11. Posplošeni problemi lastnih vrednosti
|
|
- Ζένια Πολίτης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 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 matričnega šopa (A, B) je p(λ) = det(a λb). Če polinom p ni identično enak 0, je matrični šop regularen, sicer pa singularen. Če je matrični šop (A, B) regularen in je Ax = λbx za x 0, potem pravimo, da je λ (končna) lastna vrednost in x (desni) lastni vektor. Podobno je y 0 levi lastni vektor za λ, če je y H A = λy H B. Problemu iskanja lastnih vrednosti matričnega šopa pravimo posplošeni problem lastnih vrednosti (GEP).
2 Splošen regularen matrični šop Naj bo (A, B) regularen matrični šop. Potem: Končne lastne vrednosti šopa (A, B) so ničle karakterističnega polinoma p(λ) = det(a λb), ki je stopnje m n. V primeru m < n ima šop še lastno vrednost z večkratnostjo n m. Zgled: V primeru A λb = λ 0 1 dobimo p(λ) = (2λ 1)λ, torej so lastne vrednosti λ 1 = 1/2, λ 2 = 0, λ 3 =. Neskončne lastne vrednosti se pojavijo natanko takrat, ko je matrika B singularna. Vsak vektor iz ker(b) je desni lastni vektor za lastno vrednost.
3 Ekvivalentni matrični šopi Izrek 1. Za regularen matrični šop (A, B) velja: 1) 2) Če je B nesingularna, so vse lastne vrednosti šopa (A, B) končne in enake lastnim vrednostim B 1 A ali AB 1. Če je B singularna, ima šop (A, B) lastno vrednost z večkratnostjo n rang(b). 3) Če je A nesingularna, so lastne vrednosti šopa (A, B) recipročne lastne vrednosti A 1 B oziroma BA 1, kjer lastna vrednost 0 ustreza neskončni lastni vrednosti (A, B). Če sta matriki U in V nesingularni, sta šopa (A, B) in (UAV, UBV ) ekvivalentna. Izrek 2. Ekvivalentna regularna matrična šopa (A, B) in (U AV, U BV ) imata enake lastne vrednosti. Velja: x je lastni vektor za (A, B) V 1 x je lastni vektor za (UAV, UBV ), y je levi lastni vektor za (A, B) U H x je levi lastni vektor za (UAV, UBV ).
4 Posplošena Schurova forma Izrek 3. Za regularen matrični šop A λb obstajata unitarni matriki Q in Z, da je Q H (A λb)z = S λt, kjer sta S in T zgoraj trikotni matriki. Lastne vrednosti so potem kvocienti λ i = t ii /s ii za s ii 0 in v primeru s ii = 0. Situacija s ii = t ii = 0 je možna le, če je šop (A, B) singularen. Če sta matriki A in B realni, potem obstaja realna posplošena Schurova forma, kjer sta matriki Q in Z ortogonalni, S je kvazi zgornja trikotna, T pa zgornja trikotna matrika.
5 Direktne metode za posplošene probleme lastnih vrednosti Za numerično računanje posplošene Schurove forme imamo na voljo QZ algoritem, ki je izpeljanka QR metode za nesimetričen problem lastnih vrednosti. (v bistvu izvajamo implicitno QR metodo na matriki C = AB 1 ) Najprej šop (A, B) z ortogonalnimi ekvivalentnimi transformacijami reduciramo na šop (Ã, B) = ( QA Z, QB Z), kjer je prva matrika zgornja Hessenbergova, druga pa zgornja trikotna.
6 Definiten primer Dan je posplošen problem lastnih vrednosti Ax = λbx, kjer je A simetrična in B simetrična pozitivno definitna. Če je B nesingularna, lahko sicer res rešujemo ekvivalenten navaden problem lastnih vrednosti B 1 Ax = λx, a s tem izgubimo simetrično stukturo. Če uporabimo razcep Choleskega B = V V T matrike B, dobimo Ax = λv V T x V 1 Ax = λv T x V 1 AV T V T x = λv T x To je simetričen problem lastnih vrednosti Cy = λy za C = V 1 AV T in y = V T x. Posledica: v primeru A = A T in B s.p.d. ima šop (A, B) realne lastne vrednosti.
7 Velike in razpršene matrike Kaj lahko naredimo v primeru, ko sta matriki A in B veliki in razpršeni? V tem primeru lahko tudi tu uporabimo ustrezno prilagojene iterativne metode. Tako npr. inverzna iteracija poteka na naslednji način: izberi začetni vektor q 0 k = 1, 2,... reši (A σb)z k = Bq k 1 q k = z k / z k V primeru, ko je B nesingularna, je to ekvivalentno inverzni iteraciji za B 1 A.
8 Arnoldijeva metoda za B 1 A Če je B nesingularna, lahko uporabimo Arnoldijevo metodo na B 1 A. V vsakem koraku moramo izračunati produkt z matriko B 1 A. To naredimo tako, da množimo z A in rešimo sistem z B, kjer uporabimo npr. LU razcep matrike B. Sistem z matriko B moramo rešiti natančno! Če sta matriki A in B simetrični in B še pozitivno definitna, se splača uporabiti transformacijo na matriko C = V 1 AV T, kjer je B = V V T razcep Choleskega. Na ta način ohranimo simetrijo in lahko uporabimo Lanczosevo metodo. Množenje z matriko C izvedemo tako, da enkrat množimo z A in rešimo dva trikotna sistema z V in V T.
9 Ritzeve vrednosti za GEP Za GEP Ax = λbx iščemo približek za lastni par (θ, u), kjer je u iz danega podprostora U k in θ blizu podane ciljne vrednosti τ C. Iz standardnega Ritz Galerkinovega pogoja dobimo r := Au θbu U k U k AU kc = θ U k BU kc, kjer stolpci U k tvorijo ortonormirano bazo za U k in c C k. Za notranje lastne vrednosti, je tudi v primeru, ko za Ritzevo vrednost velja θ τ, ostanek r lahko velik in približek za lastni vektor slab. Kot rešitev vpeljemo harmonične Ritzeve vrednosti. Če je A τ B nesingularna, si pomagamo s spektralno transformacijo (A τb) 1 Bx = (λ τ) 1 x. Notranje lastne vrednosti λ τ so zunanje lastne vrednosti (A τb) 1 B.
10 Shift-and-invert Arnoldi Kadar je matrika B singularna ali zelo občutljiva, lahko uporabimo premik. Če je σ takšen skalar, da je matrika A σb nesingularna, potem je originalni GEP Ax = λbx ekvivalenten kjer je Cx = µx, C = (A σb) 1 B, µ = 1 λ σ. Če uporabimo Arnoldija na matriki C, moramo v vsakem koraku izračunati produkt z matriko C, kjer si pomagamo z LU razcepom matrike A σb. Če sta A in B simetrični in je A σb pozitivno definitna, lahko uporabimo Lanczosev algoritem in si pomagamo z razcepom Choleskega A σb = V V T. Glede na to, da moramo pri GEP v vsakem primeru reševati sistem, se skoraj vedno uporablja shift-and-invert, razen če je sistem z A σb veliko težje rešiti kot sistem z matriko B.
11 Racionalni Krilov (Ruhe (1994)) Racionalni Krilov je podoben shift-and-invert Arnoldiju, le da premik σ ni fiksen in ga med iteracijo lahko spreminjamo. izberi začetni vektor v 1, začetni premik σ 1 in t 1 = e 1 j = 1, 2,... izračunaj vektor za nadaljevanje V j t j izračunaj r = (A σ j B) 1 BV j t j ortogonaliziraj r = r V j h j, kjer je h j = V H j r h j+1,j = r v j+1 = (1/h j+1,j )r izračunaj približke za lastne pare (λ (j) i, s (j) i ) in testiraj konvergenco določi nov premik σ j+1 in t j+1
12 Racionalni Krilov Dobimo: AV j+1 H j+1,j = BV j+1 K j+1,j, kjer sta H in K zgornji Hessenbergovi, pri čemer je K j+1,j = H j+1,j diag(σ 1,..., σ j ) + T j+1,j, kjer je T j+1,j zgornja trikotna. Približke za lastne pare dobimo iz K jj s = θh kk s, približek za lastni vektor je x = V j+1 H j+1,1 s. Za ostanek velja r = Ax θbx = (σ j θ)h j+1,1 s j Bv j+1.
13 Racionalni Krilov Vsakič ko spremenimo premik σ j, moramo izračunati novo LU faktorizacijo matrike A σ j B. Zaradi tega ponavadi naredimo nekaj korakov z istim premikom, potem pa se premaknemo na novega. Zakaj se imenuje racionalni Krilov? Če delamo navadnega Arnoldija, so elementi podprostora Krilova oblike p j (A)v 1. Pri shift-and-invert Arnoldiju namesto polinomov nastopajo racionalne funkcije oblike p j (t)/(t σ) j, kjer je σ premik. Pri racionalnem Krilovu, kjer so premiki lahko različni, pa na koncu dobimo p j (t)/q j (t), kjer je q(t) = (t σ 1 ) (t σ j ). Kako izberemo t j. Ena možnost je., da dokler se premik ne spremeni, uporabljamo t j = e 1, ko pa se spremeni, vzamemo t j = e j 1 in ga spet fiksiramo, dokler se premik ponovno ne spremeni.
14 Jacobi-Davidson (Fokkema, Sleijpen, van der Vorst (1998)) Za reševanje posplošenega problema lastnih vrednosti lahko uporabimo tudi J-D metodo. Prednost te metode je, da ni potrebno natančno rešiti linearnega sistema (npr. z matriko B), temveč lahko pri reševanju korekcijske enačbe uporabimo iterativno metodo. Delamo s homogeno obliko (βa αb)x = 0, kjer par (α, β) (0, 0) predstavlja lastno vrednost λ = α/β. Računamo t.i. delno posplošeno Schurovo formo AQ k = Z k R A k, BQ k = Z k R B k, kjer sta R A k in RB k zgornji trikotni k k, Q k in Z k pa imata k ortonormiranih stolpcev.
15 Harmonične Ritzeve vrednosti za GEP Da se izognemo računanju z (A τb) 1 vpeljemo Petrov Galerkinov pogoj (A τb) 1 Bu (θ τ) 1 u (A τb) (A τb) U k, oziroma ekvivalentno Au θbu = (A τb)u (θ τ)bu (A τb) U k, kar nas pripelje do projiciranega problema U k (A τb) (A τb)u k c = (θ τ) U k (A τb) BU k c. Velja: metoda izloči točne lastne vektorje iz iskalnega podprostora, harmonični par (θ, u) zadošča (Stewart (2001)) Au τbu θ τ Bu θ τ BU k, torej je povsem smiselno izbrati harmonično Ritzevo vrednosti, ki je najbližja τ.
8. 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 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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραLastne vrednosti in vektorji
Poglavje Lastne vrednosti in vetorji Naloga Gerschgorinov izre Naj bo A C n n in C i = {z C i, z a ii n j=,j i a ij } rog v omplesni ravnini, za i =,, n Vse lastne vrednosti matrie A ležijo v uniji rogov
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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραKontrolne karte uporabljamo za sprotno spremljanje kakovosti izdelka, ki ga izdelujemo v proizvodnem procesu.
Kontrolne karte KONTROLNE KARTE Kontrolne karte uporablamo za sprotno spremlane kakovosti izdelka, ki ga izdeluemo v proizvodnem procesu. Izvaamo stalno vzorčene izdelkov, npr. vsako uro, vsake 4 ure.
Διαβάστε 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 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 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 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 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 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 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 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 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 περισσότερα1. VAJA IZ TRDNOSTI. (linearna algebra - ponovitev, Kroneckerjev δ i j, permutacijski simbol e i jk )
VAJA IZ TRDNOSTI (lnearna algebra - ponovtev, Kroneckerev δ, permutacsk smbol e k ) NALOGA : Zapš vektor a = [, 2,5,] kot lnearno kombnaco vektorev e = [,,,], e 2 = [,2,3,], e 3 = [2,,, ] n e 4 = [,,,]
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 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 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 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 περισσότερα22. Kdaj sta dva vektorja vzporedna? FGG geodezija UNI Matematika I, 2005/ Kdaj so vektorji a 1, a 2,..., a n linearno neodvisni?
FGG geodezija UNI Matematika I, 2005/06 1. Definicija enakosti množic (funkcij, kompleksnih števil, urejenih n teric)? 2. Definicija kartezičnega produkta množic A in B. Definicija množice R n. 3. Popolna
Διαβάστε 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 περισσότεραKanonična oblika linearnega programa. Simpleksna metoda. Bazne rešitve kanoničnega linearnega programa.
Kanonična oblika linearnega programa.. Drago Bokal, Tanja Gologranc Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru min c T x p. p. Ax = b x 0 Kako dobimo
Διαβάστε 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 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 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 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 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 περισσότεραPrepoznavanje krožnic na digitalnih slikah
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Domen Kren Prepoznavanje krožnic na digitalnih slikah DIPLOMSKO DELO UNIVERZITETNI INTERDISCIPLINARNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
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 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 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 περισσότεραMatematika vaja. Matematika FE, Ljubljana, Slovenija Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija
Matematika 1 3. vaja B. Jurčič Zlobec 1 1 Univerza v Ljubljani, Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija Matematika FE, Ljubljana, Slovenija 2011 Določi stekališča zaporedja a
Διαβάστε περισσότερα