11.5 Metoda karakteristik za hiperbolične PDE
|
|
- Δαυίδ Λούλης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 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, da je u na območju Ω zvezna funkcija x in y, potem za diferencial velja du = u u dx + dy. (2) x y Dve različni realni rešitvi karakteristične enačbe a družini karakteristik dy dx ( dy dx = λ in dy dx = µ. ) 2 ( ) b dy dx + c = 0 določata dve Vzdolž karakteristike drugi parcialni odvodi niso definirani in velja navadna diferencialna enačba a dy d(u x ) f dx dy + c dx d(u y ) = 0.
2 Metoda karakteristik Vzdolž karakteristik C 1 in C 2 velja a λ d(u x ) f dy + c d(u y ) = 0, (3) a µ d(u x ) f dy + c d(u y ) = 0. (4) C 1 S C 2 Q P Γ Začnemo z vrednosti u, u x in u y na krivulji Γ, ki ni karakteristika. Na njej izberemo dve točki P in Q. Iz enačb (2), (3) in (4) izračunamo vrednosti v naslednji točki S, ki jo dobimo kot presečišče karakteristik C 1 in C 2, ki gresta skozi P in Q.
3 Algoritem metode karakteristik v grobem T S R Q P Γ 1. Začnemo na krivulji Γ, ki ni karakteristika in na kateri poznamo vrednosti u, u x in u y (bodisi iz začetnih pogojev ali pa iz prejšnjih računov). Na krivulji Γ izberemo točke P, Q, R, itd. 2. Iz (2) poiščemo koordinate x in y naslednjih točk S(x S, y S ), T (x T, y T ),..., ki so presečišča karakteristik C 1 in C 2 skozi ustrezne pare točk na Γ. 3. Iz (3) in (4) izračunamo vrednosti u x in u y v točkah S, T,..., potem pa iz (2) izračunamo vrednosti u. 4. Ponovimo prejšnje korake z novimi točkami in novo krivuljo Γ, ki gre skoznje.
4 Algoritem metode karakteristik: korak 2 Točka S(x S, y S ) je presečišče C 1 karakteristike skozi P in C 2 karakteristike skozi Q. velja S P dy = S P λdx, S Q dy = S Q µdx. Če je PDE linearna, sta λ in µ funkciji samo x in y. V tem primeru je mogoče možno integrala analitično integrirati. Kadar analitično integriranje ni možno, uporabimo kakšno kvadraturno formulo, npr. trapezno, kjer dobimo: y S y P = y S y Q = ( ) λs + λ P (x S x P ), (5) 2 ( ) µs + µ Q (x S x Q ). (6) 2 Dobimo enačbi za x S, y S, u S, (u x ) S in (u y ) S, saj sta λ S in µ S odvisna od a S, b S in c S. Če sta λ in µ linearni funkciji x, potem po trapeznem pravilu točno izračunamo x S, y S.
5 Algoritem metode karakteristik: korak 3a Za (u x ) S in (u y ) S velja S P S Q a λ d(u x ) a µ d(u x ) S P S Q f dy + f dy + S P S Q c d(u y ) = 0, c d(u y ) = 0. Če je PDE linearna, lahko enačbi mogoče analitično integriramo. Sicer pa spet uporabimo npr. trapezno pravilo, ki nam da (a S λ S + a P λ P ) [(u x ) S (u x ) P ] + (c S + c P ) [(u y ) S (u y ) P ] (f S + f P )(y S y P ) = 0, (7) (a S µ S + a Q µ Q ) [(u x ) S (u x ) Q ] + (c S + c Q ) [(u y ) S (u y ) Q ] (f S + f Q )(y S y Q ) = 0. (8)
6 Algoritem metode karakteristik: korak 3b Z integriranjem (2) vzdolž PS dobimo S P du = S P u xdx + S P u ydy. trapezno pravilo, dobimo u S u P = Če uporabimo ( ) ( ) (ux ) S + (u x ) P (uy ) S + (u y ) P (x S x P ) + (y S y P ). (9) 2 2 Vrednost u S lahko dobimo tudi z integriranjem vzdolž QS, kjer dobimo u S u Q = ( ) ( ) (ux ) S + (u x ) Q (uy ) S + (u y ) Q (x S x Q ) + (y S y Q ). (10) 2 2 Zgornji enačbi ne vrneta iste vrednosti u S, je pa razlika pri majhni velikosti mreže majhna. Tako smo dobili nelinearni sistem 5 enačb za neznanke x S, y S, u S, (u x ) S in (u y ) S. To so enačbe (5,6,7,8) in (9) (ali (10)). Sistem rešimo z eno izmed metod za nelinearne enačbe, npr. z Newtonovo metodo. Če je PDE linearna, lahko iz (5,6) izračunamo x S, y S, potem pa ostanejo še tri enačbe za tri neznanke. Nadalje, če so a, b, c in f konstante, najprej rešimo enačbi (7,8), potem pa u izračunamo iz (9).
7 Metoda karakteristik in robni pogoji δω C 2 S C 1 P Γ Kadar naslednja točka leži na robu, lahko uporabimo le eno karakteristiko. Na robu se zgodi, da se karakteristika C 1 odbije v C 2 in obratno. Denimo, da je S presečišče roba δω in karakteristike C 1 iz P. Korak 2: Poiščemo presečišče karakteristike C 1 in roba. sistem enačbe (5) in enačbe roba. To naredimo tako, da rešimo Korak 3: Vrednost u S dobimo iz robnega pogoja. Z odvajanjem robnega pogoja dobimo tudi eno izmed vrednosti (u x ) S ali (u y ) S, drugo pa potem izračunamo iz enačbe (7).
8 12.1 Iterativne metode za reševanje linearnih sistemov Sistem Ax = b zapišemo v ekvivalentni obliki x = Rx + c in ga rešujemo iterativno x (r+1) = Rx (r) + c. Matriko R imenujemo iteracijska matrika. Upamo, da bo pri čim blažjih pogojih zaporedje {x (r) } konvergiralo proti rešitvi sistema Ax = b. Izrek 1. Zaporedje x (r+1) = Rx (r) + c, r = 0, 1,..., za poljuben x (0) konvergira natanko tedaj, ko velja ρ(r) < 1 (za vse lastne vrednosti λ matrike R velja λ < 1). Dokaz. Naj bo x točna rešitev. Potem iz x = R x + c in x (r+1) = Rx (r) + c sledi x x (r+1) = R( x x (r) ) in naprej x x (r+1) = R 2 ( x x (r 1) ) = = R r+1 ( x x (0) ). Očitno je potreben in zadosten pogoj za konvergenco lim k R k = 0, to pa je ekvivalentno temu, da je ρ(r) < 1.
9 Posledica 2. Zadosten pogoj za konvergenco zaporedja x (r+1) = Rx (r) + c, r = 0, 1,..., za poljuben x (0) je R < 1. Kako pridemo do R? En način je, da sistem Ax = b zapišemo kot Mx = Nx + b, kjer je A = M + N in dobimo R := M 1 N. Sistem seveda rešujemo v obliki Mx (r+1) = Nx (r) + b, r = 0, 1,..., matriko M pa izberemo tako, da znamo sistem z matriko M rešiti hitreje od polnega sistema. Iterativne metode pridejo še posebno v poštev, ko imamo velike razpršene sisteme, kjer je veliko elementov enakih 0, neničelni elementi pa nimajo kakšne posebne oblike (npr. pasovne). Pri direktnih metodah (LU, razcep Choleskega, QR) se razpršenost ponavadi izgubi, zato te metode niso primerne.
10 Jacobijeva metoda Sistem Ax = b lahko pri pogoju a ii 0, i = 1,..., n, zapišemo kot x 1 = 1 a 11 (b 1 a 12 x 2 a 13 x 3 a 1n x n ) x 2 = 1 a 22 (b 2 a 21 x 1 a 23 x 3 a 2n x n ). x n = 1 a nn (b n a n1 x 1 a n2 x n a n,n 1 x n 1 ) Od tod sledi Jacobijeva metoda x (r+1) k = 1 b k a kk n i=1, i k a ki x (r) i, k = 1,..., n. Če zapišemo A = L + D + U, kjer je L spodnji trikotnik matrike A (brez diagonale), D diagonala, U pa zgornji trikotnik matrike A, potem je M = D in N = L + U. Jacobijeva iteracijska matrika je R J = D 1 (L + U).
11 Gauss Seidlova metoda Ko po vrsti računamo x (r+1) 1,..., x (r+1) n, bi lahko pri računanju x (r+1) k uporabili že izračunane vrednosti x (r+1) 1,..., x (r+1). Tako dobimo Gauss-Seidlovo metodo k 1 x (r+1) k = 1 a kk b k k 1 i=1 a ki x (r+1) i n i=k+1 a ki x (r) i, k = 1,..., n. Sedaj je M = L + D, N = U in R GS = (L + D) 1 U. Pri Jacobijevi metodi lahko vse elemente vektorja x (r+1) računamo hkrati in je zato zelo primerna za paralelizacijo. Pri Gauss-Seidlovi metodi to ni možno. Izrek 3. Če je A strogo diagonalno dominantna po vrsticah, kar pomeni a ii > n j=1,j i a ij, i = 1,..., n, potem Jacobijeva in Gauss-Seidlova metoda konvergirata. Izrek 4. Gauss-Seidlova metoda konvergira za hermitsko pozitivno definitno matriko A.
12 Zgled Za sistem 12x 1 3x 2 + x 3 = 10 x 1 + 9x 2 + 2x 3 = 10 x 1 x x 3 = 10 in začetni približek x (0) = [1 0 1] T izračunamo dva koraka po Jacobijevi in Gauss-Seidlovi metodi. Pri Jacobijevi metodi dobimo x (1) = 1 0.9, x (2) = , pri Gauss-Seidlovi metodi pa 0.75 x (1) = , x (2) = Točen rezultat je x = [1 1 1] T ,
13 SOR metoda Pri metodi SOR računamo x (r+1)sor k = x (r) k + ω ( x (r+1)gs k ) x (r) k, kjer je ω relaksacijski parameter, za katerega se izkaže, da mora biti 0 < ω < 2. ω = 1 je SOR kar Gauss-Seidlova metoda. Pri Dobimo x (r+1) k = x (r) k + ω 1 a kk ( b k k 1 i=1 a ki x (r+1) i n i=k a ki x (r) i ), k = 1,..., n. Gre za pospešitev Gauss-Seidlove metode, ideja pa je, da bo, če je zaporedje monotono, za primerni parameter ω > 1 približek x (r+1)sor bližje rešitvi kot x (r+1)gs, če pa zaporedje alternira, bo boljši približek pri 0 < ω < 1. Optimalni ω je težko oceniti.
14 Konsistentna urejenost Definicija 5. Matrika A = L + D + U je konsistentno urejena, če so lastne vrednosti matrike C(α) = D 1 ( 1 α L + αu) neodvisne od α. Definicija 6. Matrika A ima lastnost A, če obstaja taka permutacijska matrika P, da je [ ] P AP T A11 A = 12, A 21 A 22 kjer sta A 11 in A 22 diagonalni matriki. Lastnost A pomeni tudi, da je matrika konsistentno urejena. Zgled 1. Matrika oblike T A = I I T I, I T
15 kjer je T = ima lastnost A. Takšno matriko srečamo pri reševanju Poissonove enačbe., Izrek 7. Če je A konsistentno urejena in µ = ρ(r J ), potem velja: 1) ρ(r GS ) = µ 2, 2 2) ω opt = µ 2, ρ(r SOR(ω opt )) = ω opt 1, 3) ρ(r SOR (ω)) = { ω 1, za ω opt ω < 2 1 ω ω2 µ 2 + ωµ 1 ω ω2 µ 2, za 0 < ω ω opt.
16 Zgled 2. Za matriko A = velja ρ(r J ) = , ρ(r GS ) = , ω opt = , graf ρ(r SOR (ω)) pa je
17 12.2 Metode podprostorov Krilova Gre za razred metod za reševanje sistema Ax = b ali za računanje lastnih vrednosti A, kjer namesto direktnega dostopa do matrike potrebujemo le podprogram, ki zna za poljuben vektor x izračunati Ax. Definicija 8. Za dano matriko A in vektor b je podprostor Krilova K k (A, b) = Lin(b, Ab,..., A k 1 b). Namesto v R n iščemo približke v projekciji problema na K k (A, b). Naj bo Q k = [ q 1 q k ] matrika z ortonormiranimi stolpci, ki so baza za K k (A, b). Potem kot približek za rešitev Ax = b vzamemo x k = Q k z za nek z R k, npr.: Vzamemo x k, ki minimizira r k 2, kjer je r k = b Ax k. Za A A T je to metoda GMRES, za A = A T pa MINRES. Če je A s.p.d., vzamemo x k, ki minimizira r k A 1. To je metoda CG (konjugirani gradienti) Izberemo x k tako, da bo r k K k (A, b). Za A A T je to varianta GMRES, za A = A T pa SYMMLQ.
18 Arnoldijev algoritem Ortogonalna podobnostna redukcija A na Hessenbergovo obliko je A = Q T HQ, kjer je Q ortogonalna, H pa zgornja Hessenbergova oblika. Radi bi izračunali le prvih k stolpcev Q in H. Iz AQ = HQ dobimo Aq j = j+1 i=1 h ij q i. S skalarnim množenjem s q i, i = 1,..., j, dobimo h ij = q T i Aq j. Vektor q j+1 dobimo iz h j+1,j q j+1 = Aq j j h ij q i. i=1
19 Arnoldijev algoritem Vse skupaj lahko zapišemo v obliki algoritma q 1 = b/ b 2, j = 1, 2,..., k z = Aq j i = 1,..., j h ij = q T i z z = z h ij q i h j+1,j = z 2 Prekini, če je h j+1,j = 0. q j+1 = z/h j+1,j V algoritmu se skriva modificirana Gram-Schmidtova ortogonalizacija. Algoritem se konča pri izbranem k ali pa, ko je h j+1,j = 0.
20 Trditev 9. Arnoldijev algoritem se lahko izvaja do j = k, kjer je k = dim K n (A, b). Za j = 1,..., k velja AQ j = Q j H j + h j+1,j [0 0 q j+1 ], kjer je H j vodilna j j podmatrika H, stolpci Q j = [q 1 K j (A, b). q j ] pa so ON baza za Zahtevnost Arnoldijevega algoritma je k množenj z matriko in O(k 2 n) za ostale zadeve, Množenje z matriko je za polno matriko O(n 2 ), za razpršeno pa je lahko tudi samo O(n). Po k korakih Arnoldijeve metode iz H = Q T AQ = [ Q T k AQ k Q T u AQ k Q T k AQ ] u Q T u AQ u = [ ] Hk H ku, H uk H u poznamo H k in H uk, ki ima same ničle in zgoraj desno h k+1,k. Velja AQ j = Q j+1 Hj, kjer H j dobimo tako, da H j dodamo še vrstico [0 0 h j+1,j ].
21 Lanczoseva metoda Če je A simetrična, je tudi H simetrična, torej tridiagonalna in Arnoldijev algoritem se občutno poenostavi. Pišemo H = T in T = α 1 β 1 β 1 α 2... β β n 2 α n 1 β n 1 β n 1 a n. Sedaj iz AQ = QT dobimo kjer je α j = q T j Aq j. Aq j = β j 1 q j 1 + α j q j + β j q j 1,
22 Lanczoseva metoda Vse skupaj lahko zapišemo v obliki Lanczoseve metode q 1 = b/ b 2, β 0 = 0, q 0 = 0 j = 1, 2,..., k z = Aq j α j = q T j z z = z α j q j β j 1 q j 1 β j = z 2 Prekini, če je β j = 0. q j+1 = z/β j Spet, če je dim K n (A, b) = k, dobimo β k = 0. Po k korakih Lanczoseve metode iz T = Q T AQ = [ Tk T T uk T uk T u ] poznamo T k in T uk, ki ima same ničle in zgoraj desno β k.
23 GMRES - posplošeni minimalni ostanek Pri GMRES približek x k za Ax = b dobimo iz začetnega približka x 0 tako, da x k oblike x k = x 0 + Q k y k minimizira r k 2 = b Ax k 2. Denimo, da smo s Arnoldijevim algoritmom že dobili Q k in H k. Sedaj iščemo ustrezen y R k. Če je q 1 = r 0 / r 0 2, velja b A(x 0 +Q k y k ) 2 = r 0 AQ k y k 2 = r 0 Q k+1 Hk y k 2 = r 0 2 e 1 H k y k 2. Algoritme za GMRES v grobem je: 1. izberi x 0, določi dimenzijo k za podprostor Krilova, izračunaj r 0 = b Ax naredi k korakov Arnoldijeve metode z začetnim vektorjem q 1 = r 0 / r 0 2, dobimo H k in Q k po metodi najmanjših kvadratov poišči y k, ki minimizira r 0 2 e 1 H k y k 2. Končni približek je potem x k = x 0 + Q k y k. Varianta GMRES za simetrične matrike, kjer se namesto Arnoldijeve metode uporabi Lanczoseva, je MINRES.
13. 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 περισσότεραDiferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci
Linearna diferencialna enačba reda Diferencialna enačba v kateri nastopata neznana funkcija in njen odvod v prvi potenci d f + p= se imenuje linearna diferencialna enačba V primeru ko je f 0 se zgornja
Διαβάστε περισσότεραZaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 22. oktober 2013 Kdaj je zaporedje {a n } konvergentno, smo definirali s pomočjo limite zaporedja. Večkrat pa je dobro vedeti,
Διαβάστε περισσότερα5.1 Predpogojevanje. K 1 Ax = K 1 b,
5.1 Predpogojevanje Konvergenca metod podprostorov za reševanje linearnega sistema Ax = b je v veliki meri odvisna od razporeditve lastnih vrednosti (in lastnih vektorjev) matrike A. Kadar je konvergenca
Διαβάστε 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 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 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 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. 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 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 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 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 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 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 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 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. 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 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 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 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 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 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 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 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 περισσότεραZbirka rešenih izpitnih nalog iz numeričnih metod
Zbirka rešenih izpitnih nalog iz numeričnih metod Borut Jurčič - Zlobec Andrej Perne Univerza v Ljubljani Fakulteta za elektrotehniko Ljubljana 6 Kazalo Iterativno reševanje nelinearnih enačb 4 Navadna
Διαβάστε 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 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 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 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 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 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 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 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 περισσότεραIterativne numerične metode v linearni algebri
Bor Plestenja Iterativne numerične metode v linearni algebri sripta verzija: 2. januar 204 Kazalo Klasične iterativne metode za linearne sisteme 4. Uvod............................................ 4.2
Διαβάστε 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 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 περισσότεραGimnazija Krˇsko. vektorji - naloge
Vektorji Naloge 1. V koordinatnem sistemu so podane točke A(3, 4), B(0, 2), C( 3, 2). a) Izračunaj dolžino krajevnega vektorja točke A. (2) b) Izračunaj kot med vektorjema r A in r C. (4) c) Izrazi vektor
Διαβάστε περισσότεραMatematika 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 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 περισσότεραNumerične metode 2 (finančna matematika)
Bor Plestenjak Numerične metode 2 (finančna matematika) delovna verzija verzija:. februar 203 Kazalo Nesimetrični problem lastnih vrednosti 5. Uvod............................................ 5.2 Schurova
Διαβάστε 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 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 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 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 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 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 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 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 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 περισσότεραNavadne diferencialne enačbe
Poglavje 6 Navadne diferencialne enačbe 6.1 Uvod Splošna rešitev navadne diferencialne enačbe n-tega reda F(x, y, y, y,..., y (n) ) = 0 je n-parametrična družina funkcij. Kadar želimo iz splošne rešitve
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 περισσότερα8. Navadne diferencialne enačbe
8. Navadne diferencialne enačbe 8.1. Začetni problem prvega reda Iščemo funkcijo y(x), ki zadošča diferencialni enačbi y = f(x, y) in začetnemu pogoju y(x 0 ) = y 0, kjer je f dana dovolj gladka funkcija
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 περισσότεραα i y n i + h β i f n i = 0, Splošni nastavek je k
10.4 Večkoračne metode Splošni nastavek je k α i y n i + h i=0 k β i f n i = 0, kjer je f i = f(x i, y i ), privzamemo pa še α 0 = 1. Če je β 0 = 0, je metoda eksplicitna, sicer pa implicitna. i=0 Adamsove
Διαβάστε περισσότεραDelovna točka in napajalna vezja bipolarnih tranzistorjev
KOM L: - Komnikacijska elektronika Delovna točka in napajalna vezja bipolarnih tranzistorjev. Določite izraz za kolektorski tok in napetost napajalnega vezja z enim virom in napetostnim delilnikom na vhod.
Διαβάστε 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 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 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 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 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 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 περισσότεραBor Plestenjak. Numerične metode. delovna verzija. verzija: 4. marec 2010
Bor Plestenjak Numerične metode delovna verzija verzija: 4. marec 200 Kazalo Uvod 7. Numerična matematika................................. 7.2 Plavajoča vejica...................................... 0.3
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 περισσότεραINŽENIRSKA MATEMATIKA I
INŽENIRSKA MATEMATIKA I REŠENE NALOGE za izredne študente VSŠ Tehnično upravljanje nepremičnin Marjeta Škapin Rugelj Fakulteta za gradbeništvo in geodezijo Kazalo Števila in preslikave 5 Vektorji 6 Analitična
Διαβάστε 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 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 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 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 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 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 περισσότεραUvod v numerične metode (matematika)
Bor Plestenjak Uvod v numerične metode (matematika) delovna verzija verzija: 5. oktober 202 Kazalo Uvod 5. Numerična matematika................................. 5.2 Plavajoča vejica......................................
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 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 περισσότεραNumerična analiza. Bor Plestenjak. Fakulteta za matematiko in fiziko. Jadranska 21, 4. nadstropje, soba 4.04
Numerična analiza Bor Plestenjak Fakulteta za matematiko in fiziko Jadranska 21, 4. nadstropje, soba 4.04 govorilne ure: četrtek 11-12 oz. po dogovoru bor.plestenjak@fmf.uni-lj.si http://www-lp.fmf.uni-lj.si/plestenjak/vaje/vaje.htm
Διαβάστε περισσότεραAfina in projektivna geometrija
fina in projektivna geometrija tožnice () kiciraj stožnico v evklidski ravnini R, ki je določena z enačbo 6 3 8 + 6 =. Rešitev: tožnica v evklidski ravnini je krivulja, ki jo določa enačba a + b + c +
Διαβάστε περισσότεραProgrami v Matlabu za predmet numerične metode
Programi v Matlabu za predmet numerične metode 18. 04 2002 1 1 Reševanje nelinearnih enačb Napisali bomo program za reševanje nelinearnih enačb z uporabo posameznih metod. Rešujete nelinearne enačbe oblike
Διαβάστε περισσότεραUvod v numerične metode
Uvod v numerične metode Bor Plestenjak soba 4.04 bor.plestenjak@fmf.uni-lj.si http://www-lp.fmf.uni-lj.si/plestenjak/vaje/vaje.htm asistent: Gašper Jaklič Režim 2 sklopa domačih nalog - 20% pisne ocene
Διαβάστε περισσότεραEnočlenske metode veljajo trenutno za najprimernejše metode v numeričnem reševanju začetnih problemov. Skoraj vse sodijo v
Enočlenske metode J.Kozak Uvod v numerične metode - / 4 Enočlenske metode veljajo trenutno za najprimernejše metode v numeričnem reševanju začetnih problemov. Skoraj vse sodijo v skupino Runge-Kutta metod.
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 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 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 περισσότεραMatematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb
Matematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb Fakulteta za računalništvo in informatiko Univerza v Ljubljani 2017/2018 Za kaj rabimo diferencialne
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 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 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 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 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 περισσότεραSpoznajmo sedaj definicijo in nekaj osnovnih primerov zaporedij števil.
Zaporedja števil V matematiki in fiziki pogosto operiramo s približnimi vrednostmi neke količine. Pri numeričnemu računanju lahko npr. število π aproksimiramo s števili, ki imajo samo končno mnogo neničelnih
Διαβάστε περισσότεραMatematika 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 περισσότεραUvod v numerične metode
Uvod v numerične metode B. Plestenjak, J.Kozak: Uvod v numerične metode 2011-2012 1 / 56 Jernej Kozak Jadranska 21, IV. nadstropje, št. 407. Iz dvigala, v desno, do konca hodnika in korak v smeri Krima.
Διαβάστε περισσότεραNekaj zgledov. J.Kozak Numerične metode II (IŠRM) / 21
Nekaj zgledov J.Kozak Numerične metode II (IŠRM) 2011-2012 1 / 21 V robnih problemih rešitev diferencialne enačbe zadošča dodatnim pogojem, ki niso vsi predpisani v isti točki. Že osnovna zahteva, kot
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 περισσότεραInterpolacija in aproksimacija funkcij
Poglavje 4 Interpolacija in aproksimacija funkcij Na interpolacijo naletimo, kadar moramo vrednost funkcije, ki ima vrednosti znane le v posameznih točkah (pravimo jim interpolacijske točke), izračunati
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 περισσότερα1. Trikotniki hitrosti
. Trikotniki hitrosti. Z radialno črpalko želimo črpati vodo pri pogojih okolice z nazivnim pretokom 0 m 3 /h. Notranji premer rotorja je 4 cm, zunanji premer 8 cm, širina rotorja pa je,5 cm. Frekvenca
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε 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 περισσότερα1.(a) Kdaj ima A R 2 mero 0? (b) Naj bo D enotski krog in f : D R taka, da je f ds = 0. Kaj lahko rečeš o funkciji f?
Test iz Analize II (. semester), 2.2.2008 Priimek, ime, šifra:.(a) Kdaj ima A R 2 mero 0? (b) Naj bo D enotski krog in f : D R taka, da je f ds = 0. Kaj lahko rečeš o funkciji f? D 2. a) Formuliraj izrek
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 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 περισσότερα