'Kombinatoricna optimizacija / Lokalna optimizacija'
|
|
- Nevenka Medved
- pred 4 leti
- Pregledov:
Transkripcija
1 Kombinatorična optimizacija 3. Lokalna optimizacija Vladimir Batagelj FMF, matematika na vrhu različica: 15. november 2006 / 23 : 17
2 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 1 Kazalo 1 Globalni in lokalni minimumi Lokalna optimizacija Primer: Problem uravnotežanja turbin
3 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 1 Globalni in lokalni minimumi Pogosto lahko v dani množici Ω definiramo relacijo sosednosti rešitev S Ω Ω, za katero zahtevamo le refleksivnost. Okolice. Kadar je Ω = R n, za dani ε > 0, običajno definiramo relacijo S(ε) s predpisom: xs(ε)y d(x, y) ε kjer je d izbrana razdalja. Množica S(ε, x) sosedov točke x je tedaj običajna ε okolica točke x. Velja: ε < η S(ε) S(η)
4 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 2 Lokalne transformacije V diskretnih optimizacijskih nalogah običajno definiramo sosednost z lokalnimi transformacijami, ki prevedejo eno rešitev v drugo. Dvojiški vektorji. V množici IB n dvojiških vektorjev dolžine n navadno definiramo lokalno transformacijo s spremembo vrednosti na i-tem mestu: x i = 1 x i. Trgovski potnik. Pri problemu trgovskega potnika se najpogosteje uporabljajo sosednosti r-opt, pri katerih so sosednje rešitve določene tako, da iz tekočega cikla odstranimo r povezav in jih nadomestimo z novimi, ki zopet sestavljajo cikel.
5 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 3... Lokalne transformacije Na slikah sta prikazani sosednosti 2-OPT in 3-OPT. Lin je s poskusi pokazal, da je sosednost 3-OPT veliko boljša kot sosednost 2-OPT, učinek sosednosti višjih redov pa ne upravičuje povečane porabe časa.
6 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 4... Lokalne transformacije Permutacije. V primeru, ko je Ω = S n (permutacije n elementov), pa lahko postavimo: πsσ π = σ p, q : σ = (pq)π Vpeta drevesa. Vpeto drevo izberemo tetivo, vključimo jo v novo drevo, iz pripadajočega cikla pa izločimo neko povezavo.
7 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 5 Lokalni minimumi Element x Φ je lokalni minumum glede na S natanko takrat, ko je x Min(Φ S(x), P ); ali drugače povedano, ko y Φ S(x) : P (x) P (y) Množico vseh lokalnih minimumov naloge (Φ, P, Min) glede na sosednost S označimo LocMin(Φ, P, S). Zato, da bi poudarili razliko, pravimo elementom množice Min(Φ, P ) tudi globalni minimumi. Očitno je vsak globalni minimum tudi lokalni.
8 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 6... Lokalni minimumi Poleg tega velja še: IZREK 1 Za vsako sosednost S je LocMin(Φ, P, Φ Φ) = Min(Φ, P ) LocMin(Φ, P, S) in, če je Q S, tudi LocMin(Φ, P, S) LocMin(Φ, P, Q) Trditev je posledica lastnosti Ψ Φ x Ψ Min(Φ, P ) x Min(Ψ, P )
9 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 7 Lokalna optimizacija Relacija sosednosti nam ponuja za reševanje optimizacijskih nalog naslednji postopek lokalne optimizacije: izberi x Φ ; while y S(x) Φ : P (y) < P (x) do x := y; Če se postopek izteče v končno korakih, konča v lokalnem minimumu. V postopku lahko relacijo sosednosti tudi spreminjamo npr. zmanjšujemo ε.
10 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 8 Postopek lokalne optimizacije Pri razdelavi postopka lokalne optimizacije za dani optimizacijski problem moramo poiskati odgovore na naslednja vprašanja: a. določitev sosednosti S Ω Ω. Kot vemo, čim bogatejša je sosednost, tem verjetneje so lokalni minimumi tudi globalni. Po drugi strani pa pregledovanje obsežne soseščine zahteva precej časa. Pri izbiri sosednosti zato poskušamo uravnotežiti obe nasprotujoči si želji. b. izbira začetne rešitve. Lokalnim minimumom se poskušamo izogniti tako, da postopek lokalne optimizacije večkrat ponovimo pri različnih (naključnih) začetnih rešitvah in si zapomnimo najboljšo dobljeno rešitev. Izdelava poštenega generatorja naključnih dopustnih rešitev je lahko včasih sama zase zahtevna naloga.
11 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 9... Postopek lokalne optimizacije Pri večjem številu ponovitev se pokaže kot zelo dober prikaz zgradbe prostora rešitev (glede na izbrano sosednost) tabela desetih trenutno najboljših dobljenih rešitev. Zaželjeno je tudi, da lahko postopku lokalne optimizacije kot začetno rešitev podtaknemo rešitev, ki si jo izmisli uporabnik, ali rešitev, ki jo dobimo s kakim približnim postopkom. c. dokaz ustavljivosti postopka. Zaporedje vrednosti rešitev, ki nastopijo pri lokalni optimizaciji, je padajoče. če pokažemo še, da je navzdol omejeno in se vsakič spremeni vsaj za δ > 0, se postopek po končno korakih izteče. Na končni množici Φ je to vselej res.
12 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Postopek lokalne optimizacije d. izbira naslednje rešitve. Pri končnih soseščinah običajno uporabljamo kar pregled vseh sosedov. Včasih pa lahko za določitev ustrezne rešitveuporabimo lastnosti kriterijske funkcije in omejitev (npr. gradientni postopek). Pogosto obstaja v soseščini več rešitev z manjšo vrednostjo. V teh primerih najpogosteje izberemo ali prvo tako rešitev, ki jo najdemo; ali pa rešitev, ki najbolj zmanjša vrednost kriterijske funkcije (najhitrejši spust). Poskusi kažejo, da glede končnih rezultatov ni značilnih razlik med obema pristopoma. Prvi porabi manj časa pri pregledovanju okolice, pa zato naredi več korakov...
13 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Postopek lokalne optimizacije e. učinkovito preverjanje pogoja P (y) < P (x). Pogosto je kriterijska funkcija P sestavljena iz prispevkov posameznih sestavin rešitve. Zato se izkaže, da se splača pogoj P (y) < P (x) nadomestiti z enakovrednim pogojem P (x) P (y) > 0 ali P (x)/p (y) > 1 ali kakim drugim, ker je izraz, ki nastopa v tem pogoju precej enostavnejši kot sama kriterijska funkcija prispevki sestavin, ki pri lokalni transformaciji ne sodelujejo, se pokrajšajo.
14 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Postopek lokalne optimizacije f. lokalna optimalnost rešitev. Lokalna optimizacija nam v splošnem ne zagotavlja, da bomo dobili globalni minimum. V naslednjem razdelku bomo zvedeli, da je za konveksne naloge postopek lokalne optimizacije točen dobljeni lokalni minimum je vselej globalni. V splošnem se moramo zadovoljiti z ugotovitvijo, da če je postopek generiranja naključnih začetnih rešitev vsaj nekoliko pošten (ustvari lahko vsako dopustno rešitev, čeprav ne nujno z enako verjetnostjo), s številom ponovitev postopka lokalne optimizacije narašča tudi verjetnost, da bo dobljeni najboljši lokalni minimum tudi globalni. V poglavju o diskretni optimizaciji si bomo ogledali nekatere poskuse izpopolnitve postopka lokalne optimizacije: postopke ohlajanja (simulated annealing) in postopke prepovedanih smeri (tabu search).
15 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Postopek lokalne optimizacije g. povezanost sosednosti S. Pri navadni lokalni optimizaciji je povezanost grafa (Ω, S) le lepotnega pomena, pri izpopolnjenih postopkih pa postane zelo zaželjena. h. preverjanje postopka. Ko postopek sprogramiramo, se postavi vprašanje, kako preveriti njegovo pravilnost in kakovost. Zato je potrebno pripraviti zbirko nalog z znanimi rešitvami. Vir takih nalog so lahko tudi teoretični rezultati o problemu.
16 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 14 Primer: Problem uravnotežanja turbin Pri izdelavi turbin lahko mase posameznih lopatic nihajo tudi za do pet odstotkov okrog povprečne vrednosti. Običajno turbino sestavlja 14 do 18 lopatic. Pri nameščanju lopatic na os namestimo težišča lopatic v isti ravnini enakomerno po krožnici. Lopatice želimo namestiti v takem vrstnem redu, da bo težišče turbine čim bliže osi vrtenja. Veternica v letalskem motorju Rolls Royce RB C
17 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin Označimo z n število lopatic, z m 1, m 2,..., m n mase lopatic in z M = mi skupno maso lopatic. Razmestitev lopatic okrog osi opišemo s permutacijo σ na p-to mesto postavimo lopatico σ(p). Naj bo še ϕ i = (i 1) 2π n, i = 1, 2,..., n kot, ki pripada i-temu mestu in r polmer krožnice. Tedaj je za razmestitev σ težišče ( x σ, ȳ σ ) določeno z izrazoma: x σ = r n m σ(i) cos ϕ i ȳ σ = r n m σ(i) sin ϕ i M M i=1 odmik d(σ) težišča od osi vrtenja pa z; d(σ) = x 2 σ + ȳ 2 σ i=1 Nalogo uravnotežanja turbine lahko torej izrazimo kot optimizacijsko nalogo (S n, d(σ), min).
18 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin Krajši razmislek nam pove, da lahko pri razmeščanju eno maso pribijemo na izbrano mesto enakovrednost rešitev glede na zasuk. Poleg tega tudi zrcalni permutaciji določata enakovredni rešitvi. Torej bi morali pri polnem preboru rešitev pregledati 1 2 (n 1)! permutacij. Recimo, da program pri polnem preboru (na super-računalniku) pregleda milijon rešitev na sekundo. Tedaj bi pri n = 14 tekel 8.6 ur; pri n = 18 pa že ure oziroma 5.6 let. 1 n (n 1)!
19 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin Če dobimo (a) razmestitev η iz razmestitve σ tako, da v njej premenjamo masi na p-tem in q-tem mestu (transpozicija), sta koordinati novega težišča ( x η, ȳ η ) takole povezani (e) s težiščem razmestitve σ: x η = x σ r M (m σ(p) m σ(q) )(cos ϕ p cos ϕ q ) ȳ η = ȳ σ r M (m σ(p) m σ(q) )(sin ϕ p sin ϕ q ) Za izbiro (b) začetne razmestitve uporabimo kar naslednji postopek za mešanje, ki je popolnoma pošten for i := n downto 2 do begin j := 1 + trunc(i random); t := σ[i]; σ[i] := σ[j]; σ[j] := t; end; Za prvo permutacijo lahko postavimo kar σ[i] = i, i = 1,..., n. Ker je vsaka permutacija produkt transpozicij, (g) je graf sosednosti povezan.
20 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin k max := (n 1)(n 2)/2; k := k max ; določi naključno začetno razmestitev σ; izračunaj x, ȳ, d 2 ; search : loop for p := 2 to n 1 do for q := p + 1 to n do x := x r M (m σ(p) m σ(q) )(cos ϕ p cos ϕ q ); ỹ := ȳ r M (m σ(p) m σ(q) )(sin ϕ p sin ϕ q ); d 2 := x 2 + ỹ 2 endif endfor endfor endloop if d 2 < d 2 then x := x; ȳ := ỹ; d 2 := d 2 ; k := k max ; t := σ(p); σ(p) := σ(q); σ(q) := t; else k := k 1; if k 0 exit search
21 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin V postopku smo se odločili (d) za premik v prvo boljšo rešitev. Pri preverjanju posopka (h) pride prav naslednji izrek o celoštevilskem problemu uravnotežanja turbin, pri katerem je m i = i: Celoštevilski problem uravnotežanja turbin ima uravnoteženo rešitev d(σ) = 0 natanko takrat, ko n ni potenca nekega praštevila, n p k, k > 0. Na sliki je prikazana uravnotežena rešitev za n = 14.
22 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin
23 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin σ a = Sled lokalne optimizacije za σ a p q x y d σ a =
24 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija Problem uravnotežanja turbin σ b = Sled lokalne optimizacije za σ b p q x y d σ b =
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5 februar 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Nalog je
Prikaži večEKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Mi
EKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Miklavič 30. okt. 2003 Math. Subj. Class. (2000): 05E{20,
Prikaži večOsnove matematicne analize 2018/19
Osnove matematične analize 2018/19 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D f R priredi natanko
Prikaži večVaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x
Vaje: Matrike 1 Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N n 1 1 0 1 ; n N 0 2 Pokaži, da je množica x 0 y 0 x y x + z ; x, y, z R y x z x vektorski podprostor v prostoru matrik
Prikaži večOsnove verjetnosti in statistika
Osnove verjetnosti in statistika Gašper Fijavž Fakulteta za računalništvo in informatiko Univerza v Ljubljani Ljubljana, 26. februar 2010 Poskus in dogodek Kaj je poskus? Vržemo kovanec. Petkrat vržemo
Prikaži večUniverza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA
Enopredmetna matematika IN STATISTIKE Maribor, 31. 01. 2012 1. Na voljo imamo kovanca tipa K 1 in K 2, katerih verjetnost, da pade grb, je p 1 in p 2. (a) Istočasno vržemo oba kovanca. Verjetnost, da je
Prikaži večRAČUNALNIŠKA ORODJA V MATEMATIKI
DEFINICIJA V PARAVOKOTNEM TRIKOTNIKU DEFINICIJA NA ENOTSKI KROŢNICI GRAFI IN LASTNOSTI SINUSA IN KOSINUSA POMEMBNEJŠE FORMULE Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z
Prikaži večUNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v fina
UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v financah Ljubljana, 2010 1. Klasični pristop k analizi
Prikaži večUčinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero v
Učinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar 2009 1 Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero velja 0 f(e) u(e) za e E(G). Za v V (G) definiramo presežek
Prikaži večC:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-avgust-17.dvi
Vpisna številka Priimek, ime Smer: K KT WA Izpit pri predmetu MATEMATIKA I Računski del Ugasni in odstrani mobilni telefon. Uporaba knjig in zapiskov ni dovoljena. Dovoljeni pripomočki so: kemični svinčnik,
Prikaži večKazalo 1 DVOMESTNE RELACIJE Operacije z dvomestnimi relacijami Predstavitev relacij
Kazalo 1 DVOMESTNE RELACIJE 1 1.1 Operacije z dvomestnimi relacijami...................... 2 1.2 Predstavitev relacij............................... 3 1.3 Lastnosti relacij na dani množici (R X X)................
Prikaži večC:/Users/Matevž Èrepnjak/Dropbox/FKKT/testi in izpiti/ /IZPITI/FKKT-februar-14.dvi
Kemijska tehnologija, Kemija Bolonjski univerzitetni program Smer: KT K WolframA: DA NE Računski del izpita pri predmetu MATEMATIKA I 6. 2. 2014 Čas reševanja je 75 minut. Navodila: Pripravi osebni dokument.
Prikaži večresitve.dvi
FAKULTETA ZA STROJNISTVO Matematika Pisni izpit. junij 22 Ime in priimek Vpisna st Navodila Pazljivo preberite besedilo naloge, preden se lotite resevanja. Veljale bodo samo resitve na papirju, kjer so
Prikaži več6.1 Uvod 6 Igra Chomp Marko Repše, Chomp je nepristranska igra dveh igralcev s popolno informacijo na dvo (ali vec) dimenzionalnem prostoru
6.1 Uvod 6 Igra Chomp Marko Repše, 30.03.2009 Chomp je nepristranska igra dveh igralcev s popolno informacijo na dvo (ali vec) dimenzionalnem prostoru in na končni ali neskončni čokoladi. Igralca si izmenjujeta
Prikaži večVST: 1. kviz
jsmath Učilnica / VST / Kvizi / 1. kviz / Pregled poskusa 1 1. kviz Pregled poskusa 1 Končaj pregled Začeto dne nedelja, 25. oktober 2009, 14:17 Dokončano dne nedelja, 25. oktober 2009, 21:39 Porabljeni
Prikaži več3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja
3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja AV k = V k H k + h k+1,k v k+1 e T k = V kh k+1,k.
Prikaži večPredtest iz za 1. kontrolno nalogo- 2K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota.
Predtest iz za 1. kontrolno nalogo- K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota. Osnovne zveze med funkcijamo istega kota. Uporaba kotnih
Prikaži večCpE & ME 519
2D Transformacije Zakaj potrebujemo transformacije? Animacija Več instanc istega predmeta, variacije istega objekta na sceni Tvorba kompliciranih predmetov iz bolj preprostih Transformacije gledanja Kaj
Prikaži večVrste
Matematika 1 17. - 24. november 2009 Funkcija, ki ni algebraična, se imenuje transcendentna funkcija. Podrobneje si bomo ogledali naslednje transcendentne funkcije: eksponentno, logaritemsko, kotne, ciklometrične,
Prikaži večANALITIČNA GEOMETRIJA V RAVNINI
3. Analitična geometrija v ravnini Osnovna ideja analitične geometrije je v tem, da vaskemu geometrijskemu objektu (točki, premici,...) pridružimo števila oz koordinate, ki ta objekt popolnoma popisujejo.
Prikaži večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Digitalni Elektronski Sistemi Osnove jezika VHDL Strukturno načrtovanje in testiranje Struktura vezja s komponentami
Prikaži večM
Š i f r a k a n d i d a t a : Državni izpitni center *M16140111* Osnovna raven MATEMATIKA Izpitna pola 1 SPOMLADANSKI IZPITNI ROK Sobota, 4. junij 016 / 10 minut Dovoljeno gradivo in pripomočki: Kandidat
Prikaži večNaloge iz kolokvijev Analize 1 (z rešitvami) E-UNI, GING, TK-UNI FERI dr. Iztok Peterin Maribor 2009 V tej datoteki so zbrane naloge iz kolokvijev za
Naloge iz kolokvijev Analize (z rešitvami) E-UNI, GING, TK-UNI FERI dr. Iztok Peterin Maribor 2009 V tej datoteki so zbrane naloge iz kolokvijev za predmet Analiza na smereh E-UNI, GING in TK-UNI na Fakulteti
Prikaži več5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisn
5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisni. Če so krajevni vektorji do točk a 0,..., a k v R
Prikaži več1. izbirni test za MMO 2018 Ljubljana, 16. december Naj bo n naravno število. Na mizi imamo n 2 okraskov n različnih barv in ni nujno, da imam
1. izbirni test za MMO 018 Ljubljana, 16. december 017 1. Naj bo n naravno število. Na mizi imamo n okraskov n različnih barv in ni nujno, da imamo enako število okraskov vsake barve. Dokaži, da se okraske
Prikaži večStrojna oprema
Asistenta: Mira Trebar, Miha Moškon UIKTNT 2 Uvod v programiranje Začeti moramo razmišljati algoritmično sestaviti recept = napisati algoritem Algoritem za uporabo poljubnega okenskega programa. UIKTNT
Prikaži večNamesto (x,y)R uporabljamo xRy
RELACIJE Namesto (x,y) R uporabljamo xry Def.: Naj bo R AxA D R = { x; y A: xry } je domena ali definicijsko obmocje relacije R Z R = { y; x A: xry } je zaloga vrednosti relacije R Za zgled od zadnjič:
Prikaži večUniverza v Novi Gorici Fakulteta za aplikativno naravoslovje Fizika (I. stopnja) Mehanika 2014/2015 VAJE Gravitacija - ohranitveni zakoni
Univerza v Novi Gorici Fakulteta za aplikativno naravoslovje Fizika (I. stopnja) Mehanika 2014/2015 VAJE 12. 11. 2014 Gravitacija - ohranitveni zakoni 1. Telo z maso M je sestavljeno iz dveh delov z masama
Prikaži večMATLAB programiranje MATLAB... programski jezik in programersko okolje Zakaj Matlab? tipičen proceduralni jezik enostaven za uporabo hitro učenje prir
MATLAB programiranje MATLAB... programski jezik in programersko okolje Zakaj Matlab? tipičen proceduralni jezik enostaven za uporabo hitro učenje priročno programsko okolje tolmač interpreter (ne prevajalnik)
Prikaži večRavninski grafi Tina Malec 6. februar 2007 Predstavili bomo nekaj osnovnih dejstev o ravninskih grafih, pojem dualnega grafa (k danemu grafu) ter kako
Ravninski grafi Tina Malec 6. februar 2007 Predstavili bomo nekaj osnovnih dejstev o ravninskih grafih, pojem dualnega grafa (k danemu grafu) ter kako ugotoviti, ali je nek graf ravninski. 1 Osnovni pojmi
Prikaži večglava.dvi
Lastnosti verjetnosti 1. Za dogodka A in B velja: P(A B) = P(A) + P(B) P(A B) 2. Za dogodke A, B in C velja: P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C) Kako lahko to pravilo posplošimo
Prikaži večMrežni modeli polimernih verig Boštjan Jenčič 22. maj 2013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posamezni segmenti p
Mrežni modeli polimernih verig Boštjan Jenčič. maj 013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posameni segmenti polimera asedejo golj ogljišča v kvadratni (ali kubični v
Prikaži večC:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-junij-17.dvi
Vpisna številka Priimek, ime Smer: K KT WA Izpit pri predmetu MATEMATIKA I Računski del Ugasni in odstrani mobilni telefon. Uporaba knjig in zapiskov ni dovoljena. Dovoljeni pripomočki so: kemični svinčnik,
Prikaži več7. VAJA A. ENAČBA ZBIRALNE LEČE
7. VAJA A. ENAČBA ZBIRALNE LEČE 1. UVOD Enačbo leče dobimo navadno s pomočjo geometrijskih konstrukcij. V našem primeru bomo do te enačbe prišli eksperimentalno, z merjenjem razdalj a in b. 2. NALOGA Izračunaj
Prikaži večOptimizacija z roji delcev - Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije
Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije 2. junij 2011 Koncept PSO Motivacija: vedenje organizmov v naravi Ideja: koordinirano
Prikaži večINDIVIDUALNI PROGRAM PREDMET: MATEMATIKA ŠOL. LETO 2015/2016 UČITELJ: ANDREJ PRAH Učenec: Razred: 7. Leto šolanja: Ugotovitev stanja: Učenec je lani n
INDIVIDUALNI PROGRAM PREDMET: MATEMATIKA ŠOL. LETO 2015/2016 UČITELJ: ANDREJ PRAH Učenec: Razred: 7. Leto šolanja: Ugotovitev stanja: Učenec je lani neredno opravljal domače naloge. Pri pouku ga je bilo
Prikaži večIme in priimek
Polje v osi tokovne zanke Seminar pri predmetu Osnove Elektrotehnike II, VSŠ (Uporaba programskih orodij v elektrotehniki) Ime Priimek, vpisna številka, skupina Ljubljana,.. Kratka navodila: Seminar mora
Prikaži večRAM stroj Nataša Naglič 4. junij RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni
RAM stroj Nataša Naglič 4. junij 2009 1 RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni trak, pomnilnik ter program. Bralni trak- zaporedje
Prikaži večMatematika 2
Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 23. april 2014 Soda in liha Fourierjeva vrsta Opomba Pri razvoju sode periodične funkcije f v Fourierjevo vrsto v razvoju nastopajo
Prikaži večDS2.dvi
Diskretne strukture II zapiski predavanj - prezentacija doc. dr. R. Škrekovski 1 Osnovno o grafih Če odnose med določenimi objekti opišemo z dvomestno relacijo, lahko to relacijo tudi narišemo (oz. grafično
Prikaži več1 Tekmovanje gradbenih tehnikov v izdelavi mostu iz špagetov 1.1 Ekipa Ekipa sestoji iz treh članov, ki jih mentor po predhodni izbiri prijavi na tekm
1 Tekmovanje gradbenih tehnikov v izdelavi mostu iz špagetov 1.1 Ekipa Ekipa sestoji iz treh članov, ki jih mentor po predhodni izbiri prijavi na tekmovanje. Končni izdelek mora biti produkt lastnega dela
Prikaži večMicrosoft Word - CelotniPraktikum_2011_verZaTisk.doc
Elektrotehniški praktikum Sila v elektrostatičnem polju Namen vaje Našli bomo podobnost med poljem mirujočih nabojev in poljem mas, ter kakšen vpliv ima relativna vlažnost zraka na hitrost razelektritve
Prikaži večPoslovilno predavanje
Poslovilno predavanje Matematične teme z didaktiko Marko Razpet, Pedagoška fakulteta Ljubljana, 20. november 2014 1 / 32 Naše skupne ure Matematične tehnologije 2011/12 Funkcije več spremenljivk 2011/12
Prikaži večC:/AndrejT/vestnik/76_1/Rotovnik/main.dvi
Elektrotehniški vestnik 76(1-2): 19 24, 2009 Electrotechnical Review, Ljubljana, Slovenija Optimalno permutacijsko usmerjanje v heksagonalnih omrežjih Maja Rotovnik 1, Jurij Šilc 2, Janez Žerovnik 3,1
Prikaži večVektorji - naloge za test Naloga 1 Ali so točke A(1, 2, 3), B(0, 3, 7), C(3, 5, 11) b) A(0, 3, 5), B(1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 Ali toč
Vektorji - naloge za test Naloga 1 li so točke (1, 2, 3), (0, 3, 7), C(3, 5, 11) b) (0, 3, 5), (1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 li točke a) (6, 0, 2), (2, 0, 4), C(6, 6, 1) in D(2, 6, 3), b)
Prikaži večFAKULTETA ZA STROJNIŠTVO Matematika 2 Pisni izpit 9. junij 2005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite bese
FAKULTETA ZA STROJNIŠTVO Matematika Pisni izpit 9. junij 005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo
Prikaži večMicrosoft Word - UP_Lekcija04_2014.docx
4. Zanka while Zanke pri programiranju uporabljamo, kadar moramo stavek ali skupino stavkov izvršiti večkrat zaporedoma. Namesto, da iste (ali podobne) stavke pišemo n-krat, jih napišemo samo enkrat in
Prikaži več11. Navadne diferencialne enačbe Začetni problem prvega reda Iščemo funkcijo y(x), ki zadošča diferencialni enačbi y = f(x, y) in začetnemu pogo
11. Navadne diferencialne enačbe 11.1. 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
Prikaži večMatematika Diferencialne enačbe prvega reda (1) Reši diferencialne enačbe z ločljivimi spremenljivkami: (a) y = 2xy, (b) y tg x = y, (c) y = 2x(1 + y
Matematika Diferencialne enačbe prvega reda (1) Reši diferencialne enačbe z ločljivimi spremenljivkami: (a) y = 2xy, (b) y tg x = y, (c) y = 2x(1 + y 2 ). Rešitev: Diferencialna enačba ima ločljive spremenljivke,
Prikaži večMatematika II (UNI) Izpit (23. avgust 2011) RE ITVE Naloga 1 (20 to k) Vektorja a = (0, 1, 1) in b = (1, 0, 1) oklepata trikotnik v prostoru. Izra una
Matematika II (UNI) Izpit (. avgust 11) RE ITVE Naloga 1 ( to k) Vektorja a = (, 1, 1) in b = (1,, 1) oklepata trikotnik v prostoru. Izra unajte: kot med vektorjema a in b, pravokotno projekcijo vektorja
Prikaži večMere kompleksnih mrež (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike
Mere kompleksnih mrež (angl. Network Statistics) Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike Ajda Pirnat, Julia Cafnik in Živa Mitar Fakulteta za matematiko in fiziko April
Prikaži večPovzporejanje metahevristik za NP-polne probleme
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Povzporejanje metahevristik za NP-polne probleme Rok Cvahte Delo je pripravljeno v skladu s Pravilnikom o podeljevanju Prešernovih nagrad
Prikaži večSlide 1
Vsak vektor na premici skozi izhodišče lahko zapišemo kot kjer je v smerni vektor premice in a poljubno število. r a v Vsak vektor na ravnini skozi izhodišče lahko zapišemo kot kjer sta v, v vektorja na
Prikaži večIme in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31. avgust 2018 Navodila Pazljivo preberite
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31 avgust 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven
Prikaži večMicrosoft Word - 9.vaja_metoda porusnih linij.docx
9. vaja: RAČUN EJNE NOSILNOSTI AB PLOŠČ PO ETODI PORUŠNIH LINIJ 1. ZASNOVA S pomočjo analize plošč po metodi porušnih linij bomo določili mejno obtežbo plošče, za katero poznamo geometrijo, robne pogoje
Prikaži večMicrosoft Word - Avditorne.docx
1. Naloga Delovanje oscilatorja je odvisno od kapacitivnosti kondenzatorja C. Dopustno območje izhodnih frekvenc je podano z dopustnim območjem kapacitivnosti C od 1,35 do 1,61 nf. Uporabljen je kondenzator
Prikaži večFGG14
Iterativne metode podprostorov Iterativne metode podprostorov uporabljamo za numerično reševanje linearnih sistemov ali računanje lastnih vrednosti problemov z velikimi razpršenimi matrikami, ki so prevelike,
Prikaži večKotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku β a c γ b α sin = a c cos = b c tan = a b cot = b a Sinus kota je razmerje kotu naspr
Kotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku 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 in hipotenuze. Kosinus kota je razmerje
Prikaži več2. izbirni test za MMO 2017 Ljubljana, 17. februar Naj bosta k 1 in k 2 dve krožnici s središčema O 1 in O 2, ki se sekata v dveh točkah, ter
2. izbirni test za MMO 2017 Ljubljana, 17. februar 2017 1. Naj bosta k 1 in k 2 dve krožnici s središčema O 1 in O 2, ki se sekata v dveh točkah, ter naj bo A eno od njunih presečišč. Ena od njunih skupnih
Prikaži večPoročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefo
Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefonih. Obstaja precej različic, sam pa sem sestavil meni
Prikaži večUrejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se
Urejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se velikokrat zmoti. Na srečo piše v programu Microsoft
Prikaži večSrednja šola za oblikovanje
Srednja šola za oblikovanje Park mladih 8 2000 Maribor POKLICNA MATURA MATEMATIKA SEZNAM VPRAŠANJ ZA USTNI DEL NARAVNA IN CELA ŠTEVILA Opišite vrstni red računskih operacij v množici naravnih števil. Kakšen
Prikaži večpredstavitev fakultete za matematiko 2017 A
ZAKAJ ŠTUDIJ MATEMATIKE? Ker vam je všeč in vam gre dobro od rok! lepa, eksaktna veda, ki ne zastara matematičnoanalitično sklepanje je uporabno povsod matematiki so zaposljivi ZAKAJ V LJUBLJANI? najdaljša
Prikaži večFGG13
10.8 Metoda zveznega nadaljevanja To je metoda za reševanje nelinearne enačbe f(x) = 0. Če je težko poiskati začetni približek (še posebno pri nelinearnih sistemih), si lahko pomagamo z uvedbo dodatnega
Prikaži večMicrosoft Word - A-3-Dezelak-SLO.doc
20. posvetovanje "KOMUNALNA ENERGETIKA / POWER ENGINEERING", Maribor, 2011 1 ANALIZA OBRATOVANJA HIDROELEKTRARNE S ŠKOLJČNIM DIAGRAMOM Klemen DEŽELAK POVZETEK V prispevku je predstavljena možnost izvedbe
Prikaži večMicrosoft Word - Pravila - AJKTM 2016.docx
PRAVILA ALI JE KAJ TRDEN MOST 2016 3. maj 5. maj 2016 10. 4. 2016 Maribor, Slovenija 1 Osnove o tekmovanju 1.1 Ekipa Ekipa sestoji iz treh članov, ki so se po predhodnem postopku prijavili na tekmovanje
Prikaži več1 Naloge iz Matematične fizike II /14 1. Enakomerno segreto kocko vržemo v hladnejšo vodo stalne temperature. Kako se spreminja s časom temperat
1 Naloge iz Matematične fizike II - 2013/14 1. Enakomerno segreto kocko vržemo v hladnejšo vodo stalne temperature. Kako se spreminja s časom temperatura v kocki? Kakšna je časovna odvisnost toplotnega
Prikaži večFGG02
6.6 Simetrični problem lastnih vrednosti Če je A = A T, potem so lastne vrednosti realne, matrika pa se da diagonalizirati. Schurova forma za simetrično matriko je diagonalna matrika. Lastne vrednosti
Prikaži večBrownova kovariancna razdalja
Brownova kovariančna razdalja Nace Čebulj Fakulteta za matematiko in fiziko 8. januar 2015 Nova mera odvisnosti Motivacija in definicija S primerno izbiro funkcije uteži w(t, s) lahko definiramo mero odvisnosti
Prikaži večPoglavje 3 Reševanje nelinearnih enačb Na iskanje rešitve enačbe oblike f(x) = 0 (3.1) zelo pogosto naletimo pri reševanju tehničnih problemov. Pri te
Poglavje 3 Reševanje nelinearnih enačb Na iskanje rešitve enačbe oblike f(x) = 0 (3.1) zelo pogosto naletimo pri reševanju tehničnih problemov. Pri tem je lahko nelinearna funkcija f podana eksplicitno,
Prikaži več2.1 Osnovni pojmi 2 Nim Ga²per Ko²mrlj, Denicija 2.1 P-poloºaj je poloºaj, ki je izgubljen za igralca na potezi. N- poloºaj je poloºaj, ki
2.1 Osnovni pojmi 2 Nim Ga²per Ko²mrlj, 2. 3. 2009 Denicija 2.1 P-poloºaj je poloºaj, ki je izgubljen za igralca na potezi. N- poloºaj je poloºaj, ki je dobljen za igralca na potezi. Poloºaj je kon en,
Prikaži večPREDMETNI KURIKULUM ZA RAZVOJ METEMATIČNIH KOMPETENC
MATEMATIKA 1.razred OSNOVE PREDMETA POKAZATELJI ZNANJA SPRETNOSTI KOMPETENCE Naravna števila -pozna štiri osnovne računske operacije in njihove lastnosti, -izračuna številske izraze z uporabo štirih računskih
Prikaži večPowerPoint Presentation
Integral rešujemo nalogo: Dana je funkcija f. Najdimo funkcijo F, katere odvod je enak f. Če je F ()=f() pravimo, da je F() primitivna funkcija za funkcijo f(). Primeri: f ( ) = cos f ( ) = sin f () =
Prikaži večDOMACA NALOGA - LABORATORIJSKE VAJE NALOGA 1 Dani sta kompleksni stevili z in z Kompleksno stevilo je definirano kot : z = a + b, a p
DOMACA NALOGA - LABORATORIJSKE VAJE NALOGA 1 Dani sta kompleksni stevili z 1 5 2 3 in z 2 3 8 5. Kompleksno stevilo je definirano kot : z = a + b, a predstavlja realno, b pa imaginarno komponento. z 1
Prikaži večIme in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be
Ime in priimek: Vpisna št: FAKULEA ZA MAEMAIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6 julij 2018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven rezultat
Prikaži večMicrosoft Word - M _mod..docx
Državni izpitni center *M17278113* JESENSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Ponedeljek, 28. avgust 2017 SPLOŠNA MATURA Državni izpitni center Vse pravice pridržane. M172-781-1-3 2 IZPITNA POLA 1 1
Prikaži večMladi za napredek Maribora srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 2015
Mladi za napredek Maribora 015 3. srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 015 Kazalo 1. Povzetek...3. Uvod...4 3. Spirala 1...5 4. Spirala...6 5. Spirala 3...8 6. Pitagorejsko drevo...10
Prikaži večStrokovni izobraževalni center Ljubljana, Srednja poklicna in strokovna šola Bežigrad PRIPRAVE NA PISNI DEL IZPITA IZ MATEMATIKE 2. letnik nižjega pok
Strokovni izobraževalni center Ljubljana, Srednja poklicna in strokovna šola Bežigrad PRIPRAVE NA PISNI DEL IZPITA IZ MATEMATIKE 2. letnik nižjega poklicnega izobraževanja NAVODILA: Izpit iz matematike
Prikaži večProtokoli v računalniškem komuniciranju TCP, IP, nivojski model, paket informacij.
Protokoli v računalniškem komuniciranju TCP, IP, nivojski model, paket informacij. Protokoli - uvod Protokol je pravilo ali zbirka pravil, ki določajo načine transporta sporočil po računalniškem omrežju
Prikaži večNavodila za uporabo Mini prenosna HD kamera s snemalnikom
Navodila za uporabo Mini prenosna HD kamera s snemalnikom www.spyshop.eu Izdelku so priložena navodila v angleščini, ki poleg teksta prikazujejo tudi slikovni prikaz sestave in delovanja izdelka. Lastnosti
Prikaži večNumeri na analiza - podiplomski ²tudij FGG doma e naloge - 1. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 10 to k
Numeri na analiza - podiplomski ²tudij FGG doma e naloge -. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 0 to k in da bo vsaj ena izmed njih vredna vsaj 4 to ke. Za
Prikaži večLABORATORIJSKE VAJE IZ FIZIKE
UVOD LABORATORIJSKE VAJE IZ FIZIKE V tem šolskem letu ste se odločili za fiziko kot izbirni predmet. Laboratorijske vaje boste opravljali med poukom od začetka oktobra do konca aprila. Zunanji kandidati
Prikaži večTuringov stroj in programiranje Barbara Strniša Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolo
Turingov stroj in programiranje Barbara Strniša 12. 4. 2010 1 Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolov (običajno Σ 2) Σ n = {s 1 s 2... s n ; s i Σ, i =
Prikaži večZveznostFunkcij11.dvi
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
Prikaži večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 2. kolokvij 4. januar 212 Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo samo rešitve na papirju, kjer
Prikaži večWienerjevemu indeksu podobni indeksi na grafih
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TENOLOGIJE Matematične znanosti, stopnja Daliborko Šabić Wienerjevemu indeksu podobni indeksi na grafih Magistrsko delo Mentor:
Prikaži večPowerPointova predstavitev
Obravnava kotov za učence s posebnimi potrebami Reading of angles for pupils with special needs Petra Premrl OŠ Danila Lokarja Ajdovščina OSNOVNA ŠOLA ENAKOVREDNI IZOBRAZBENI STANDARD NIŽJI IZOBRAZBENI
Prikaži večMicrosoft Word - 9.vaja_metoda porusnih linij_17-18
9. vaja: RAČUN EJNE NOSILNOSTI AB PLOŠČ PO ETODI PORUŠNIH LINIJ S pomočjo analize plošč po metodi porušnih linij določite mejno obtežbo plošče, za katero poznate geometrijo, robne pogoje ter razporeditev
Prikaži večMicrosoft PowerPoint _12_15-11_predavanje(1_00)-IR-pdf
uporaba for zanke i iz korak > 0 oblika zanke: for i iz : korak : ik NE i ik DA stavek1 stavek2 stavekn stavek1 stavek2 stavekn end i i + korak I&: P-XI/1/17 uporaba for zanke i iz korak < 0 oblika zanke:
Prikaži večLinearna algebra - povzetek vsebine Peter Šemrl Jadranska 21, kabinet 4.10 Izpitni režim: Kolokviji in pisni izpiti so vsi s
Linearna algebra - povzetek vsebine Peter Šemrl Jadranska 21, kabinet 410 petersemrl@fmfuni-ljsi Izpitni režim: Kolokviji in pisni izpiti so vsi sestavljeni iz dveh delov: v prvem delu se rešujejo naloge,
Prikaži večPoročilo o opravljenem delu pri praktičnem pouku fizike: MERJENJE S KLJUNASTIM MERILOM Ime in priimek: Mitja Kočevar Razred: 1. f Učitelj: Otmar Uranj
Poročilo o opravljenem delu pri praktičnem pouku fizike: MERJENJE S KLJUNASTIM MERILOM Ime in priimek: Mitja Kočevar Razred: 1. f Učitelj: Otmar Uranjek, prof. fizike Datum izvedbe vaje: 11. 11. 2005 Uvod
Prikaži večDN5(Kor).dvi
Koreni Število x, ki reši enačbo x n = a, imenujemo n-ti koren števila a in to označimo z n a. Pri tem je n naravno število, a pa poljubno realno število. x = n a x n = a. ( n a ) n = a. ( n a ) m = n
Prikaži večMatematika II (UN) 1. kolokvij (13. april 2012) RE ITVE Naloga 1 (25 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je A
Matematika II (UN) 1 kolokvij (13 april 01) RE ITVE Naloga 1 (5 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je 0 1 1 A = 1, 1 A 1 pa je inverzna matrika matrike A a) Poi² ite
Prikaži večExcel 2016
PRIDOBIVANJE TEMELJN IH IN POKLICNIH KOMPETENC OD 2019 DO 2022 HIPERPOVEZAVA Gradivo za interno uporabo AVTOR: Belinda Lovrenčič Gradivo ni lektorirano V Maj 2019 Operacijo sofinancira Evropska unija,
Prikaži večPodatkovni model ER
Podatkovni model Entiteta- Razmerje Iztok Savnik, FAMNIT 2018/19 Pregled: Načrtovanje podatkovnih baz Konceptualno načtrovanje: (ER Model) Kaj so entite in razmerja v aplikacijskem okolju? Katere podatke
Prikaži večStatistika, Prakticna matematika, , izrocki
Srednje vrednosti Srednja vrednost...... številske spremenljivke X je tako število, s katerim skušamo kar najbolje naenkrat povzeti vrednosti na posameznih enotah: Polovica zaposlenih oseb ima bruto osebni
Prikaži večMATEMATIKA 2. LETNIK GIMNAZIJE G2A,G2B Sestavil: Matej Mlakar, prof. Ravnatelj: Ernest Simončič, prof. Šolsko leto 2011/2012 Število ur: 140
MATEMATIKA 2. LETNIK GIMNAZIJE G2A,G2B Sestavil: Matej Mlakar, prof. Ravnatelj: Ernest Simončič, prof. Šolsko leto 2011/2012 Število ur: 140 Pravila ocenjevanja pri predmetu matematika na Gimnaziji Krško
Prikaži večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Peter Škofič Maribor, 2014
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Peter Škofič Maribor, 2014 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
Prikaži večDiapozitiv 1
9. Funkcije 1 9. 1. F U N K C I J A m a i n () 9.2. D E F I N I C I J A F U N K C I J E 9.3. S T A V E K r e t u r n 9.4. K L I C F U N K C I J E I N P R E N O S P A R A M E T R O V 9.5. P R E K R I V
Prikaži več