna tabela realnih števil Na primer: [ ] 1 1 1, , [ ] 2 7, Matrika je sestavljena iz vrstic in stolpcev Vrstici matrike [ ] [ ] 3 1 2, 2 7 sta in 2 3 1, stolpci te matrike pa so 1 2, 1 1 in 3 1 Množico vseh matrik z m vrsticami in n stolpci označimo z R m n Elementom R m n rečemo matrike reda m n Množico vseh matrik z enim stolpcem enačimo z množico vektorjev, to je R m 1 R m, množico R 1 1 z R Matrikam iz množice R n n rečemo kvadratne matrike reda n Kvadratna matrika ima torej enako število stolpcev in vrstic V kvadratni matriki poznamo tudi pojem diagonale Tako je na primer diagonala matrike enaka Matrike bomo označevali z velikimi tiskanimi črkami: A, B, C, S, T, X, Številom, ki nastopajo v matriki, rečemo elementi matrike Za vsak element njegovo lego določimo tako, da povemo, v kateri vrstici in v katerem stolpcu leži Elementu, ki leži v i-ti vrstici in j-tem stolpcu, rečemo (i, j)-ti element 43
2 44 POGLAVJE II MATRIKE Tako je na primer v matriki element na mestu (1, 1) enak 1, element na (2,3) pa enak 2 Za matriko A R m n bomo uporabljali splošen zapis a 11 a 12 a 1n a 21 a 22 a 2n A = a m1 a m2 a mn Pri tem smo (i,j)-ti element označili z a ij Podobno bomo v matriki B njen (i, j)-ti element označili z b ij, v matriki C s c ij, itd Dve matriki A in B iz R m n sta enaki, če velja a ij = b ij za i = 1,2,,m in j = 1,2,,n 1 Algebraične operacije na matrikah 11 Seštevanje matrik in množenje matrik s skalarjem Naj bosta A in B dve matriki iz R m n Potem je njuna vsota enaka a 11 + b 11 a 12 + b 12 a 1n + b 1n a 21 + b 21 a 22 + b 22 a 2n + b 2n A + B = a m1 + b m1 a m2 + b m2 a mn + b mn Zgled 11 [ ] [ ] = [ ] Za poljuben skalar α R in matriko A R m n definiramo produkt matrike s skalarjem takole: αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n αa = αa m1 αa m2 αa mn
3 1 ALGEBRAIČNE OPERACIJE NA MATRIKAH 45 Zgled [ ] 2 4 = 6 8 [ ] Lastnosti seštevanja matrik: 1) asociativnost: (A+B)+C = A+(B+C) za vse matrike A,B, C R m n ) enota za seštevanje: matrika 0 = Rm n A + 0 = 0 + A = A za vse A R m n 3) inverz za seštevanje matrik: A + A = 0 za vse A R m n Pri tem je A = ( 1) A 4) komutativnost: A + B = B + A za vse A,B R m n Te lastnosti sledijo iz podobnih lastnosti za seštevanje realnih števil in jih ne bomo podrobno dokazovali Bralec lahko za vajo sam poskusi dokazati katero od lastnosti Za seštevanje matrik in množenje matrik s skalarji veljajo naslednje lastnosti: 5) distributivnost seštevanja matrik in množenja s skalarjem: α(a + B) = αa + αb za vse A,B R m n in α R, 6) distributivnost seštevanja skalarjev in množenja matrike s skalarjem: (α + β)a = αa + βa za vse A R m n in α, β R 7) (αβ)a = α(βa) za vse A R m n in α, β R, 8) množenje s skalarjem 1: 1 A = A za vse A R m n Te lastnosti sledijo iz podobnih lastnosti za množenje in seštevanje realnih števil
4 46 POGLAVJE II MATRIKE 12 Množenje matrik Naj bosta A R m n in B R n p dve matriki, za kateri je število stolpcev v A enako številu vrstic v B Potem zanju definiramo produkt a 1k b k1 a 2k b k1 A B = a mk b k1 a 1k b k2 a 2k b k2 a mk b k2 (i, j)-ti element produkta A B je enak a 1k b kp a 2k b kp a mk b kp a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj Produkt A B je element množice R m p Opozorimo, da je (i, j)-ti element produkta AB enak skalarnemu produktu i-te vrstice matrike A z j-tim stolpcem matrike B Zgled 13 Naredimo nekaj zgledov množenja matrik: 1) [ ] = ) [ ] [ ] [ ] = ) [ ] = 3 1 [ ]
5 1 ALGEBRAIČNE OPERACIJE NA MATRIKAH 47 4) 3 2 [1 2 ] 3 6 = ) [ ] [ ] = [ 1 ] 1 Poslej bomo oznako za produkt matrik izpuščali in pisali na kratko A B = AB Lastnosti množenja matrik: 1) asociativnost: (AB)C = A(BC) za matrike A R m n, B R n p in C R p q, 2) enota za množenje je matrika I n = 0 0 R n n Velja A I n = A in I m A = A za vse A R m n Matriko I n imenujemo identična matrika (reda n) Največkrat bo že iz preostalega teksta jasno, za katero identično matriko gre Zato bomo indeks n izpuščali in pisali I n = I Dokaz Dokaz asociativnosti: (i, j)-ti element produkta AB je a ik b kj in (i,j)-ti element produkta (AB)C je enak ( p a ik b kl )c lj = l=1 p l=1 a ik b kl c lj Po drugi strani pa je (i, j)-ti element produkta BC enak element produkta A(BC) je enak a ik ( p l=1 b kl c lj ) = a ik l=1 p b kl c lj (II1) p b il c lj in (i, j)-ti l=1 (II2)
6 48 POGLAVJE II MATRIKE Opazimo, da sta vsoti (II1) in (II2) enaki, zato je (AB)C = A(BC) Zlahka se prepričamo, da je A I n = I m A = A Navedimo še tri lastnosti, ki povezujejo seštevanje in množenje matrik ter množenje matrik s skalarjem: 4) distributivnost: (A + B)C = AC + BC za vse A,B R m n in C R n p, 5) še druga distributivnost: 6) A(B + C) = AB + AC za vse A R m n in B,C R n p, α(ab) = (αa)b = A(αB) za vse α R, A R m n in B R n p Dokazi teh lastnosti so podobni kot dokaz asociativnosti in jih ne bomo podrobno navajali Množenje matrik ni komutativno Če je m n in A Rm n in B R n m, potem je AB R m m in BA R n n Torej sta reda kvadratnih matrik AB in BA različna in zato gotovo AB BA Tudi v primeru, ko je m = n, komutativnost v splošnem ne velja Zgled 14 Dani sta matriki [ ] 1 1 A = 0 0 in B = [ ] Potem je Zato je BA AB Če je je AB = C = CD = [ ] [ ] [ ] in zato matriki C in D komutirata in BA = in D = in DC = [ ] [ ] 0 1, 1 1 [ ]
7 1 ALGEBRAIČNE OPERACIJE NA MATRIKAH 49 Na kratko obravnavajmo še obstoj inverza za množenje Inverz matrike A je taka matrika B, da velja AB = BA = I Zato je prvi pogoj za obstoj inverza to, da je A kvadratna matrika Oglejmo si nekaj zgledov, ki bodo ponazorili razne možnosti Natančneje pa bomo obstoj inverza obravnavali v nadaljevanju knjige [ ] 0 0 Zgled 15 1) A = : Ker je AB = 0, za vse B R , A nima inverza [ ] 1 0 2) A = = I Ker je I I = I, je I 1 = I [ ] 1 1 3) Naj bo A = Iščemo tako matriko X = 0 0 I = XA Potem je AX = [ ] x z y z = 0 0 [ ] 1 0 [ x y z t ], da bo AX = Zato mora biti x z = 1, y z = 0 in 0 = 1 Ta zadnja enakost ni izpolnjena in zato enačba AX = I nima rešitve X Tako smo opazili, da tudi neničelna matrika nima vedno inverza za množenje [ ] [ ] 1 2 x y 4) Naj bo A = Iščemo tako matriko X =, da je AX = 0 2 z t XA = I Ker mora biti [ ] [ ] x + 2z y + 2t 1 0 AX = = 2z 2t dobimo enačbe x + 2z = 1, y + 2t = 0, 2z = 0 in 2t = 1 Rešitev je z = 0, t = 1 2, x = 1 in y = 1 Torej je [ ] 1 1 X = Ker je XA = [ ] 1 0, je X res inverz matrike A Označimo X = A 1
8 50 POGLAVJE II MATRIKE 13 Transponiranje matrik Na matrikah imamo še eno operacijo - transponiranje Če je a 11 a 12 a 1n a 21 a 22 a 2n A = Rm n, potem matriko a m1 a m2 a mn a 11 a 21 a m1 A a 12 a 22 a m2 = Rn m a 1m a 2m a mn imenujemo transponiranka matrike A Matriko A dobimo iz A tako, da zamenjamo istoležne stolpce in vrstice, oziroma tako, da matriko prezrcalimo preko diagonale 2 1 Zgled 16 Naj bo A = 0 1 Potem je A = 3 0 Lastnosti transponiranja matrik: 1) (A ) = A za vse A R m n, 2) (αa) = αa za vse A R m n in α R, 3) (A + B) = A + B za vse A,B R m n, 4) (AB) = B A za vse A R m n in B R n p [ ] Dokaz Prve tri lastnosti so dokaj očitne in jih ne bomo podrobno dokazovali Oglejmo si dokaz lastnosti 4): (i, j)-ti element produkta AB je enak a ik b kj Zato je (i,j)-ti element transponirane matrike (BA) enak n a jkb ki Po drugi strani je (i,j)-ti element produkta B A enak skalarnemu produktu i- te vrstice v B z j-tim stolpcem v A, oziroma je enak skalarnemu produktu i-tega stolpca v B z j-to vrstico v A Torej je (i,j)-ti element v B A enak b ki a jk = a jk b ki Tako smo pokazali, da je (AB) = B A
9 2 KVADRATNE MATRIKE 51 2 Kvadratne matrike Oglejmo si sedaj nekaj posebnih vrst kvadratnih matrik Če je I R n n identična matrika, potem za α R matriko α α 0 αi = 0 0 α imenujemo skalarna matrika Matriko oblike α α α α n imenujemo diagonalna matrika Pri tem so α 1,α 2,,α n R Matrika je diagonalna natanko tedaj, ko so vsi njeni elementi izven diagonale enaki 0 Matriko oblike a 11 a 12 a 13 a 1n 0 a 22 a 23 a 2n 0 0 a 33 a 3n a nn imenujemo zgornje-trikotna matrika Matrika je zgornje-trikotna, če so vsi njeni elementi pod diagonalo enaki 0 Podobno je matrika spodnje-trikotna, če so vsi njeni elementi nad diagonalo enaki 0, torej, če je oblike a a 21 a a 31 a 32 a 33 0 a n1 a n2 a n3 a nn Z D n označimo množico vseh diagonalnih matrik v R n n, z Z n množico vseh zgornje-trikotnih matrik v R n n in s S n množico vseh spodnje-trikotnih matrik v R n n Velja D n = S n Z n
10 52 POGLAVJE II MATRIKE Opazimo še več Če sta D 1 in D 2 dve diagonalni matriki, potem so tudi D 1 + D 2, αd 1 in D 1 D 2 za vse α R diagonalne matrike Podobno velja tudi za množico zgornje-trikotnih matrik in za množico spodnje-trikotnih matrik: - za A,B Z n je A + B, αa in AB spet v Z n, - za A,B S n je A + B, αa in AB spet v S n Dokaz Vse lastnosti, razen lastnosti AB Z n, za A,B Z n in AB S n, za A,B S n, so dokaj očitne Najprej bomo preverili, da je AB zgornje-trikotna matrika, če sta A in B zgornje trikotni Če je A zgornje-trikotna, je a ij = 0 za i > j Enako je b ij = 0 za i > j (i, j)-ti element produkta AB je enak a ik b kj j=1 Privzemimo, da je i > j Ker je b kj = 0 za k > j in a ik = 0 za k < i, je a ik b kj = 0 za k = 1,2,,i 1 in k = j + 1,,n Ker je i > j, je i 1 j Zato je a ik b kj = 0 za vse k in produkt AB je spet zgornje-trikotna matrika Dokaz za spodnje-trikotne matrike sledi iz dejstva, da je transponiranka spodnje-trikotne matrike zgornje-trikotna in transponiranka zgornje-trikotne matrike spodnje-trikotna Za A,B S n je A,B Z n Ker je B A Z n, je potem AB = ((AB) ) = ( B A ) Sn Definirajmo še eno vrsto matrik Matriko A R n n imenujemo simetrična matrika, če je A = A Zgled 21 Matrika je simetrična Opazimo, da je vsota dveh simetričnih matrik spet simetrična matrika in produkt simetrične matrike s skalarjem je spet simetrična matrika Zgled 22 [ Produkt ] dveh simetričnih [ ] matrik ni [ več nujno ] simetrična matrika: Za A = in B = je AB =, ki ni simetrična matrika Trditev 23 Če je A Rm n, potem je AA simetrična matrika
11 3 ELEMENTARNE TRANSFORMACIJE NA MATRIKAH 53 Dokaz Iz lastnosti transponiranja matrik dobimo (AA ) = ( A ) A = AA Torej je AA res simetrična matrika 3 Elementarne transformacije na matrikah Imamo tri tipe elementarnih transformacij na vrsticah matrike: 1) Transformacijo prištej skalarni večkratnik ene vrstice drugi vrstici imenujemo elementarna transformacija tipa I 2) Transformacijo pomnoži vrstico matrike z neničelnim skalarjem imenujemo elementarna transformacija tipa II 3) Transformacijo zamenjaj dve vrstici imenujemo elementarna transformacija tipa III [ ] Zgled 31 Dana je matrika Naredimo na njej transformacijo tipa I prištej ( 1)-kratnik [ ] prve vrstice drugi vrstici Po tej transformaciji dobimo matriko To transforma cijo bomo označili z [ ] [ ] Na novi matriki naredimo sedaj elementarno transformacijo tipa II pomnoži drugo vrstico z 1 3 Po tej transformaciji dobimo matriko [ ] To transformacijo bomo označili z [ ] [ ] I 4 3 Na tej matriki sedaj naredimo še elementarno transformacijo tipa I prištej prvi vrstici ( 2)-kratnik druge vrstice Tako dobimo [ ] [ ] I 3 4 3
12 54 POGLAVJE II MATRIKE Izrek 32 (o vrstični kanonični formi) Vsako matriko A R m n lahko s pomočjo elementarnih transformacij tipov I, II in III na vrsticah preoblikujemo tako, da za preoblikovano matriko velja: - v vsaki neničelni vrstici je prvi neničelni element z leve enak 1, - če je v matriki i-ta vrstica ničelna, potem so vse vrstice z indeksom k > i enake nič (če so v matriki kake ničelne vrstice, potem so te zbrane v zadnjih vrsticah) - če je (i + 1)-ta vrstica neničelna, potem je prvi neničelni element z leve v (i + 1)-ti vrstici bolj desno kot prvi neničelni element v i-ti vrstici, - če je v j-tem stolpcu kak prvi neničelni element vrstice, potem je to v j-tem stolpcu edini neničelni element Če so za matriko izpolnjeni pogoji izreka 32, potem rečemo, da je v vrstični kanonični formi Izreka ne bomo dokazovali Preden si ogledamo kak zgled, vpeljimo še en nov pojem Če za element a ij v matriki A velja - a ij = 1, - a kl = 0 za k i in l > j, - a kj = 0 za k < i, potem element a ij imenujemo pivot (matrike A) Vsak prvi neničelni element vrstice v vrstični kanonični formi je pivot Zgled 33 Podajmo nekaj matrik v vrstični kanonični formi: , 0 2, V prvi matriki so pivoti na mestih (1,1), (2,2) in (3,4), v drugi matriki na mestih (1,1) in (2,3), v zadnji pa na mestih (1,2) in (2, 3) Zgled 34 Poišči vrstično kanonično formo za matriko
13 3 ELEMENTARNE TRANSFORMACIJE NA MATRIKAH 55 Najprej pomnožimo prvo vrstico z ( 1) in jo prištejemo drugi vrstici: Nato pomnožimo prvo vrstico z ( 2) in jo prištejemo tretji vrstici: Prištejemo drugo vrstico tretji vrstici: Pomnožimo zadnjo vrstico z 1 5 : I Pomnožimo zadnjo vrstico z ( 3) in jo prištejemo drugi vrstici: Prištejemo zadnjo vrstico prvi vrstici: Zaključimo z elementarno transformacijo prištej prvi vrstici ( 3)-kratnik druge vrstice : Dobljena matrika je v vrstični kanonični formi in ima tri pivote To so elementi (1,1), (2, 2) in (3, 4)
14 56 POGLAVJE II MATRIKE Zgled 35 Vedno pa ne gre iskanje vrstične kanonične forme le s pomočjo elementarnih transformacij tipov I in II Uporabiti moramo tuditransformacije tipa III Za zgled poiščimo vrstično kanonično formo za matriko Najprej zamenjajmo prvo in zadnjo vrstico: II Pomnožimo prvo vrstico z ( 2) in jo prištejmo drugi vrstici: Pomnožimo drugo vrstico z 2 in jo prištejmo zadnji vrstici: Prištejmo drugo vrstico prvi vrstici: in za konec pomnožimo drugo vrstico z ( 1): 1 0 I Dobljena vrstična kanonična forma ima dva pivota na mestih (1,1) in (2,2) Algoritem za iskanje vrstične kanonične forme je naslednji: Postavi i = 1, j = 1 Korak 1 - Če je v j-tem stolpcu kak element v vrsticah i+1,i+2,,m neničeln in je a ij = 0, zamenjaj i-to in k-to (k > i) vrstico tako, da bo a ij 0
15 4 ELEMENTARNE MATRIKE 57 - Prištej večkratnik i-te vrstice k-ti vrstici k > i tako, da bo a kj = 0 za k = i + 1,i + 2,,m - Pomnoži i-to vrstico z a 1 ij Element a ij je pivot Postavi i = i + 1 in določi novi j tako, da bo - a kl = 0 za k i + 1 in l < j, - a kj 0 za kak k i + 1 Če tak k obstaja, potem ponovi korak 1 Korak 2 Vrstice s pivotom prištej predhodnim vrsticam, tako da bo pivot edini neničeln element v svojem stolpcu Za vrstično kanonično formo velja naslednji izrek, ki ga ne bomo dokazali Izrek 36 Vsaka matrika ima enolično določeno vrstično kanonično formo Vrstična kanonična forma ni odvisna od zaporedja izvedenih elementarnih transformacij Definicija 37 Naj bo A R m n dana matrika Številu pivotov v vrstični kanonični formi za A imenujemo rang matrike A Rang označimo z r(a) Zgled 38 Matrika iz zgleda 34 ima rang enak 3 Matrika iz zgleda 35 pa ima rang enak Za rang matrike velja naslednji pomembni izrek, ki ga tu ne bomo dokazali Izrek 39 Če sta P Rm m in Q R n n obrnljivi matriki in je A R m n, potem je r(a) = r(pa) = r(aq) = r(paq) 4 Elementarne matrike Elementarne transformacije na vrsticah lahko predstavimo tudi z množenjem s tako imenovanimi elementarnimi matrikami Vpeljimo jih:
16 58 POGLAVJE II MATRIKE Za i j, 1 i, j m in α R je matrika E ij (α) R m m enaka vsoti identične matrike in matrike, ki ima edini neničeln element na mestu (i,j) enak α Matrike E ij (α) imenujemo elementarne matrike tipa I Zgled 41 Za m = 3 je npr 1 α 0 E 12 (α) = 0 0 in E 31 (6) = 0 6 Za i = 1,2,,m in α R, α 0, je matrika E i (α) R m m diagonalna matrika, ki ima na diagonali enice povsod razen na i-tem mestu Element (i,i) je enak α Matrike E i (α) imenujemo elementarne matrike tipa II [ ] 5 0 Zgled 42 Za m = 2 je E 1 (5) =, za m = 4 pa je E 3 ( 1 2 ) = Za i j, 1 i < j m označimo s P ij matriko, ki jo dobimo iz identične matrike tako, da v i-ti in j-ti vrstici zamenjamo i-ti in j-ti element Matrike P ij imenujemo elementarne matrike tipa III Zgled 43 Za m = 3 imamo tri elementarne matrike tipa III: 0 P 12 = 1 0 0, 0 P 13 = in P 23 = Naj bo A R m n Če množimo A z leve z matriko E ij (α), potem produkt E ij (α)a dobimo iz A tako, da i-ti vrstici prištejemo z α pomnoženo j-to vrstico Množenje z E ij (α) je torej ekvivalentno ustrezni elementarni transformaciji tipa I Podobno je množenje matrike A z E i (α) z leve ekvivalentno elementarni transformaciji tipa II - pomnoži i-to vrstico z α Množenje z matriko P ij z leve pa je ekvivalentno elementarni transformaciji tipa III - zamenjaj i-to in j-to vrstico
17 4 ELEMENTARNE MATRIKE 59 Trditev 44 Elementarne matrike tipa I, II in III so obrnljive [ 1 α Dokaz Inverz matrike E ij (α) je matrika E ij ( α) Npr [ ] 1 0 = Inverz matrike E i (α) je E i (α 1 ) Za matriko P ij velja Pij 2 ][ 1 α ] = = I, zato je P 1 ij = P ij
Reševanje 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραSKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK
SKUPNE PORAZDELITVE SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK Kovaec vržemo trikrat. Z ozačimo število grbov ri rvem metu ( ali ), z Y a skuo število grbov (,, ali 3). Kako sta sremelivki i Y odvisi
Διαβάστε περισσότεραMatematika. 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 περισσότεραOznake 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 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 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 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 περισσότεραVEKTORJI. Operacije z vektorji
VEKTORJI Vektorji so matematični objekti, s katerimi opisujemo določene fizikalne količine. V tisku jih označujemo s krepko natisnjenimi črkami (npr. a), pri pisanju pa s puščico ( a). Fizikalne količine,
Διαβάστε 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 περισσότεραReševanje sistemov linearnih enačb
1 / 37 Reševanje sistemov linearnih enačb Meteorologija z geofiziko, I. stopnja http://ucilnica.fmf.uni-lj.si/ 2 / 37 Matrični zapis sistema linearnih enačb Sistem m linearnih enačb z n neznankami a 11
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 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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραII. LIMITA IN ZVEZNOST FUNKCIJ
II. LIMITA IN ZVEZNOST FUNKCIJ. Preslikave med množicami Funkcija ali preslikava med dvema množicama A in B je predpis f, ki vsakemu elementu x množice A priredi natanko določen element y množice B. Važno
Διαβάστε περισσότεραMatematika. BF Lesarstvo. Zapiski ob predavanjih v šolskem letu 2010/2011
Matematika BF Lesarstvo Matjaž Željko Zapiski ob predavanjih v šolskem letu 00/0 Izpis: 9 avgust 0 Kazalo Števila 5 Naravna števila 5 Cela števila 6 3 Racionalna števila 6 4 Realna števila 7 5 Urejenost
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 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 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 περισσότεραVerjetnost 2. Oktober Verjetnost 2 Šesto poglavje. Obratna pot do markovskih verig. Od diskretnega časa proti zveznemu. Stabilnost in eksplozije
Oktober 2010 Vsebina 1 2 3 Osnovne sestavine obratne poti Imejmo markovsko o z diskretnim časom Y s števno množico stanj S, z začetno porazdelitvijo π 0 in prehodno matriko Q, ki ima lastnost, da so vsi
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 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 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 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 περισσότεραREˇSITVE. Naloga a. b. c. d Skupaj. FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost 2. kolokvij 23.
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost. kolokvij 3. januar 08 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Nalog je 6,
Διαβάστε 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 περισσότεραUniverza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA. Polona Oblak
Univerza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA Polona Oblak Ljubljana, 04 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 5(075.8)(0.034.) OBLAK,
Διαβάστε 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 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 περισσότερα(Ne)rešljiva Rubikova kocka in grupe
(Ne)rešljiva Rubikova kocka in grupe Maša Lah, Sabina Boršić, Klara Drofenik Mentor: Rok Gregorič Matematično raziskovalno srečanje 24. avgust 2016 Povzetek Cilj našega projekta je bil ugotoviti kriterij
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 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 περισσότεραMarch 14, ( ) March 14, / 52
March 14, 2008 ( ) March 14, 2008 1 / 52 ( ) March 14, 2008 2 / 52 1 2 3 4 5 ( ) March 14, 2008 3 / 52 I 1 m, n, F m n a ij, i = 1,, m; j = 1,, n m n F m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a
Διαβάστε περισσότεραAnaliza I. (študijsko gradivo) Matija Cencelj
Analiza I (študijsko gradivo) Matija Cencelj 2. maj 2007 2 Kazalo 1 Uvod 5 1.1 Izjave............................... 5 1.2 Množice.............................. 7 1.3 Relacije..............................
Διαβάστε περισσότεραVERIŽNI ULOMKI IN NESKONČNE VRSTE
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA KATJA SKUBIC VERIŽNI ULOMKI IN NESKONČNE VRSTE DIPLOMSKO DELO LJUBLJANA, 204 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA MATEMATIKA IN RAČUNALNIŠTVO KATJA SKUBIC Mentor:
Διαβάστε περισσότεραRealne funkcije. Elementarne funkcije. Polinomi in racionalne funkcije. Eksponentna funkcija a x : R R + FKKT Matematika 1
Realne funkcije Funkcija f denirana simetri nem intervalu D = ( a, a) ali D = [ a, a] (i) je soda, e velja f(x) = f( x), x D; (ii) je liha, e velja f(x) = f( x), x D. Naj bo f denirana D f in x 1, x 2
Διαβάστε περισσότεραVAJE IZ MATEMATIKE za študente gozdarstva. Martin Raič
VAJE IZ MATEMATIKE za študente gozdarstva Martin Raič OSNUTEK Kazalo 1. Ponovitev 2 2. Ravninska in prostorska geometrija 5 3. Linearna algebra 7 4. Ponavljanje pred kolokvijem 8 M. RAIČ: VAJE IZ MATEMATIKE(GOZDARSTVO)
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 περισσότεραEnačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba.
1. Osnovni pojmi Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba. Primer 1.1: Diferencialne enačbe so izrazi: y
Διαβάστε περισσότεραMATEMATIKA ZA BIOLOGE
MATEMATIKA ZA BIOLOGE Zapiski predavanj Milan Hladnik Fakulteta za matematiko in fiziko Ljubljana 2006 KAZALO I. DISKRETNA MATEMATIKA 3 1. Množice, relacije, funkcije 3 2. Kombinatorika in verjetnost 9
Διαβάστε περισσότεραFAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 22. junij Navodila
FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 22 junij 212 Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Veljale bodo samo rešitve na papirju, kjer
Διαβάστε περισσότεραUNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO. Petra MATEMATIKA I
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek, Matevž Črepnjak Visokošolski učbenik z rešenimi nalogami MATEMATIKA I Maribor 03 Naslov publikacije: Visokošolski
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 περισσότεραFrekvenčna analiza neperiodičnih signalov. Analiza signalov prof. France Mihelič
Frekvenčna analiza neperiodičnih signalov Analiza signalov prof. France Mihelič Vpliv postopka daljšanja periode na spekter periodičnega signala Opazujmo družino sodih periodičnih pravokotnih impulzov
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 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 περισσότερα22. Kdaj sta dva vektorja vzporedna? FGG geodezija UNI Matematika I, 2005/ Kdaj so vektorji a 1, a 2,..., a n linearno neodvisni?
FGG geodezija UNI Matematika I, 2005/06 1. Definicija enakosti množic (funkcij, kompleksnih števil, urejenih n teric)? 2. Definicija kartezičnega produkta množic A in B. Definicija množice R n. 3. Popolna
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 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 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 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 περισσότεραMatematika 1. Jaka Cimprič
Matematika 1 Jaka Cimprič Predgovor Pričujoči učbenik je namenjen študentom tistih univerzitetnih programov, ki vključujejo samo eno leto matematike. Nastala je na podlagi izkušenj, ki jih imam s poučevanjem
Διαβάστε περισσότεραMatematika vaja. Matematika FE, Ljubljana, Slovenija Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija
Matematika 1 3. vaja B. Jurčič Zlobec 1 1 Univerza v Ljubljani, Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija Matematika FE, Ljubljana, Slovenija 2011 Določi stekališča zaporedja a
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 περισσότεραAFINA IN PROJEKTIVNA GEOMETRIJA
Aleš Vavpetič AFINA IN PROJEKTIVNA GEOMETRIJA Ljubljana 2011 ii naslov: AFINA IN PROJEKTIVNA GEOMETRIJA avtorske pravice: Aleš Vavpetič izdaja: prva izdaja založnik: samozaložba Aleš Vavpetič, Ljubljana
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 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 περισσότερα