UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO MATEMATIKA II
|
|
- Πηρω Ελευθεριάδης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA II Maribor, 2016
2
3 Kazalo Uvod v linearno algebro Matrike Računanje determinante matrike Sistemi linearnih enačb Integralni račun Nedoločeni integral Definicija nedoločenega integrala in pravila za integriranje Pravila za integriranje Integracijske metode Določeni integral Zveza med določenim in nedoločenim integralom Uporaba določenega integrala v geometriji Numerično integriranje Posplošeni integral in Eulerjeva funkcija Γ Navadne diferencialne enačbe Osnovni pojmi Diferencialne enačbe prvega reda Linearne diferencialne enačbe višjega reda Linearne diferencialne enačbe višjega reda s konstantnimi koeficienti Eulerjeva diferencialna enačba Obstoj in enoličnost rešitve diferencialne enačbe Reševanje diferencialnih enačb z vrstami Uporaba diferencialnih enačb iii
4 Uvod v linearno algebro V tem poglavju bomo naredili preskok iz matematične analize, s katero smo se do sedaj ukvarjali, v algebro. Spoznali bomo matrike, še posebej nas bo zanimalo, kdaj je matrika regularna, in v ta namen bomo sponali pojem determinante matrike. Nadalje nas bodo zanimali sistemi linearnih enačb in spoznal bomo dva načina za njihovo reševanje. Motivacija: Urejanje kemijskih reakcij. Kodiranje. 1.1 Matrike V tem razdelku bomo definirali matriko, pogledali računske operacije z matrikami in se v nadaljevanju osredotočili na kvadratne matrike in v zvezi s tem na obratno matriko. Tabela števil A = a 11 a 12 a 1m a 21 a 22 a 2m.... a n1 a n2 a nm se imenuje pravokotna matrika, če je n m in kvadratna matrika, če je n = m. Števila, ki sestavljajo matriko, so elementi matrike. Elementi so lahko realna ali kompleksna števila. V nadaljevanju naj bo O obseg realnih ali kompleksnih števil. Za vsak i = 1,..., n je [a i1 a i2... a im ] 1
5 1.1. MATRIKE i-ta vrstica matrike A in za vsak j = 1,..., m je a 1j a 2j. a nj j-ti stolpec matrike A. Za matriko z n vrsticami in m stolpci pravimo, da je reda n m. Element a ij matrike A pišemo tudi kot a ij = (A) ij. Matriki A in B sta enaki natanko tedaj, ko sta enakega reda in imata enake istoležne elemente: A = B (A) ij = (B) ij za vsak i = 1,..., n in j = 1,..., m. Poglejmo, kako računamo z matrikami. (i) Seštevanje matrik Naj bosta A in B matriki reda n m. Njuna vsota je matrika A + B, pri čemer je (A + B) ij = (A) ij + (B) ij, i = 1,..., n, j = 1,..., m. Očitno je vsota matrik enakega reda kot oba sumanda, to je n m. Zgled 1. Poiščimo vsoto matrik A in B, če je [ ] [ A = in B = ]. [ ] + [ ] = [ ] Seštevanje matrik je komutativno, saj je seštevanje v obsegu O komutativno. Velja torej A + B = B + A (1.1) in ker v O velja tudi asociativnost seštevanja, je seštevanje matrik tudi asociativna operacija A + (B + C) = (A + B) + C. (1.2) 2 Petra Žigert Pleteršek
6 POGLAVJE 1. UVOD V LINEARNO ALGEBRO (ii) Množenje matrik Naj bo A matrika reda k n, B pa matrika reda n m. Pomnožimo i-to vrstico matrike A z j-tim stolpcem matrike B na sledeč način: b 1j b 2j [a i1 a i2... a in ]. = a i1b ij + a i2 b 2j + + a in b nj. b nj Dobljeno vsoto imenujemo skalarni produkt i-te vrstice matrike A in j-tega stolpca matrike B. Produkt matrike A reda k n in matrike B reda n m označimo AB, pri čemer je (AB) ij = n a ir b rj in gre i = 1,..., k ter j = 1,..., m. Torej, ij-ti element produkta AB je skalarni produkt i-te vrstice matrike A in j-tega stolpca matrike B. Produkt AB je torej reda k m. Zgled 2. Matriki iz Zgleda 1 ne moremo množiti zaradi neustreznih redov. Naj bo torej A matrika iz Primera 1, matrika B pa naj bo podana kot B = Izračunajmo produkt matrik A in B. r=1 Produkt je enak [ ] = [ ]. Iz primera je razvidno, da produkt BA sploh ni definiran. produkt dveh matrik enakih redov. Naj bosta [ ] [ ] A = in B = Poglejmo še Tedaj sta definirana oba produkta [ ] [ AB = ] = [ Petra Žigert Pleteršek ]
7 1.1. MATRIKE in BA = [ ] [ ] = [ ]. Vidimo, da četudi sta definirana oba produkta, nista (nujno) enaka. Množenje matrik v splošnem ni komutativna operacija Velja pa asociativnost množenja AB BA. A(BC) = (AB)C. (1.3) Lastnost velja iz podobnih razlogov kot pri seštevanju. Je namreč posledica asociativnosti množenja v obsegu O in definicije množenja matrik. Podrobnosti so prepuščene bralcu. (iii) Množenje s skalarjem Skalarji so elementi iz obsega O. Matriko A množimo s skalarjem λ O tako, da pomnožimo z λ vsak element matrike A a 11 a 12 a 1m λa 11 λa 12 λa 1m a 21 a 22 a 2m λa = λ.... = λa 21 λa 22 λa 2m..... a n1 a n2 a nm λa n1 λa n2 λa nm Bralec naj se sam prepriča, da za množenje s skalarjem veljajo naslednje lastnosti: (λ + µ)a = λa + µa, (1.4) λ(a + B) = λa + λb, (1.5) λ(ab) = (λa)b in (1.6) λ(µa) = (λµ)a. (1.7) Poleg navedenih lastnosti veljata še obe distributivnost množenja matrik glede na seštevanje A(B + C) = AB + AC (1.8) in (B + C)A = BA + CA. (1.9) Ker morata obstajati tako produkta AB in BA, kot tudi AC in CA, morajo biti matrike A, B, C ustreznih redov. Naj bo A reda n m, tedaj morata biti 4 Petra Žigert Pleteršek
8 POGLAVJE 1. UVOD V LINEARNO ALGEBRO matriki B in C obe redov m k. Rezultat je reda n k. Preverimo samo lastnost (1.8). Lastnost (1.9) preverimo zelo podobno in to lahko stori bralec sam. (AB + AC) ij = (AB) ij + (AC) ij = n r=1 a irb rj + n r=1 a irc rj = n r=1 (a irb rj + a ir c rj ) (B + C) ij = (B) ij + (C) ij = b ij + c ij (A(B + C)) ij = n r=1 a ir(b rj + c rj ) = n r=1 (a irb rj + a ir c rj ) Nasprotna matrika, A, matrike A je produkt matrike A s skalarjem 1 A = ( 1)A. (1.10) Razlika matrik A in B, A B, je vsota matrike A in nasprotne matrike matrike B A B = A + ( B). Naj bo A matrika reda n m. Tedaj je njena transponirana matrika A T matrika reda m n, ki jo dobimo iz A tako, da zamenjamo vrstice in stolpce: (A T ) ij = (A) ji, i = 1,..., m in j = 1,..., n. (1.11) Lema 1.1. Dokaz. (AB) T = B T A T. (B T A T ) ij = n r=1 (BT ) ir (A T ) rj = n r=1 (B) ri(a) jr = n r=1 (A) jr(b) ri = (AB) ji = ((AB) T ) ij. 5 Petra Žigert Pleteršek
9 1.1. MATRIKE Ničelna matrika O je matrika, ki ima za elemente same ničle O =..... (1.12) Naj bo sedaj A kvadratna matrika (m = n). Če ima A n stolpcev oziroma vrstic pravimo, da je reda n. Elemente a ii, i = 1,..., n, kvadratne matrike A imenujemo diagonalni elementi in sestavljajo glavno diagonalo matrike A. Kvadratna matrika je zgornje trikotna, če je a ij = 0 za vsak i > j in pravimo, da je spodnje trikotna, če je a ij = 0 za vsak i < j: a 11 a 12 a 1n 0 a 22 a 2n a nn a a 21 a a n1 a n2 a nn zgornje trikotna matrika, spodnje trikotna matrika. Matrika, ki je zgornje in obenem tudi spodnje trikotna, je diagonalna matrika a a 22 0 diagonalna matrika, a nn Diagonalna matrika, za katero je a ii = 1 za vsak i, je enotska matrika I: I = enotska matrika Bralec naj sam preveri, da za vsako kvadratno matriko A velja IA = AI = A. (1.13) 6 Petra Žigert Pleteršek
10 POGLAVJE 1. UVOD V LINEARNO ALGEBRO To pomeni, da je enotska matrika I enota za množenje v množici matrik. Sled matrike A, sl(a), je vsota njenih diagonalnih elementov. Ni težko videti, da velja sl(a + B) = sla + slb. Kvadratna matrika A je simetrična, če je enaka svoji transponirani matriki A T = A. Kvadratna matrika je antisimetrična ali poševno simetrična, če je enaka svoji negativni transponirani matriki A = A T. Naj bo sedaj A matrika z elementi iz C. Njej konjugirano matriko, A, dobimo tako, da poiščemo konjugirano vrednost vsakega elementa. Kompleksni matriki A adjungirano matriko, A, dobimo tako, da transponiramo konjugirano kompleksno matriko A = (A) T. Kvadratna matrika je hermitska ali sebi adjungirana, ko je enaka svoji adjungirani matriki A = A = (A) T. Kvadratna matrika je poševno hermitska ali antihermitska, če je enaka svoji negativni adjungirani matriki A = A = (A) T. Za realne matrike sovpadata pojma simetrična in hermitska matrika ter antisimetrična in antihermitska matrika. Naj bo M n = {A; A reda n, (A) ij O}. Poglejmo kakšno algebrsko strukturo tvorijo kvadratne matrike. Izrek 1.2. (M n, +, ) je kolobar z enoto. Dokaz. 1. (M n, +) je Abelova grupa: 1.1 operacija seštevanja matrik reda n je binarna operacija, 1.2 A + (B + C) = (A + B) + C velja zaradi (1.2), 1.3 O : A + O = O + A = A velja zaradi (1.12) 1.4 A, A : A + ( A) = ( A) + A = 0 velja zaradi (1.10), 7 Petra Žigert Pleteršek
11 1.1. MATRIKE 1.5 A + B = B + A velja zaradi (1.1). 2. Množenje je asociativna operacija (AB)C = A(BC), kar smo pokazali v (1.3). 3. Distributivnost množenja glede na seštevanje: A(B + C) = AB + AC velja zaradi (1.8), (B + C)A = BA + CA velja zaradi (1.9). 4. Enota za množenje je enotska matrika. V nadaljevanju bomo definirali pomemben pojem v zvezi s kvadratnimi matrikami in sicer je to obratna matrika. Definicija 1.3. Matrika B je obratna ali inverzna matrika matrike A, če velja AB = BA = I. Obratno matriko matrike A označimo z A 1. Zgled 3. Poiščimo obratno matriko matrike [ A = ]. Naj bo [ a b A 1 = c d ]. 8 Petra Žigert Pleteršek
12 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Veljati mora [ a + c a + 2c a + c = 1 b + d = 0 a c = 1 b 2d = 0 ] [ ] a b = c d b + d b + 2d [ = ] [ ] c = d = b = 1 3, a = 2 3. Torej je A 1 = = Izrek 1.4. Če obstaja obratna matrika matrike A, je le-ta enolično določena. Dokaz. Predpostavimo nasprotno, recimo da obstajata dve različni obratni matriki B in C matrike A. Tedaj velja in Tedaj velja kar je v protislovju z B C. AB = BA = I AC = CA = I. B = BI = B(AC) = (BA)C = IC = C, Definicija 1.5. Matrika je obrnljiva, če obstaja njej obratna matrika. Obrnljivim matrikam pravimo tudi regularne matrike. 9 Petra Žigert Pleteršek
13 1.1. MATRIKE Izrek 1.6. Množica vseh obrnljivih matrik reda n je grupa za množenje obrnljivih matrik. Dokaz. Preveriti moramo lastnosti grupe za operacijo množenja. 1. Pokazati moramo, da je množenje obrnljivih matrik reda n binarna operacija. To pomeni, da je produkt obrnljivih matrik spet obrnljiva matrika. Naj bosta torej A in B poljubni obrnljivi matriki in AB = C. Pokazati moramo, da obstaja C 1. Izračunajmo: Pokazali smo torej, da velja (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AIA 1 = AA 1 = I. C(B 1 A 1 ) = I, kar pomeni, da je obratna matrika matrike C enaka C 1 = B 1 A 1. Preostale tri lastnosti smo že preverili ali pa sledijo neposredno iz definicije: 2. (AB)C = A(BC) velja zaradi (1.3), 3. I : AI = IA = A velja zaradi (1.13) 4. A, A 1 : AA 1 = A 1 A = I sledi iz Definicije 1.3. Iz dokaza izreka je razvidna naslednja posledica. Posledica 1.7. (AB) 1 = B 1 A Petra Žigert Pleteršek
14 POGLAVJE 1. UVOD V LINEARNO ALGEBRO 1.2 Računanje determinante matrike O sami definiciji determinanti ne bomo veliko povedali. Poudarek bo na izračunavanju determinante. Uporabljali jo bomo pri izračunu obratne matrike in pri reševanju sistemov linearnih enačb. Definicija determinante, ki jo bomo podali v tem razdelku, je kar se da poenostavljena. Formalno je determinanta matrike definirana preko permutacij, mi se bomo zadovoljili s tem, da je determinanta število, ki ga lahko priredimo vsaki kvadratni matriki. Induktivno bomo vpeljali determinanto kvadratne matrike A, ki jo označimo det(a) in jo pišemo podobno kot samo matriko, le da namesto oglatih oklepajev uporabimo ravne črte. Determinanta matrike A reda dva je definirana kot produkt elementov glavne diagonale, od katerih odštejemo produkt preostalih elementov: [ a11 a det(a) = det 12 a 21 a 22 Zgled 4. Izračunajmo determinanto matrike A = ] = a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21. [ ]. [ 2 3 det(a) = det 1 3 ] = = 2 3 ( 3) 1 = 9. Determinanta matrike reda tri je definirana kot: det a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = (a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 ) (a 11 a 23 a 32 + a 12 a 21 a 33 + a 13 a 22 a 31 ). Do determinante matrike reda tri pridemo preko determinant matrik reda dva in sicer tako, da determinanto večje matrike razvijemo po vrstici ali stolpcu na vsoto determinant matrik za ena nižjega reda. Pri tem determinanto matrike 11 Petra Žigert Pleteršek
15 1.2. RAČUNANJE DETERMINANTE MATRIKE nižjega reda imenujemo poddeterminanta. Poglejmo si razvoj po prvi vrstici: det a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = ( 1) 1+1 a a 22 a a 32 a 33 +( 1) 1+2 a a 21 a a 31 a 33 +( 1) 1+3 a a 21 a a 31 a 32 }{{}}{{}}{{} poddet. A 11 poddet. A 12 poddet. A 13 = a 11 (a 22 a 33 a 23 a 32 ) a 12 (a 21 a 33 a 23 a 31 ) + a 13 (a 21 a 32 a 22 a 31 ). Poddeterminanto A ij dobimo tako, da v determinanti matrike A prečrtamo in zanemarimo celotno i-to vrstico in j-ti stolpec. To, kar ostane, je poddeterminanta A ij. Zgled 5. Izračunajmo determinanto matrike A = det(a) = = = ( 2) Zaenkrat smo determinanto matrike A reda tri računali z razvojem po prvi vrstici in sicer preko poddeterminant A ij, kjer je j = 1, 2, 3. Toda determinanto matrike A bi lahko računali s pomočjo razvoja po katerikoli vrstici ali stolpcu. Predznak poddeterminante A ij določa predznak ( 1) i+j. Tako bi lahko determinanto iz Primera 5 na drugačen način izračunali s pomočjo razvoja po, na primer, tretjem stolpcu, kar vidimo na Primeru 6. Zgled 6. Izračunajmo determinanto matrike A iz Primera 5 s pomočja razvoja po tretjem stolpcu. 12 Petra Žigert Pleteršek
16 POGLAVJE 1. UVOD V LINEARNO ALGEBRO det(a) = = ( 2) = Za izračun determinante matrike tretjega reda lahko uporabimo Sarrusovo pravilo, ki temelji na naslednji shemi: a 11 a 12 a 13 a 11 a 12 a 21 a 22 a 23 a 21 a 22 a 31 a 32 a 33 a 31 a 32 Induktivno postopek računanja determinante matrik reda dva in tri lahko posplošimo na računanje determinante kvadratne matrike poljubnega reda. Naj bo torej A kvadratna matrika reda n. Če determinanto matrike A izračunamo z razvojem po i-ti vrstici, (i je poljubno število med 1 in n), tedaj za vsak r = 1, 2,..., n element a ir pomnožimo s pripadajočo poddeterminanto A ir, katere predznak je določen z ( 1) i+r. Determinanta matrike A je definirana kot vsota produktov elementov i-te vrstice s pripadajočimi poddeterminantami: n det(a) = ( 1) i+r a ir A ir. r=1 Podobno lahko determinanto matrike A izračunamo s pomočjo razvoja po j-tem stolpcu n det(a) = ( 1) r+j a rj A rj. r=1 Za izračun determinante je najugodnejši izbor vrstice ali stolpca s čim večjim številom ničel, saj ti členi odpadejo iz vsote. Sarrusovo pravilo se lahko uporabi izključno pri matrikah reda tri. Opazimo, da je determinanta trikotnih in diagonalnih matrik enaka produktu diagonalnih elementov. Navedimo nekaj lastnosti determinante. Ker smo se pri vpeljavi determinante izognili formalni definiciji le-te, lastnosti ne moremo izpeljati, ampak jih bomo samo navedli: 13 Petra Žigert Pleteršek
17 1.2. RAČUNANJE DETERMINANTE MATRIKE (i) det(ab) = det(a)det(b). (ii) det(a) = det(a T ). (iii) Če imajo v matriki v poljubni vrstici (stolpcu) vsi elementi skupen faktor, lahko le-tega izpostavimo iz determinante. (vi) Če ima matrika kakšno ničelno vrstico (stolpec), je determinanta enaka nič. (v) (vi) (vii) Če v matriki med seboj zamenjamo dve vrstici (stolpca), se spremeni predznak determinante. Če vrstici prištejemo (odštejemo) večkratnik katere druge vrstice (stolpca), se vrednost determinante ne spremeni. Če sta v matriki dve vrstici (stolpca) enaki ali je ena večkratnik druge, je determinanta matrike enaka 0.. Definicija 1.8. Matrika  je prirejenka matrike A, če je (Â) ij = ( 1) i+j A ji. Zgled 7. Izračunajmo prirejenko  matrike A iz Primera 4 ter izračunaj AÂ. [ ] 3 3  = 1 2 in A = [ ] [ 1 0 = ] = det(a)i. V nadaljevanju pokažimo lemo, ki bo potrebna v dokazu naslednjega izreka. Lema 1.9. Za j i je n ( 1) j+r a ir A jr = 0. r=1 Dokaz. Naj bo A matrika z elementi a ij. Matriki A priredimo matriko A z elementi a ij tako, da v matriki A namesto j-te vrstice napišemo i-to vrstico, ostalih vrstic pa ne spreminjamo. S tem ima matrika A dve enaki vrstici in je njena determinanta enaka 0. Zapišimo determinanto matrike A z razvojem po j-ti vrstici: 0 = det(a ) = n r=1 ( 1)j+r a jr A jr = n r=1 ( 1)j+r a ir A jr. 14 Petra Žigert Pleteršek
18 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Izrek Matrika A je obrnljiva natanko tedaj, ko je det(a) 0. Dokaz. Izpeljimo dokaz v obe smeri. ( ) Naj bo A obrnljiva, torej naj obstaja A 1. Tedaj je AA 1 = I in velja 1 = det(i) = det(aa 1 ) = det(a)det(a 1 ) det(a) 0. ( ) Naj bo sedaj det(a) 0. Pokažimo, da velja kar pomeni, da moramo pokazati: in za i j imamo AÂ = det(a)i, (AÂ) ii = n r=1 (A) ir(â) ri = n r=1 (A) ir( 1) r+i A ir = n r=1 ( 1)r+i a ir A ir = det(a). (AÂ) ij = = = = }{{} Lema 1.9 n r=1 (A) ir(â) rj n r=1 (A) ir( 1) r+j A jr n r=1 ( 1)r+j a ir A jr 0. Zato je od koder sledi 1 AÂ = I ali det(a) ( ) 1 A det(a)â A 1 = = I 1 det(a)â. 15 Petra Žigert Pleteršek
19 1.2. RAČUNANJE DETERMINANTE MATRIKE Iz dokaza Izreka 1.10 neposredno sledi posledica. Posledica Če je A obrnljiva, tedaj je A 1 1 = det(a)â. Obrnljivim matrikam pravimo tudi regularne matrike. V nasprotnem je matrika singularna. Zgled 8. Izračunajmo obratno matriko matrike A = Determinanto izračunamo z razvojem po prvem stolpcu: det(a) = = 8. Izračunajmo elemente prirejenke: (Â) 11 = = 4, (Â) 12 = = 5, (Â) 13 = = 3, (Â) 21 = = 4, (Â) 22 = = 3, (Â) 31 = = 8, Zato je prirejenka enaka in obratna matrika je (Â) 23 = = 5, (Â) 32 = = 6, (Â) 33 = = 2. Â = A 1 = Petra Žigert Pleteršek
20 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Zgled 9. Izračunajmo obratno matriko matrike A = Njena prirejenka je  = in ker je det(a) = 1, je A 1 = Â. 1.3 Sistemi linearnih enačb Cilj tega razdelka je sistematično reševanje sistemov linearnih enačb. Linearne enačbe so tiste, v katerih neznanke nastopajo samo v prvi potenci, na primer: 2x 5 = 0, 2x + 3y = 0, 3y = 2z... Spoznali bomo dva načina reševanja sistemov linearnih enačb in sicer Gaussovo eliminacijsko metodo in Cramerjevo pravilo. Kot poseben primer Gausove eliminacije bomo pogledali še tretji način za izračun obratne matrike. Za motivacijo rešimo naslednje sisteme dveh enačb z dvema neznankama. 1. x + y = 2 2x y = 1 Dobili smo enolično rešitev. x = 1, y = x + y = y = 4 x + y = 2. Dobili smo neskončno rešitev oziroma enoparametrično rešitev (vse točke na premici y = x + 2). 17 Petra Žigert Pleteršek
21 1.3. SISTEMI LINEARNIH ENAČB 3. x + y = 2 2x + 2y = 5 0 = 1. V tem primeru ni rešitve. Opazimo, da lahko pri sistemih linearnih enačb pričakujemo tri različne izide: (i) enolična rešitev, (ii) neskončno rešitev, (iii) ni rešitve. V splošnem bomo reševali sistem m linearnih enačb z n neznankami: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b a m1 x 1 + a m2 x a mn x n = b m. Pri tem so a ij in b i, i = 1, 2,..., m, j = 1, 2,..., n, znani elementi iz obsega realnih ali kompleksnih števil, x 1, x 2,..., x n pa iskane neznanke. Če vpeljemo A = a 11 a a 1n a 21 a a 2n.... a m1 a m2... a mn, x = x 1 x 2. x n, b = lahko sistem m linearnih enačb z n neznankami v matrični obliki zapišemo kot Ax = b. Definicija Sistema linearnih enačb sta ekvivalentna, kadar sta njuni množici rešitev enaki. Zgled 10. Dana sta sistema linearnih enačn b 1 b 2. b m, 2x 1 + x 2 = 1 x 1 + x 2 = 5 x 2 + 2x 2 = 4 in 3x 1 x 2 = 9 x 1 + 4x 2 = 10. Oba sistema imata rešitev x 1 = 2, x 2 = 3, zato sta ekvivalentna. 18 Petra Žigert Pleteršek
22 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Spoznali bomo dva načina reševanja linearnih sistemov: (i) Gaussovo eliminacijsko metodo in (ii) Cramerjevo pravilo (uporabno le, ko je n = m in je sistem enolično rešljiv). Poglejmo si posamezno metodo. (i) Gaussova eliminacijska metoda Naj bo [A, b] razširjena matrika, ki jo dobimo iz matrike A tako, da ji na desni strani dodamo stolpec vrednosti b: a 11 a a 1n b 1 a 21 a a 2n b 2 [A, b] = a m1 a m2... a mn b m Naš cilj je transformirati razširjeno matriko [A, b] tako, da bo njena desna stran, to je matrika A, zgornje trikotna matrika. Taki obliki matrike pravimo stopničasta oblika. V ta namen lahko uporabljamo osnovne transformacije, ki ne spremenijo rešitev sistema linearnih enačb. Ta postopek imenujemo Gaussova eliminacijska metoda. Osnovne vrstične transformacije so: (i) zamenjava dveh vrstic V i V j, (ii) poljubno vrstico pomnožimo z neničelnim realnim številom c V i, (iii) poljubni vrstici prištejemo neničelni večkratnik druge vrstice V i + c V j, i j. Izrek Osnovne vrstične transformacije prevedejo začetni sistem linearnih enačb na ekvivalenten sistem linearnih enačb. Dokaz. Naj bo Ax = b dani sistem linearnih enačb in S = {u 1, u 2,..., u n } neprazna množica rešitev tega sistema. Prvi dve transformaciji očitno ne spremenita množice rešitev, zato si poglejmo samo tretjo, V i + c V j, ko i-ti vrstici prištejemo neničelni večkratnik j-te vrstice. Po tej transformaciji je i-ta vrstica enaka (a i1 + ca j1 )x 1 + (a i2 + ca j2 )x (a in + ca jn )x n = b i + cb j in naj bo S množica rešitev tega transformiranega sistema linearnih enačb. Pokazati moramo, da je S = S. 19 Petra Žigert Pleteršek
23 1.3. SISTEMI LINEARNIH ENAČB S S : Ker je S množica rešitev začetnega sistema linearnih enačb, velja a i1 u 1 + a i2 u a in u n = b i in a j1 u 1 + a j2 u a jn u n = b j. Tedaj je b i + cb j = (a i1 u 1 + a i2 u a in u n ) + c(a j1 u 1 + a j2 u a in u n ) = (a i1 + ca j1 )u 1 + (a i2 + ca j2 )u (a in + ca jn )u n, s čimer smo dokazali inkluzijo v eno smer. S S: Naj bo zdaj S = {w 1, w 2,..., w n } neprazna množica rešitev transformiranega sistema linearnih enačb: (a i1 + ca j1 )w 1 + (a i2 + ca j2 )w (a in + ca jn )w n = b i + cb j. Tedaj je b i + cb j = (a i1 + ca j1 )w 1 + (a i2 + ca j2 )w (a in + ca jn )w n = a i1 w 1 + a i2 w a in w n + c(a j1 w 1 + a j2 w a jn w n ). Ker je sledi, da je b i = a i1 w 1 + a i2 w a in w n, b j = a j1 w 1 + a j2 w a jn w n. kar pomeni, da je S rešitev začetnega sistema linearnih enačb. Premislimo še, kaj velja, če Ax = b nima rešitve. Če je S =, je tudi S =, saj bi v nasprotnem, podobno kot zgoraj, pokazali, da je S rešitev začetnega sistema linearnih enačb, s čimer bi prišli v protislovje s tem, da je S prazna množica. Poleg osnovnih vrstičnih transformacij poznamo še osnovne stolpične transformacije, vendar lahko za reševanje sistemov linearnih enačb uporabljamo samo zamenjavo stolpcev, S i S j. Pri tej transformaciji moramo biti pozorni na spremembo vrstnega reda neznank. 20 Petra Žigert Pleteršek
24 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Z osnovnimi transformacijami naredimo stopničasto obliko razširjene matrike [A, b]: [A, b] = a 11 a 12 a a 1r... a 1n b 1 0 a 22 a a 2r... a 2n b a a 3r... a 3n b a rr... a rn b r b r b m Sedaj ločimo dve vrsti neznank in sicer so x 1, x 2,..., x r vezane neznanke in so proste neznanke. x r+1, x r+2,..., x n Sistem linearnih enačb ima rešitev le v primeru, ko je b r+1 = b r+2 = = b m = 0. V tem primeru lahko zadnjih m r ničelnih vrstic zanemarimo. Rešitev dobimo tako, da vezane neznanke izrazimo s prostimi in pravimo, da smo dobili (n r)-parametrično rešitev sistema. Če je n = r, tedaj dobimo enolično rešitev sistema linearnih enačb. Zgled 11. Rešimo sistem linearnih enačb x 1 + x 2 + x x x 5 = 13 x 3 3 x x 5 = 5 x 4 + x 5 = 1. Če izvedemo osnovno stolpčno transformacijo in damo prvi stolpec na zadnje mesto, že imamo stopničasto obliko: x 2 + x x x 5 + x 1 = 13 x 3 3 x x 5 = 5 x 4 + x 5 = Petra Žigert Pleteršek
25 1.3. SISTEMI LINEARNIH ENAČB Torej sta x 1 in x 5 prosti spremenljivki, preostale so vezane in jih izrazimo s prostima. Naj bo x 1 = t in x 5 = s. Tedaj lahko rešitev zapišemo kot t 3 t 2s x = 8 3s 1 + s, t, s R. s Definicija Rang matrike A, rang(a), je število neničelnih vrstic po končani Gaussovi eliminaciji. Zgled 12. Poiščimo rang matrike, ki pripada sistemu linearnih enačb iz Primera 11. Stopničasta oblika matrike A, ki pripada temu sistemu, je A = , zato je rang(a) = 3. %endizrek Vrsto rešitev sistema linearnih enačb glede na rang pripadajoče matrike podaja naslednji izrek. Izrek Naj bo A x = b sistem m linearnih enačb z n neznankami in [A, b] pripadajoča razširjena matrika. Tedaj velja: (i) če je rang(a) = rang([a, b]) = n, ima sistem linearnih enačb enolično rešitev, (ii) če je rang(a) rang([a, b]), sistem linearnih enačb nima rešitve, (iii) če je rang(a) = rang([a, b]) = r < n, tedaj ima sistem linearnih enačb (n r) -parametrično rešitev. 22 Petra Žigert Pleteršek
26 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Dokaz. Vse tri trditve so enostavne za preveriti in naj jih bralec za vajo sam naredi. V primeru enolične rešitve sistema linearnih enačb lahko z Gaussovo eliminacijo dosežemo normalizirano diagonalno obliko matrike A. To pomeni, da izvajamo osnovne transformacije najprej pod diagonalo in nato nad diagonalo, dokler ni leva stran razširjene matrike [A, b] enotska matrika reda n: b b 2 [A, b] = b n Desni stolpec je potemtakem rešitev sistema. Zgled 13. Rešimo sistem x 1 + x 2 + x 3 = 2 x 1 x x 3 = 1 x 2 x 3 = 2. [A, b] = Tako je rešitev x = Do sedaj smo obratno matriko izračunali direktno preko sistema linearnih enačb in s pomočjo prirejenke, poznamo pa še tretji način, ki je posledica Gaussove eliminacije. 23 Petra Žigert Pleteršek
27 1.3. SISTEMI LINEARNIH ENAČB Matriki A priredimo razširjeno matriko [A, I] tako, da na desno stran napišemo enotsko matriko enakega reda: a 11 a 12 a 13 a 14 a 1n a 21 a 22 a 23 a 24 a 2n [A, I] = a 31 a 32 a 33 a 34 a 3n a n1 a n2 a n3 a n4 a nn Najprej s pomočjo osnovnih vrstičnih transformacij predelamo prvi stolpec v tako obliko, da je v prvi vrstici 1, v vseh ostalih pa 0: [A, I] = Ostali elementi se zaradi vrstičnih transformacij spreminjajo, zato so označni z zvezdicami. Nato v drugem stolpcu naredimo na diagonali 1, in pod diagonalo 0: [A, I] = Postopek ponovimo za vsak stolpec tako, da imamo na diagonali 1, pod diagonalo pa 0. Po kvečjemu n korakih pridelamo matriko: [A, I] = Sedaj vse skupaj ponovimo nad glavno diagonalo. Najprej v zadnjem 24 Petra Žigert Pleteršek
28 POGLAVJE 1. UVOD V LINEARNO ALGEBRO stolpcu naredimo ničle nad diagonalo, kjer je enica: [A, I] = Postopek ponovimo za vse stolpce od zadaj naprej in po kvečjemu n 1 korakih ima razširjena matrika obliko: [A, I] = Matrika, ki smo jo dobili na desni strani, je obratna matrika A 1. Če se zgodi, da tekom transformacij naletimo na ničelno vrstico ali stolpec, postopka ne moremo nadaljevati in obratna matrika ne obstaja. Poglejmo na celoten postopek s stališča n n sistema linearnih enačb: a 11 x 1 + a 12 x a 1n x n = 1 b b b n a 21 x 2 + a 22 x a 2n x n = 0 b b b n. =. a n1 x n + a n2 x n + + a nn x n = 0 b b b n Ax = Ix. Izvedemo Gaussov eliminacijski postopek do normalizirane diagonalne oblike: 1 x x x n = a 11b 1 + a 12b a 1nb n x x x n = a 21b 1 + a 22b a 2nb n. =. 0 x n + 0 x n x n = a n1b 1 + a n2b a nnb n Ix = A b. 25 Petra Žigert Pleteršek
29 1.3. SISTEMI LINEARNIH ENAČB Ker je Ix = x = A 1 b, je A obratna oz. inverzna matrika od A. Zgled 14. Izračunajmo obratno matriko matrike A iz Primera 9 s pomočjo razširjene matrike [A, I]. [A, I] = (ii) Cramerjevo pravilo Uporabimo ga lahko samo za reševanje enolično rešljivih sistemov n linearnih enačb z n neznankami (sistem reda n). Izrek Sistem Ax = b je enolično rešljiv natanko tedaj, ko je det(a) 0. Rešitev sistema se izraža kot a 11 a a 1,i 1 b 1 a 1,i+1... a 1n a 21 a a 2,i 1 b 2 a 2,i+1... a 2n a n1 a n2... a n,i 1 b n a n,i+1... a nn x i =, i = 1, 2,..., n. det(a) Dokaz. 26 Petra Žigert Pleteršek
30 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Ker je po Izreku 1.10 determinanta matrike A različna od 0 natanko tedaj, ko je A obrnljiva, že imamo enolično rešitev sistema: x = A 1 b. Pokažimo še, kako se izraža rešitev x sistema Ax = b. x = A 1 b = 1 det(a)â b = 1 det(a) Vemo, da so elementi prirejenke  enaki Poglejmo i-to komponento rešitve x: x i = 1 det(a) â ir = ( 1) i+r A ri. n â ir b r = r=1 1 det(a) kar je ravno determinanta matrike iz izreka. Zgled 15. Rešimo sistem â 11 â â 1n â 21 â â 2n.... â n1 â n2... â nn n ( 1) i+r b r A ri r=1 x 1 + x 2 + x 3 = 2 x 1 x 2 + 2x 3 = 1 x 2 x 3 = 2. }{{} razvoj po i ti vrstici, b 1 b 2. b n. Najprej moramo izračunati det = 1. Izračunajmo x 1 : x 1 = 1 det(a) = 6. Na podoben način izračunamo x 2 = 1 in x 3 = Petra Žigert Pleteršek
31 1.3. SISTEMI LINEARNIH ENAČB Poseben primer sistemov so homogeni sistemi linearnih enačb A x = 0. A in x sta enaka kot prej, 0 pa je stolpec s samimi ničlami. Primer homogenega sistema je x x x x 4 = 0 5 x x x x 4 = 0 9 x x x x 4 = 0 x 1 2 x 2 3 x 3 4 x 4 = 0. Opazimo, da ima vsak homogeni sistem ničelno rešitev x 1 = x 2 =... = x n = 0. Tej rešitvi pravimo trivialna rešitev homogenega sistema linearnih enačb. Izrek Homogeni sistem linearnih enačb reda n je netrivialno rešljiv natanko tedaj, ko je det(a) = 0. Dokaz. Izrek 1.16 (Cramerjevo pravilo) pravi, da je sistem A x = 0 enolično rešljiv natanko tedaj, ko je det(a) 0. Ker je trivialna rešitev vedno rešitev homogenega sistema linearnih enačb, v primeru, ko je det(a) 0 nimamo nobene druge rešitve. Torej, če želimo netrivialno rešitev, mora biti det(a) = 0. Zgled 16. Poiščimo rešitve zgoraj zapisanega homogenega sistema linearnih enačb. Zapišimo sistem v matrični obliki: x 1 x 2 x 3 x 4 = S postopkom Gaussove eliminacije dobimo stopničasto razširjeno matriko (podrobnosti so prepuščene bralcu): Petra Žigert Pleteršek
32 POGLAVJE 1. UVOD V LINEARNO ALGEBRO Rešitev sistema je x 2 = 2 x 3 3 x 4 in x 1 = x 3 + 2x 4. Naj bo x 3 = s in x 4 = t, kjer sta s, t R. Tedaj je rešitev homogenega sistema vsak vektor oblike s + 2 t 2 s 3 t s, s, t R. t Vidimo, da smo dobili netrivialno rešitev in bralec naj sam preveri, da je det(a) = Petra Žigert Pleteršek
33 1.3. SISTEMI LINEARNIH ENAČB 30 Petra Žigert Pleteršek
34 Integralni račun 2.1 Nedoločeni integral V prejšnjem poglavju smo dani funkciji f poiskali odvod f ali diferencial df = f (x) dx. Sedaj pa nas zanima obratno - kako dobiti iz znanega odvoda prvotno funkcijo. Motivacija: Hitrost je enaka spremembi poti po času v(t) = ds dt = s (t). Kako bi dobili s(t)? Naredimo obratno računsko operacijo in pravimo, da je s(t) nedoločeni integral od v(t) Definicija nedoločenega integrala in pravila za integriranje Definicija 2.1. Naj bo znana funkcija f : D R R. Funkcija F, za katero v vsaki točki iz D velja F (x) = f(x) se imenuje nedoločeni integral funkcije f. Nedoločeni integral funkcije f označimo f(x) dx. Operacija, s katero poiščemo funkciji f njen nedoločeni integral, je nedoločeno integriranje funkcije f, simbol je integracijski znak, f je integrand, diferencial f(x) dx pa je izraz pod integracijskim znakom. Zgled 17. Poišči funkcijo F (x), če je F (x) = 1 x. F (x) = 1 x F (x) = ln x F (x) = ln x 5 F (x) = ln x
35 2.1. NEDOLOČENI INTEGRAL Izrek 2.2. Če je F (x) nedoločeni integral funkcije f(x), je njen nedoločeni integral tudi funkcija F (x) + C, kjer je C poljubna konstanta. Vsak nedoločeni integral funkcije f(x) je oblike F (x) + C. Dokaz. Ker je F (x) = f(x), je tudi [F (x) + C] = f(x). Torej je prvi del izreka dokazan. Za dokaz drugega dela izreka naj bo G(x) poljuben nedoločeni integral funkcije f(x), torej naj velja G (x) = f(x). Pokazati moramo, da je G(x) = F (x) + C. Velja [G(x) F (x)] = G (x) F (x) = 0. Po posledici Lagrangeovega izreka je tedaj G(x) F (x) = C oziroma G(x) = F (x) + C. Izrek pove, da če poznamo odvod funkcije, ne poznamo natančno same funkcije, ampak je ta znana do aditivne konstante natančno. Od tod izvira ime nedoločeni integral. Konstanta C v izreku 2.2 se imenuje integracijska konstanta. Zato bomo nedoločeni integral funkcije f(x) pisali f(x) dx = F (x) + C, kjer velja F (x) = f(x) in je C poljubna konstanta. Zgled 18. Poišči nedoločeni integral sin x dx. f(x) = sin x = F (x) F (x) = cos x + C. Na podoben način lahko iz tabele odvodov elementarnih funkcij dobimo tabelo osnovnih integralov: 32 Petra Žigert Pleteršek
36 POGLAVJE 2. INTEGRALNI RAČUN x r dx = xr+1 + C, r 1 r + 1 dx x = ln x + C a x dx = ax ln a + C e x dx = e x + C sin x dx = cos x + C dx sin 2 x = cot x + C cos x dx = sin x + C dx cos 2 x = tan x + C dx a2 x 2 = asinx a + C dx x2 + a 2 = ln(x + x 2 + a 2 ) + C dx x2 a 2 = ln x + x 2 a 2 + C dx a 2 + x 2 = 1 a atanx a + C dx x 2 a = 1 2 2a ln x a x + a + C dx a 2 x = 1 2 2a ln a + x a x + C Pri tem je C poljubna konstanta iz R. O veljavnosti formul se prepričamo tako, da z odvajanjem funkcije na desni strani dobimo integrand na levi strani. Izpeljimo nekatere: 1. dx a 2 + x 2 = 1 a atanx a + C. 33 Petra Žigert Pleteršek
37 2.1. NEDOLOČENI INTEGRAL ( 1 a atan x ) a + C = 1 a ( x a = 1 a 2 a 2 x 2 + a 2 ) 2 ( x a) dx x2 a 2 = ln x + x 2 a 2 + C = 1 x 2 + a 2. Najprej ugotovimo, da je funkcija x 2 a 2 definirana za x > a. ( ln x + x2 a 2 + C ) = = = = ( ln(x + x2 a 2 ) + C ) ( ln( x x2 a 2 ) + C ) ( ) x 1 + x2 a 2 ; x + x 2 a 2 > 0 ; x + x 2 a 2 < 0 x + x 2 a 2 ; x + x 2 a 2 > 0 ( ) x 1 x2 a 2 x ; x 2 a 2 x + x 2 a 2 < 0 1 x + x + x2 a 2 x 2 a 2 x2 a 2 ; x + x 2 a 2 > 0 1 x x + x2 a 2 x 2 a 2 x2 a 2 ; x + x 2 a 2 < 0 1 x2 a Pravila za integriranje Le-ta izpeljemo iz ustreznih pravil za odvajanje. Izrek 2.3. Integral vsote dveh funkcij je vsota integralov obeh členov: [f 1 (x) + f 2 (x)] dx = f 1 (x) dx + f 2 (x) dx. 34 Petra Žigert Pleteršek
38 POGLAVJE 2. INTEGRALNI RAČUN Dokaz. Naj bo F 1 (x) = f 1 (x) dx in F 2 (x) = f 2 (x) dx. Ker je po definiciji nedoločenega integrala F i (x) = f i (x), i = 1, 2, od tod sledi [F 1 (x) + F 2 (x)] = f 1 (x) + f 2 (x) oziroma (f 1 (x) + f 2 (x)) dx = F 1 (x) + F 2 (x) = f 1 (x) dx + f 2 (x) dx. Pravilo lahko posplošimo na poljubno število členov [f 1 (x) + f 2 (x) + + f n (x)] dx = f 1 (x) dx + f 2 (x) dx + + f n (x) dx. Izrek 2.4. Če je funkcija pod integralskim znakom pomnožena z neničelno konstanto, smemo le-to nesti pred integralski znak kf(x) dx = k f(x) dx. Dokaz. Naj bo F (x) = f(x) dx. Tedaj je [kf (x)] = kf (x) = kf(x) in integral funkcije kf(x) je enak kf(x) dx = kf (x) = k f(x) dx. Iz Izrekov 2.3 in 2.4 neposredno sledi naslednja posledica. Posledica 2.5. [f 1 (x) f 2 (x)] dx = f 1 (x) dx f 2 (x) dx. Tudi razliko lahko posplošimo na več členov [f 1 (x) f 2 (x) f n (x)] dx = f 1 (x) dx f 2 (x) dx f n (x) dx. Zgled sh x dx 35 Petra Žigert Pleteršek
39 2.1. NEDOLOČENI INTEGRAL 2. chx dx Izrek 2.6. (Uvedba nove spremenljivke) Naj bo x = x(t) odvedljiva funkcija. Če ima funkcija f(x) nedoločeni integral, obstaja tudi nedoločeni inegral funkcije f(x(t))x (t) in velja f(x) dx = f(x(t))x (t) dt. Dokaz. Naj ima funkcija f(x) nedoločeni integral F (x), torej f(x) dx = F (x). Če v F postavimo x = x(t), dobimo novo funkcijo G(t) = F (x(t)). Po pravilu za verižno odvajanje velja G (t) = F (x(t))x (t) = f(x(t))x (t), torej res obstaja integral funkcije f(x(t))x (t) in je enak zvezi iz izreka. 36 Petra Žigert Pleteršek
40 POGLAVJE 2. INTEGRALNI RAČUN Zgled e 5x+3 dx Izračunamo ga tako, da postavimo 5x + 3 = t, tedaj je x = t 3 in dx = dt 5 5 in e 5x+3 dx = e t 1 5 dt = 1 5 et + C = 1 5 e5x+3 + C. 2. tanx dx 3. cotx dx 4. tan x cos 2 x dx 1 Izračunamo ga tako, da postavimo tan x = t. Tedaj je dx = dt oziroma cos 2 x dx = cos 2 x dt in tan x cos 2 x dx = t cos 2 x cos2 x dt = t dt = t2 2 + C = tan2 x + C Petra Žigert Pleteršek
41 2.1. NEDOLOČENI INTEGRAL integracija po delih (integratio per partes) To integracijsko metodo dobimo iz formule za odvajanje produkta. Naj bosta u(x) in v(x) odvedljivi funkciji. Odvod produkta je (uv) = u v + uv. Torej je po definiciji nedoločenega integrala uv = u v dx + uv dx. Od tod dobimo uv dx = uv vu dx oziroma u dv = uv v du. Integriranje diferenciala uv dx prevedemo na integral u v dx. Metoda je uspešna le tedaj, ko je v zadnji enačbi integral na desni enostavnejši kot integral na levi. Poglejmo nekaj zgledov. Zgled 21. x sin x dx izračunamo tako, da postavimo u = x in dv = sin x dx. Tedaj je du = dx in v = dv = sin x dx = cos x, zato u dv = uv v du = x cos x ( cos x) dx = x cos x + sin x + C. Zgled 22. x n ln x dx, n N izračunamo tako, da postavimo u = ln x in dv = x n dx. Tedaj je du = dx x v = x n dx = xn+1, zato n+1 x n+1 x n+1 u dv = n + 1 ln x dx n + 1 x in = xn+1 n + 1 ln x xn+1 (n + 1) + C 2 = xn+1 n + 1 (ln x 1 n + 1 ) + C. 38 Petra Žigert Pleteršek
42 POGLAVJE 2. INTEGRALNI RAČUN Integracijske metode Poiskati nedoločeni integral je bistveno težja naloga od odvajanja, saj nedoločenega integrala ni možno zmeraj izraziti s končnim številom osnovnih elementarnih funkcij. V nadaljevanju si bomo pogledali prijeme za integracijo funkcije določenega tipa. Integriranje racionalnih funkcij 1. Polinom stopnje n ima obliko P n (x) = a n x n + a n 1 x n a 1 x + a 0, kjer so a 0, a 1,..., a n dana števila in a n 0. Polinom integriramo členoma (a n x n +a n 1 x n 1 + +a 1 x+a 0 ) dx = a n n + 1 xn+1 + a n 1 n xn + + a 1 2 x2 +a 0 x+c. Zgled 23. (3x 5 4x + 2) dx = x6 2 2x2 + 2x + C. 2. Racionalna funkcija je kvocient dveh polinomov, torej iščemo Pm (x) P n (x) dx, kjer sta P m in P n polinoma. Za integracijo racionalnih funkcij moramo vedeti nekaj o deljivosti polinomov. Dokaze navedenih trditev bomo zaradi pomanjkanja časa in preskromnega poznavanja algebre izpustili. Naj bosta P n (x) in P m (x) polinoma stopnje n in m in naj velja m n. Tedaj obstajata polinoma Q(x) stopnje m n in R(x) stopnje kvečjemu n 1 takšna, da velja Nas primer P m (x) = Q(x)P n (x) + R(x). x 3 + x 2 + 4x 3 = (x 1)(x 2 + 2x + 3) + 3x. Polinom Q(x) je celi del kvocienta začetnih polinomov, R(x) pa je ostanek, ki je polinom stopnje kvečjemu n. Kvocinet je torej enak P m (x) P n (x) = Q(x) + R(x) P n (x). 39 Petra Žigert Pleteršek
43 2.1. NEDOLOČENI INTEGRAL Če je ostanek enak 0, pravimo, da je polinom P m deljiv s polinom P n. V primeru, ko je m = n, je Q konstanta. Ker polinom zmamo integrirati, moramo obdelati le primer, ko je stopnja števca nižja od stopnje imenovalca. Iščemo torej R(x) P n (x) dx, kjer je stopnja polinoma R manjša od n. Naj bo P n (x) = (x x 1 ) α (x x 2 ) β (x x m ) µ, pri čemer je α + β + + µ = n (lahko privzamemo, da je vodilni koeficient enak 1). Racionalno funkcijo R(x) P n(x) lahko pišemo v obliki vsote parcialnih ulomkov R(x) P n (x) = A 1 A 2 + x x 1 (x x 1 ) + + A α 2 (x x 1 ) + α + B 1 B 2 + x x 2 (x x 2 ) + + B β 2 (x x 2 ) + β + + M 1 M 2 + x x m (x x m ) + + M µ 2 (x x m ). µ Pri tem so A 1, A 2,..., A α, B 1, B 2,..., B β,..., M 1, M 2,..., M µ konstante. Dokaz bomo izpustili. Lahko se zgodi, da je katera od ničel polinoma P n kompleksna. Naj bo torej x 1 = α + iβ kompleksna ničla. Tedaj je tudi x 1 = α iβ kompleksna ničla polinoma P n. Izkaže se (podrobnosti bomo izpustili), da lahko pripadajoča parcialna ulomka zapišemo A 1 x x 1 + A 2 x x 1 = A 1 x α iβ + A 1 x α + iβ = Bx + C x 2 + px + q, kjer je p = 2α in q = α 2 + β 2, B in C pa sta realni konstanti. V primeru večkratne kompleksne ničle postopamo podobno kot pri večkratni realni ničli. V razcepu racionalne funkcije na parcialne ulomke se pojavita dva tipa izrazov in sicer A (x c) l in pri čemer je x 2 + px + q nerazcepni polinom. Bx + C (x 2 + px + q) k, Zgled 24. Poišči nastavek za razcep na parcialne ulomke. x (3x + 1)(x + 4) 3 (3x 2 + 4) 2 = A 1 3x B 1 x B 2 (x + 4) 2 + B 3 (x + 4) 2 + C 1x + D 1 3x C 2x + D 2 (3x 2 + 4) 2 40 Petra Žigert Pleteršek
44 POGLAVJE 2. INTEGRALNI RAČUN Izračun neznanih konstant, ki jih imenujemo tudi neznani koeficienti, privede do reševanja sistema linearnih enačb. Metodo bomo prikazali na primeru. Zgled 25. Funkcijo 3x x 2 11x + 13 x 4 + 2x 3 2x 2 + 2x 3 razcepi na parcialne ulomke. Najprej moramo faktorizirati imenovalec. Glede na koeficiente vidimo, da je 1 ničla imenovalca. Uporabimo Hornerjev algoritem in zatem faktoriziramo dobljeni polinom tretje stopnje: x 4 + 2x 3 2x 2 + 2x 3 = (x 1)(x + 3)(x 2 + 1). Nastavek za razcep na parcialne ulomke je enak 3x x 2 11x + 13 (x 1)(x + 3)(x 2 + 1) = A x 1 + B x Cx + D x Odpravimo ulomke in dobimo: 3x x 2 11x + 13 = x 3 (A + B + C) + x 2 (3A B + 2C + D)+ x(a + B 3C + 2D) + 3A B 3D. Če hočemo, da bosta obe strani enaki, moramo enačiti istoležne koeficiente pred potencami spremenljivke x. Sledijo enačbe: Rešitev teh enačb je Razcep je tako A + B + C = 3 3A B + 2C + D = 15 A + B 3C + 2D = 11 A B 3D = 13 A = 5 2, B = 5, C = 3, D = x x 2 11x + 13 x 4 + 2x 3 2x 2 + 2x 3 = 5 2(x 1) 5 2(x + 3) + 3x 1 x Zgled 26. Funkcijo razcepi na parcialne ulomke. 2x 3 + x 2 + x + 2 x 4 x 3 x Petra Žigert Pleteršek
45 2.1. NEDOLOČENI INTEGRAL 2x 3 + x 2 + x + 2 x 4 x 3 x + 1 = 2x 3 + x 2 + x + 2 (x 1) 2 (x 2 + x + 1) = A x 1 + B (x 1) + Cx + D 2 x 2 + x + 1. Na podoben način kot v prejšnjem primeru izračunamo konstante A = C = D = 1, B = 2. Zgled 27. Funkcijo razcepi na parcialne ulomke. 4x 3 3x 2 + 6x + 20 x 4 2x 3 8x x 3 3x 2 + 6x + 20 x 4 2x 3 8x + 16 = 4x3 3x 2 + 6x + 20 (x 2) 2 (x 2 + 2x + 4) = A x 2 + B (x 2) + Cx + D 2 x 2 + 2x + 4. Na podoben način kot v obeh prejšnjih primerih izračunamo konstante A = 4 3, B = 13 3 C = 8 3, D = Integral racionalne funkcije je torej vsota integrala polinoma in integralov parcialnih ulomkov oblike A (x c) k in Bx + C (x 2 + px + q) k, pri čemer je k 1 in x 2 + px + q nerazcepni polinom. Če bomo znali izračunati integrale parcialnih ulomkov, bomo znali integrirati celotno racionalno funkcijo. Poglejmo posamezne možnosti. (i) Realna in enkratna ničla A dx = A ln x c + C. x c Zgled dx x 2 a 2 42 Petra Žigert Pleteršek
46 POGLAVJE 2. INTEGRALNI RAČUN 2. dx a 2 x 2 (ii) Realna in večkratna ničla A (x c) dx = A k k 1 (x c) k+1 + C = A 1 + C, k > 1. k 1 (x c) k 1 43 Petra Žigert Pleteršek
47 2.1. NEDOLOČENI INTEGRAL (iii) Kompleksna in enkratna ničla Ax + B x 2 + px + q dx Imenovalec, ki je nerazcepni polinom z diskrimanto D = p 2 4q < 0, zapišemo v obliki popolnega kvadrata: x 2 + px + q = (x + p 2 )2 + q p2 = (x + p 4 2 )2 + 4q p2 4 = ( x+p 2 )2 + D 4 = (x + p 2 )2 + ( D 2 ) 2. Uvedemo novo spremenljivko t = x + p, tedaj je dx = dt. Izračunajmo 2 najprej 1 x 2 + px + q dx = 1 (x + p 2 )2 + ( D ) dx = t 2 + ( D ) dt 2 2 = 1 D 2 atan t D 2 + C = 2 D atan 2x + p D + C. Za izračun prvotnega integrala upoštevajmo zvezo [ln f(x)] = f (x) f(x) oziroma f (x) f(x) dx = ln f(x) + C. Ax + B x 2 + px + q dx = = A 2 A Ap (2x + p) + B 2 2 dx x 2 + px + q 2x + p Ap dx + (B x 2 + px + q 2 ) dx x 2 + px + q = A 2 ln(x2 + px + q) + (B Ap 2 ) 2 D atan 2x+p D + C. 44 Petra Žigert Pleteršek
48 POGLAVJE 2. INTEGRALNI RAČUN Zgled 29. x 2 + x + 4 (x 2 + 2)(x 1) dx = = = 1 2 x x dx + (x 2) 1 2 x dx + 2x x dx + 2 x 1 dx = 2 x 1 dx = 2 x 1 dx = = 1 2 ln(x2 + 2) + 2 ln x 1 + C = ln (x 1)2 x C. Zgled 30. 4x 3 3x 2 6x + 20 x 4 2x 3 8x + 16 dx 45 Petra Žigert Pleteršek
49 2.1. NEDOLOČENI INTEGRAL (iv) Kompleksna in večkratna ničla Ax + B (x 2 + px + q) k dx, D = p2 4q < 0, k > 1 Integral razdelimo na dva integrala: Ax + B (x 2 + px + q) dx = k Prvega izračunamo podobno kot prej: A (2x + p) 2 dt (x 2 + px + q) dx = A k 2 t = k A 2B Ap (2x + p) dx. (x 2 + px + q) k Za drugega uporabimo rekurzivno formulo: 2B Ap dx 2 (x 2 + px + q) = k 2B Ap 2 = A 1 2(k 1) (x 2 + px + q) k 1 [ x + p 2 2(k 1)(q p2 4 )(x2 + px + q) + 2k 3 k 1 2(k 1)(q p2 ) 4 Zgled 31. Izračunaj nedoločeni integral 2x 2 + 2x + 13 (x 2)(x 2 + 1) 2 dx. Nastavek za razcep na parcialne ulomke je enak 2x 2 + 2x + 13 (x 2)(x ) Rešitev sistema linearnih enačb je = A x 2 + Bx + C x Dx + E (x 2 + 1) 2 A = 1, B = 1, C = 2, D = 3, E = 4. ] dx (x 2 + px + q) k 1 Izračunajmo posamezne integrale dx = ln x 2, x 2 x 2 1 x dx = (2x) 2 2 dx = 1 x ln(x2 + 1) 2atanx, 3x 4 3 (x 2 + 1) dx = (2x) 4 2 dx == 3 2 (x 2 + 1) 2 2 [ 1 x x 2(x 2 + 1) atanx 46 Petra Žigert Pleteršek ].
50 POGLAVJE 2. INTEGRALNI RAČUN Razultat je enak 2x 2 + 2x + 13 x 2 dx = ln (x 2)(x 2 + 1) x atanx + 3 4x 2(x 2 + 1) + C. Zgled 32. Izračunaj nedoločeni integral 2x 3 + x 2 + x + 2 x 4 x 3 x + 1 dx. 2x 3 + x 2 + x + 2 x 4 x 3 x + 1 dx = ( 1 x (x 1) + x + 1 ) dx 2 x 2 + x + 1 = ln( x 1 x 2 + x + 1) 2 x atan 2x C. Videli smo, da lahko izračunamo integral vsake racionalne funkcije. Kadar ima imenovalec racionalne funkcije večkratne ničle (realne ali kompleksne), lahko uporabimo metodo Ostrogradskega, s katero prevedemo integracijo na primer, ko ima imenovalec samo enkratne ničle. Naj bo imenovalec P (x) racionalne funkcije R(x) P (x) oblike P (x) = (x x 1 ) α 1 (x x 2 ) α2 (x x n ) αn (x 2 + p 1 x + q 1 ) β 1 (x 2 + p 2 x + q 2 ) β2 (x 2 + p m x + q m ) βm, pri čemer so vsi kvadratni polinomi nerazcepni. Razstavimo ga na faktorja P 1 (x) in P 2 (x), kjer je P 2 (x) produkt vseh faktorjev v P (x) v prvi potenci in zato P 2 (x) = (x x 1 ) (x x n )(x 2 + p 1 x + q 1 ) (x 2 + p m x + q m ) P 1 (x) = (x x 1 ) α 1 1 (x x n ) αn 1 (x 2 + p 1 x + q 1 ) β 1 1 (x 2 + p m x + q m ) βm 1. Integral zapišemo v obliki R(x) P (x) dx = R 1(x) P 1 (x) + R2 (x) P 2 (x) dx, kjer sta R 1 in R 2 polinoma z nedoločenimi koeficienti za eno stopnjo nižja od stopnje polinomov P 1 in P 2. Celoten izraz odvajamo ( ) ( ) ( ) R(x) P (x) dx R1 (x) R2 (x) = + P 1 (x) P 2 (x) dx R(x) P (x) = ( ) R1 (x) + R 2(x) P 1 (x) P 2 (x). 47 Petra Žigert Pleteršek
51 2.1. NEDOLOČENI INTEGRAL Zatem odpravimo ulomke in z enačenjem istoležnih koeficientov na obeh straneh identitete dobimo sistem linearnih enačb za neznane koeficiente iz polinomov R 1 in R 2. Z rešitvijo sistema linearnih enačb prevedemo začetni integral na integral racionalne funkcije z enkratnimi koreni. Zgled 33. Z metodo Ostrogradskega izračunaj nedoločeni integral dx (x 2 + 1) 2. Nastavek je enak dx (x 2 + 1) = Ax + B Cx + D 2 x x dx. Z odvajanjem dobimo 1 (x 2 + 1) 2 = (Ax2 + 2Bx A) (x 2 + 1) 2 + Cx + D x Pomnožimo z najmanjšim skupnim imenovalcem: oziroma 1 = Ax 2 2Bx + A + Cx 3 + Dx 2 + Cx + D 1 = Cx 3 + x 2 (D A) + x(c 2B) + A + D. Istoležni koeficienti na obeh straneh identitete morajo biti enaki, zato dobimo sistem enačb, katerega rešitev je A = D = 1 2, B = C = 0. dx (x 2 + 1) 2 = = x 2 dx x x x 2(x 2 + 1) atanx + C. 48 Petra Žigert Pleteršek
52 POGLAVJE 2. INTEGRALNI RAČUN Zgled 34. x 3 (x 2 + 2) 2 dx 49 Petra Žigert Pleteršek
53 2.1. NEDOLOČENI INTEGRAL Zgled 35. 2x 2 + 2x + 13 (x 2)(x 2 + 1) 2 dx Integriranje funkcij sinus in kosinus Za integracijo kotnih funkcij sinus in kosinus sta zelo uporabni naslednji zvezi, ki linearizirata obe funkciji: cos 2 x = 1 + cos (2x) 2 in sin 2 x = 1 cos (2x) 2 ki ju ni težko preveriti, kar naj bralec sam naredi. Poglejmo tipične primere integralov kotnih funkcij. (i) sin m x dx, cos m x dx, 50 Petra Žigert Pleteršek
54 POGLAVJE 2. INTEGRALNI RAČUN a) Če je m liho število večje od 1, torej m = 2k + 1, k N, je možno integrand zapisati v obliki sin m x = (1 cos 2 x) k sin x. Z uvedbo nove spremenljivke cos x = t prevedemo primer na integral polinoma. V drugem primeru zapišemo cos m x = (1 sin 2 x) k cos x b) in uvedemo sin x = t. Če je m sodo število, torej m = 2k, k N, uporabimo zvezo sin 2 x = 1 cos(2x) 2 S tem se stopnja eksponenta zniža za polovico. Dokler je eksponent sodo število, postopek ponavljamo, ko pa pridemo do lihega eksponenta uporabimo točko a). V drugem primeru uporabimo zvezo cos 2 x = 1 + cos(2x) 2 Zgled 36. Izračunajmo cos 4 x dx... cos 4 x dx = ( ) cos(2x) dx 2 = 1 (1 + 2 cos(2x) + 4 cos2 (2x)) dx = ( cos(2x) cos(4x) ) 4 2 = 3x sin(2x) sin(4x) + C. (ii) sin m x cos n x dx Če je vsaj en eksponent lih, postopamo tako kot v (i.a), sicer pa uporabimo postopek iz (i.b). Zgled 37. Izračunajmo integrala. 1. cos 3 x sin 3 x dx. dx 51 Petra Žigert Pleteršek
55 2.1. NEDOLOČENI INTEGRAL cos 3 x sin 3 x dx = (cos x sin 3 x sin 5 x cos x) dx = 1 4 sin4 x sin6 x + C. 2. cos 2 x sin 2 x dx. cos 2 x sin 2 x dx = = = 1 + cos (2x) 2 1 cos(2x) (1 cos2 (2x)) dx ( cos(4x) ) dx 4 2 dx = x sin(4x) + C. (iii) sin(ax) cos(bx) dx, sin(ax) sin(bx) dx, cos(ax) cos(bx) dx, a, b R Zanima nas samo primer a b, ker imamo sicer primer iz točke (ii). Uporabimo formule sin(ax) cos(bx) = 1 [sin((a b)x) + sin((a + b)x)], 2 sin(ax) sin(bx) = 1 [(cos((a b)x) cos((a + b)x)], 2 cos(ax) cos(bx) = 1 [(cos((a b)x) + cos((a + b)x)], 2 v veljavnost katerih se lahko prepričamo z uporabo adicijskih izrekov. Zgled 38. Izračunajmo integrala: 1. cos(3x) sin x dx. 1 cos(3x) sin x dx = (sin( 2x) + cos(4x)) 2 2. cos(2x) cos(4x) dx. = 1 4 cos(2x) sin(4x) + C. 1 cos(2x) cos(4x) dx = (cos(2x) + cos(6x)) 2 = 1 4 sin(2x) sin(6x) + C. 52 Petra Žigert Pleteršek
matrike 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 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 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 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 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 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 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 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 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. 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 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 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 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 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 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 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 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 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 περισσότεραIntegralni račun. Nedoločeni integral in integracijske metrode. 1. Izračunaj naslednje nedoločene integrale: (a) dx. (b) x 3 +3+x 2 dx, (c) (d)
Integralni račun Nedoločeni integral in integracijske metrode. Izračunaj naslednje nedoločene integrale: d 3 +3+ 2 d, (f) (g) (h) (i) (j) (k) (l) + 3 4d, 3 +e +3d, 2 +4+4 d, 3 2 2 + 4 d, d, 6 2 +4 d, 2
Διαβάστε 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραvezani ekstremi funkcij
11. vaja iz Matematike 2 (UNI) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 ekstremi funkcij več spremenljivk nadaljevanje vezani ekstremi funkcij Dana je funkcija f(x, y). Zanimajo nas ekstremi nad
Διαβάστε 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 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 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 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 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 περισσότεραDefinicija 1. Naj bo f : D odp R funkcija. Funkcija F : D odp R je primitivna funkcija funkcije f, če je odvedljiva in če velja F = f.
Nedoločeni integral V tem razdelku si bomo pogledali operacijo, ki je na nek način inverzna odvajanju. Za dano funkcijo bomo poskušali poiskati neko drugo funkcijo, katere odvod bo ravno dana funkcija.
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 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 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 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 περισσότεραMatematika 2. Diferencialne enačbe drugega reda
Matematika 2 Diferencialne enačbe drugega reda (1) Reši homogene diferencialne enačbe drugega reda s konstantnimi koeficienti: (a) y 6y + 8y = 0, (b) y 2y + y = 0, (c) y + y = 0, (d) y + 2y + 2y = 0. Rešitev:
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 περισσότεραD f, Z f. Lastnosti. Linearna funkcija. Definicija Linearna funkcija f : je definirana s predpisom f(x) = kx+n; k,
Linearna funkcija Linearna funkcija f : je definirana s predpisom f(x) = kx+n; k, n ᄀ. k smerni koeficient n začetna vrednost D f, Z f Definicijsko območje linearne funkcije so vsa realna števila. Zaloga
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 περισσότεραKotni funkciji sinus in kosinus
Kotni funkciji sinus in kosinus Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z oznako cos x, DEFINICIJA V PRAVOKOTNEM TRIKOTNIKU: Kotna funkcija sinus je definirana kot razmerje
Διαβάστε 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 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 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 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 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 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 περισσότεραFunkcije več spremenljivk
DODATEK C Funkcije več spremenljivk C.1. Osnovni pojmi Funkcija n spremenljivk je predpis: f : D f R, (x 1, x 2,..., x n ) u = f (x 1, x 2,..., x n ) kjer D f R n imenujemo definicijsko območje funkcije
Διαβάστε περισσότεραTema 1 Osnove navadnih diferencialnih enačb (NDE)
Matematične metode v fiziki II 2013/14 Tema 1 Osnove navadnih diferencialnih enačb (NDE Diferencialne enačbe v fiziki Večina osnovnih enačb v fiziki je zapisana v obliki diferencialne enačbe. Za primer
Διαβάστε 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 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 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 περισσότεραRačunski del izpita pri predmetu MATEMATIKA I
Kemijska tehnologija Visokošolski strokovni program Računski del izpita pri predmetu MATEMATIKA I 29. 8. 2013 Čas reševanja je 75 minut. Navodila: Pripravi osebni dokument. Ugasni in odstrani mobilni telefon.
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 περισσότεραcot x ni def. 3 1 KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA (A) Merske enote stopinja [ ] radian [rad] 1. Izrazi kot v radianih.
TRIGONOMETRIJA (A) Merske enote KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA stopinja [ ] radian [rad] 80 80 0. Izrazi kot v radianih. 0 90 5 0 0 70. Izrazi kot v stopinjah. 5 8 5 (B) Definicija kotnih funkcij
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 περισσότεραDragi polinom, kje so tvoje ničle?
1 Dragi polinom, kje so tvoje ničle? Vito Vitrih FAMNIT - Izlet v matematično vesolje 17. december 2010 Polinomi: 2 Polinom stopnje n je funkcija p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, a i R.
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 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 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 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 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 περισσότεραFunkcija je predpis, ki vsakemu elementu x iz definicijskega območja D R priredi neko število f (x) R.
II. FUNKCIJE 1. Osnovni pojmi 2. Sestavljanje funkcij 3. Pregled elementarnih funkcij 4. Zveznost Kaj je funkcija? Definicija Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D R priredi
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 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 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 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 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 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 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 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 περισσότεραMatematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta
Matematika 1 Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 21. april 2008 102 Poglavje 4 Odvod 4.1 Definicija odvoda Naj bo funkcija f definirana na intervalu (a, b) in x 0 točka s tega intervala. Vzemimo
Διαβάστε περισσότεραLJUDSKA UNIVERZA NOVA GORICA. MATEMATIKA 1 2. del. EKONOMSKI TEHNIK PTI gradivo za interno uporabo. Pripravila: Mateja Strnad Šolsko leto 2011/12
LJUDSKA UNIVERZA NOVA GORICA MATEMATIKA 1 2. del EKONOMSKI TEHNIK PTI gradivo za interno uporabo Pripravila: Mateja Strnad Šolsko leto 2011/12 KAZALO 1 POLINOMI... 1 1.1 Polinomi VAJE... 1 1.2 Operacije
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 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 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 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 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 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 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 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 περισσότερα1. UREJENE OBLIKE KVADRATNE FUNKCIJE
1. UREJENE OBLIKE KVADRATNE FUNKCIJE A) Splošna oblika Definicija 1 : Naj bodo a, b in c realna števila in a 0. Realno funkcijo: f : x ax + bx + c imenujemo kvadratna funkcija spremenljivke x v splošni
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 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 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 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 περισσότεραSEMINARSKA NALOGA Funkciji sin(x) in cos(x)
FAKULTETA ZA MATEMATIKO IN FIZIKO Praktična Matematika-VSŠ(BO) Komuniciranje v matematiki SEMINARSKA NALOGA Funkciji sin(x) in cos(x) Avtorica: Špela Marinčič Ljubljana, maj 2011 KAZALO: 1.Uvod...1 2.
Διαβάστε περισσότεραDomače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA
Domače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA. Naj bo vektorsko polje R : R 3 R 3 dano s predpisom R(x, y, z) = (2x 2 + z 2, xy + 2yz, z). Izračunaj pretok polja R skozi površino torusa
Διαβάστε περισσότεραVaje iz MATEMATIKE 8. Odvod funkcije., pravimo, da je funkcija f odvedljiva v točki x 0 z odvodom. f (x f(x 0 + h) f(x 0 ) 0 ) := lim
Študij AHITEKTURE IN URBANIZMA, šol l 06/7 Vaje iz MATEMATIKE 8 Odvod funkcije f( Definicija: Naj bo f definirana na neki okolici točke 0 Če obstaja lim 0 +h f( 0 h 0 h, pravimo, da je funkcija f odvedljiva
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 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. 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 περισσότερα