STROJN IŠKI VESTNIK LJUBLJANA, MAREC APRIL 1976 ŠTEVILKA 3_4 UDK Značilnosti naključnega gibanja delcev nehomogene snovi IGOR GRABEC Uvod Ve
|
|
- Eva Rutar
- pred 4 leti
- Pregledov:
Transkripcija
1 STROJN IŠKI VESTNIK LJUBLJANA, MAREC APRIL 1976 ŠTEVILKA 3_4 UDK Značilnosti naključnega gibanja delcev nehomogene snovi IGOR GRABEC Uvod Večina snovi, ki jih uporabljam o v tehniki, je heterogenih. Pogosto naletim o n a prim ere, ko je heterogenost izbrane snovi posledica prisotnosti delcev druge snovi ali faze. K ot značilne prim ere lahko' navedem o strojno olje s prim ešanim i kovinskim i delci, m ešanico vode in m ehurčkov pare, razne suspenzije in emulzije, m ešanice različnih v rst prahu itd. Sestava teh snovi je naključne narave, zato moramo pri opisu njihovih lastnosti uporabljati statistične m etode. K a d ar je heterogena snov predm et obdelave v tehniškem procesu, pogosto naletim o na problem popisa njenih transportnih lastnosti. Namen članka je dokazati, kako lahko' nekatere značilne tran sp o rtn e lastnosti heterogene snovi napovem o po zelo splošnih predpostavkah o* naključni naravi gibanja delcev opazovane kom ponente. V ta nam en bomo obravnavali statistični opis gibanja skupine delcev izbrane kom ponente pod naključnim i vplivi okolice. Vzeli bomo, da so delci v statističnem pom enu m edsebojno neodvisni, lastnosti snovi pa stacionarne in k rajev n o neodvisne. S tem najpreprostejšim modelom bomo pokazali, k atere osnovne p odatke potrebujem o' za popis tran sp o rtn ih lastnosti heterogene snovi. Naš končni nam en pa je pokazati, kako lahko do teh podatkov pridemo* z m erjenjem korelacijskih funkcij veličin, ki jih uporabljam o za popis fizikalnega stan ja snovi. Statistični opis naključnega gibanja delcev Zam islim o si m nožico enakih delcev, ki se gibljejo pod naključnim i vplivi okolja. Kot prim er lahko vzamemo zrna kovine v tekočini. Vsakega od delcev si zam išljam o označenega z indeksom in za vsakega naj obstaja značilna točka, recimo* težišče, s k atero bom o opisovali lego- delca. Z aradi preprostosti bomo obravnavali le enodimenzijsko* gibanje. G ibanje j-teg a delca opišemo* z odvisnostjo* koordin ate X j od časa t: X j = X, (t) (1) G ibanje skupine delcev je deterministično* opredeljeno, če poznamo časovne poteke vseh koordinat. N abor vseh koordinat je večdim enzijski vektor, ki ga bom o označili X (t) = (Xi (t), X2 (t),...) ( 2 ) K adar je gibanje delcev naključno*, pom eni vekto r X (t) naključni večdim enzijski proces. Po* statističnem vidiku izčrpno opredelimo ta proces, če podamo* vse možne porazdelitve verjetnosti za vse možne trenutke [1, 2], Naj bo* ustrezni popis podan s funkcijo d P (xii < X \ (tu) aru + daru, X12 -^1 (^12) X12 dx12, ' X21 < X 2 ( 21) ^ X21 + dx2i,... (3) Xjk Xj (tjk) Xjk H- dxjk,... = f (aru, tu; ari2, t\r,... ; ar,*, t,*;...) dxu dxi2... dxy* P ri tem smo z velikimi Х ј označili naključne spremenljivke, z m alimi ary* pa možne vrednosti v različnih tren u tk ih. Zgoraj zapisana funkcija podaja porazdelitev povezane verjetnosti, da zavzam ejo koordinate X 1; X 2...,Xj,... v časovnih trenutkih tu, ti2,..., tgi,.., tjk,... vrednosti v intervalih s širinam i daru, darj2, da^i,..., dary*,... v okolici aru, an2,..., ar2i,..., ary*,... V naši obravnavi bomo vzeli, da je proces, ki ga predstavlja vektor X (t), stacionaren, kar pomeni, da morajo* biti vse verjetnostne porazdelitve neodvisne od začetka štetja časa [1, 2]. Zato mora biti v prim eru, ko se porazdelitev nanaša na eno samo koordinato ob določenem trenutku, ustrezna gostotna funkcija f neodvisna od časa; v več tre n u t kih pa je lahko odvisna le od časovnih razlik. Mi bomo* še nadalje vzeli, da so delci medsebojno* naključno neodvisni. V tem prim eru je mogoče gostoto verjetnostne porazdelitve zapisati kot produkt verjetnostnih gostot, ki se nanašajo* na posamezne delce z indeksi 1, 2,... j f = fi (aru, tu ; x i2, 112;...) ^ ' /2 (X21, *21; fi (arjk) tjk', ) K adar imamo* opravka z enakimi delci, so* njihove lastnosti po statističnem vidiku enake, zato mora biti gostota porazdelitve verjetnosti, ki se nanaša na posamezen delec, neodvisna od njegovega indeksa. Omejili se bomo na obravnavo* takšnih p rim erov delno zaradi preprostosti, delno pa zato, ker so zelo pogosti.
2 Za opis tran sp o rtn ih lastnosti naključno gibajočih se delcev je n ad alje osnovnega pom ena gostota povezane verjetnosti za posamezni delec v dveh trenutkih. Navadno jo» izrazimo s pogojno» verjetnostjo: Iz prejšnje enačbe (8) nato izhaja: Г eik x F (k, t + t') d k = 2 л J f (жп, tu; x i2, tis) = f (хц, tu) f (Ж12, ti2 I aru, tu) (5) (2 sr) j j j eik <X~S; F ^ elkx F (k Qdk dk' ds (10) P ri tem popisuje f (хц, tu) gostoto verjetnosti, da bo prvi delec v okolici хц pri času tu, f (xi2, ti2 I * 11, tu) pa podaja gostoto pogojne verjetnosti, da bo isti delec pri X12 ob času ti2 s pogojem, da je bil ta delec p ri х ц ob času tu. P ri stacionarnih procesih m ora biti gostota f (xn, tu) neodvisna od tu, gostota pogojne verjetnosti pa je lahko» odvisna le od časovne razlike t == 12 tu. To pomeni, da verjetnost za prem ik delca od x n k x 12 ni odvisna od preteklosti delca. Ustrezne procese im enujem o markovske [2], Pogosto im am o opravka s heterogenim i snovmi, pri katerih transportne lastnosti niso odvisne od kraja. T akšne snovi so v statističnem sm islu homogene. U strezajoča pogojna verjetnost za prehod delca od x u k X12 m ora biti odvisna le od razlike X12 x u = X. Nadalje bomo zaradi preprostosti obravnavali le procese te vrste, gostoto pogojne v erjetnosti p a bomo» zapiso»vali v obliki p (X, t) = / (X12, tl2 I xu, tu) (6) Ta verjetnostna gostota je veličina, s katero» bomo opisali trasportne lastnosti skupine naključno» gibajočih se delcev in si bomo zato njene značilnosti ogledali podrobneje. Najbolj značilna lastnost gibanja delca je, da je mogoče izraziti prem ik v nekem časovnem intervalu kot vsoto prem ikov v pripadajočih časovnih podintervalih. To lastnost popišem o z enačbo X (t + t') = X (t) + X (t') (7) Ta osnovna lastnost se m ora kazati tudi na funkcijski obliki verjetnostne gostote za prem ik p (x, t). Če jo želimo upoštevati m oram o izhajati iz tega, da je prem ik v poljubnem časovnem intervalu n a ključna spremenljivka, ki jo je mogoče izražati z vsoto dveh drugih m edsebojno neodvisnih naključnih sprem enljivk. Gostoto» porazdelitve verjetnosti vso»te pa dobimo s konvolucijo verjetnostnih gostot, pripadajočih sum andom a [1, 2] p (x, t + t') = J p (x s, t') p (s, t) ds (8) Rešitvi te integralne enačbe se približam o tako, da vpeljem o karakteristično funkcijo s Fourierovo transform acijo verjetnostne gostote [1, 2, 3, 4] p (X, t) = Г elk x F (k, t) d k 2 n J Po s lahko integriramo», če upoštevamo izraz za Fourierovo transform acijo delta funkcije [2] <5(k k ) T f gi (fc fc ) s d s 2 л J ( 11) S tem izrazom lahko nato integriram o še po k', tako da dobimo naslednjo» enačbo ( eik x F (k,t + t') d k = 2 n J = f eik x F (k, t ') F (k, t) d k 2 л J ( 12) Enačba je izpolnjena, če karakteristična funkcija zadošča pogoju F (k, t + t') = F (k, t'). F (k, t) (13) Temu pogoju zadošča eksponentna funkcija, ki jo bomo zapisah v obliki F (M ) = e-4!*)* (14) pri čemer je w (k) lahko še kom pleksna funkcija. Fizikalni pomen funkcije w (k) lahko razložimo», če izrazimo karakteristično funkcijo z verjetnostno gostoto prek Fourierovega obrata F (k, t) = e- i w 1 = j e~lkx p (x, t) dx (15) Funkcijo w (k) lahko» popišemo s Taylorjevo vrsto». V ta namen moramo poznati vrednosti funkcije in njenih odvodov pri k = 0. Izračunamo jih lahko iz enačbe (15) e-1 w ( )f = J p (x, t) dx = 1 (16) ah w (0) = 0. Z odvajanjem karakteristične funkcije po k dolbimo za k = 0 naslednja izraza ( i t) = J ( i X) p (X, t) dx = i E t [X] (17) d k \ d k J d k 2 (18) - J ( -i XY p (x, t) dx = Et [x2]
3 V teh izrazih smo z Et [...] označili statistično poprečje nakazane veličine pri času t. Iz zadnjega izraza lahko dobimo drugi odvod d2w (0) - i t = - E t [x2] + (Et [X])2 = dfc2 = Et [(x Et [x])2] (19) Izraza (17) in (19) kažeta, da se odvoda funkcije w (k) pri k = 0 izražata preprosto s statističnimi poprečji prem ika x pri določenem času. Zaradi nazorne fizikalne interpretacije navadno vpeljem o pojem poprečne hitrosti z izrazom Et [x] _ du; (0) t dk (20) Poprečni kvadratični odmik od srednje vrednosti opisuje raztros v gibanju delcev, zato definiramo z njim difuzijski koeficient prek izraza 2D Et [(x Et [X ])2] t d2u; (0) i d k2 (21) Poprečna hitrost in difuzijski koeficient do drugega reda popisujeta statistične transportne lastnosti naključno gibajočih se neodvisnih delcev. H krati je z njim a do drugega reda popisana funkcija w (k). Splošno bi lahko pokazali, da ustreza izčrpen popis statističnih poprečij prem ika podajanju Taylorjeve vrste za funkcijo w (k). Navidezno z vpeljavo karakteristične funkcije nismo ničesar pridobili. V endar ne smemo pozabiti, da sta v karakteristični funkciji, ki jo popisuje (14), že vsebovani sestavljivost prem ika in naključna neodvisnost sestavnih delov, k a r je bistvena predpostavljena lastnost naključnega gibanja delcev. Ta lastnost se kaže v tem, da lahko gostoto verjetnosti p (x, t), ki je odvisna od dveh spremenljivk, izrazimo s funkcijo ene same spremenljivke w (k). Zanimivo je nadalje, da sama oblika karakteristične funkcije omogoča približno oceniti tudi obliko verjetnostne gostote. Zapišimo v ta nam en najprej izraz za verjetnostno gostoto', ki izhaja iz enačb (9) in (14), ter nato še za njena prva parcialna odvoda: P (X, t) = I g ik x lw(k)t (Jfc (22) 2 jr J dp = f ( i го (k)) eikx - lb dk (23) d t 2 n J = Ci k elk x -lw (k )td lc (24) d X 2 71 J Uporaba operatorjev id/dt in -iö/бх ustreza množenju z w (k) in k pod integralnim znakom. Če torej uporabimo' operator -idldx tako, kakor nakazuje funkcija w, m oramo dobiti operator id/dt. Simbolično zapišemo ta sklep v obliki. d p (x,t) / d \ = w l i p ( x, t) (25) o t \ d x / S tem smo integralno enačbo za p (x, t) prevedli v diferencialno. Če nas zanimajo le statistični podatki do drugega reda momentov, zapišemo w(k)^w (0) + ^. k + dk d2u; (0) k2 d k2 2! in z upoštevanjem izrazov (20) in (21) še (26) w (k) ^ u k i D k2 (27) Diferencialno enačbo za verjetnostno gostoto lahko nato' zapišemo v obliki d p (X, t) d t ^ ) p ( x,t ), D d2p (x, t) (28) д X д X2 V erjetnostna gostota torej približno' zadošča posplošeni difuzijski enačbi. Ker je zaradi končnih hitrosti delcev x = 0 za t = 0, k a r ustreza gotovemu dogodku, moramo pri reševanju enačbe (28) izbrati tisto rešitev, ki zadošča pogoju lim p (x, t) = d(x) (29) t-^o Ustrezna rešitev je podana z izrazom [5] p (X, t) - )/4 л D t {x vty 4 Dt (30) Doslej smo' gledali na funkcijo p (x, t) kot na verjetnost za prem ik posameznega delca. Zaradi povezanosti z difuzijsko enačbo pa lahko' podamo tudi naslednjo razlago [5]. Zamislimo si skupino enakih, medsebojno statistično neodvisnih delcev, ki so pri X = 0 ob času t = 0. Po preteku časa t bo relativno število delcev v infinitezimalnem intervalu okoli x enako verjetnosti za premik x. Verjetnostno gostoto p (x, t) lahko zato obravnavamo kot koncentracijo delcev v prostoru okoli x po preteku časa t, če so bili delci pri t = 0 v koordinatnem izhodišču. P ri opisovanju transportnih pojavov, ki so posledica naključnega prem ikanja izbrane vrste delcev, se navadno zadovoljimo z opredelitvijo poprečne hitrosti in difuzijskega koeficienta. Tako pri teoretični kakor pri eksperimentalni obravnavi naključnega gibanja se pojavi problem povezave teh dveh param etrov z vzroki naključnega gibanja. Po
4 teoretični poti skušam o to povezavo najti s prim erno form ulacijo m odela naključnega gibanja, ki mora upoštevati vse specifičnosti opisovanega pojava. Največ je bilo v tej sm eri narejenega pri študiju B row novega gibanja m ikroskopskih delcev v tekočinah [4, 5]. Ustrezne obravnave bi nas odvedle predaleč od nam ena tega članka in se jim bomo zato izognili. Jed ro eksperim entalnega dela je še do nedavnega pomenilo iskanje verjetnosti p (x, t) oziroma param etrov v in D z zasledovanjem poti velikega števila posameznih delcev in določanja poprečij po teh m erjenjih. Preizkusi te vrste so še posebej zamudni v prim erih, ko iščem o vplive raznih fizikalnih veličin na potek naključnega gibanja. V novejšem obdobju je vpeljava elektronske obdelave podatkov to delo precej olajšala. Zasledovanje gibanja posam eznih delcev pa je za avtom atično elektronsko obdelavo podatkov neprikladno zaradi težav pri razpoznavanju delcev. Z aradi tega je za študij tran s portnih lastnosti, ki so posledica naključnega gibanja, bolj prim erno uporabljati elektronsko' korelacijsko tehniko*. V tem prim eru ne opazujemo gibanja posameznih delcev, temveč m erim o korelacijske funkcije fizikalnih veličin, ki nam rabijo za popis stan ja snovi. K ako iz n jih sklepam o o lastnostih naključnega gibanja, si bomo ogledali v naslednjem delu članka. Statistični opis polja naključno potujočih delcev Doslej smo okarakterizirali posamezni delec le z njegovo lego, ki jo podaja koordinata Xj (t). Če hočemo stan je bolj izčrpno popisati, m oram o povedati še, kako se v okolici ustrezne točke sprem injajo fizikalne veličine, ki rabijo za popis stanja snovi, kakor na prim er gostota snovi ali električno polje. Naj funkcija g (x Xj) označuje potek izbrane fizikalne veličine v prostoru okoli delca z indeksom j. Pogosto im am o opravka s prim eri, ko lahko vpliv skupine prisotnih delcev n a lastnosti snovi izrazim o z vsote vplivov posam eznih delcev z (x, t) = 2 g (x Xj (t)) (31) j P ri tem smo s funkcijo z (x, t) opisali sprem injanje m erjene fizikalne veličine v odvisnosti od kraja in časa. Ta funkcija pomeni zaradi naključnega gibanja delcev naključno polje. Navadno statistično okarakteriziram o takšno polje s poprečno vrednostjo in korelacijsko funkcijo sprem enljivke z (x, t), ki ju pišemo E [z (x, t)] = m s (ar, t) (32) E [z (x, t) z (x + Ax, t + At)] = = Rz (x, t, Ax, At) (33) To sta tudi veličini, ki ju najpogosteje eksperim entalno določamo*. Naša želja je ugotoviti, kako se lastnosti naključnega gibanja delcev kažejo na teh dveh poprečjih. V ta nam en uporabljam o podobne metode, kakršne smo uporabili v članku o im pulznih naključnih prooesih [6], Vpeljimo najprej naključno gostoto delcev s tem, da zapišemo funkcijo' z v obhki z (x, t) = J g (x x ) I (x, t) dx' (34) Če hočemo, da velja izraz (31), m ora biti naključna gostota podana z naslednjo zvezo* I (X, t) = S d (x' X j (t)) (35) j Ta veličina nam posreduje prehod od števno* dim enzionalnega procesa naključnih koordinat k naključnem u polju. Z njo lahko izrazim o tudi poprečno* vrednost in korelacijsko funkcijo mz = J g (x x ) E [I (x', t)] dx' (36) Rz = J g (x x ) g (x + Ax x") E [f (X, t) I (x", t")] dx' dx" (37) P ri tem smo upoštevali, da se operacija poprečen j a nanaša samo na naključne spremenljivke. V izrazih (36) in (37) sta se pojavili poprečna vrednost in korelacijska funkcija gostote delcev. Nekatere njune značilnosti lahko opredelimo, če upoštevamo lastnosti naključnega gibanja delcev. Iz definicije naključne gostote izhaja najprej E [I (X, t)] = J X б (x Xj (t))dp = 2 1f j (X, t) (38) J i V tej enačbi opisuje fj (x', t) gostoto verjetnosti, da zavzame koordinata Xj pri času t vrednost v okolici x. Že v prvem delu članka smo vzeli, da je ta gostota konstanta, neodvisna od vrednosti x, časa t in indeksa j. Zato lahko* zapišemo E [I(x ',t)] = I0 (39) Z integracijo* te veličine dobimo poprečno* število delcev v izbranem integracijskem intervalu [6] in dalje N = \I0dx = I0.L (40) L Iz zadnjega izraza je razvidno, da mora biti za izbrani naključni proces poprečno število delcev odvisno samo od velikosti izbranega intervala in ne od njegove lege. Za poprečno vrednost polja nadalje izhaja enačba L тг = I0 J g (x x) dx' = 10 g = const (42)
5 Ugotovili smo, da je poprečna vrednost polja neodvisna od lege in časa v statistično homogenem in stacionarnem stanju snovi. Podobno kakor za poprečno vrednost dobimo za korelacijsko funkcijo gostote delcev enačbo E [I(x', t') I (ar", t")] = $ 2 2 d ( x Xj (t')) j k (5 (x" X/; (t")) d P = 2 S fjk (x', t'; x", t") (43) j k V tej enačbi podaja funkcija fjk (x, t ; x, t ) gostoto povezane verjetnosti, da zavzame koordinata j-tega delca pri času t vrednost ar1 in koordinata k-tega delca pri času t vrednost x. Dvojno vsoto v izrazu (43) lahko razstavimo na del, ki se nanaša samo na posamezne delce, ter na preostali del, ki se nanaša na pare delcev 2 2 fjk (x', t'; x", t") = 2 fjj {x, t x", t ) + J k j fjk (x', t'; x", t ) (44) јфк Kakor smo pokazali že v prvem delu članka, je mogoče izraziti verjetnostno gostoto v prvem delu vsote z gostoto verjetnosti za prem ik oziroma pogojne verjetnosti fii (x, t ; x", t") = fj (x', t') pj (x" x', t" t') (45) Ker smo vzeli, da sta oba faktorja neodvisna od indeksa j in od vrednosti časa, je prvi del vsote enak I0. p (x" x', t" t ) V drugem delu vsote (44) lahko zaradi statistične neodvisnosti delcev gostoto povezane verjetnosti zapišemo kot produkt verjetnostnih gostot, ki se nanašajo na posamezne delce. Tako dobimo^ izraz 2 2 fjk (x', t'; x", t") = 2 fj (x', t') 2 f k (x", t") (46) јфк j k Ф) Vrednost tega izraza se z naraščajočim številom delcev približuje I0S. Za koleracijsko funkcijo gostote delcev lahko zato zapišemo E [I (x', t '). I (x", t")] = I0 p (x" x', t" t') + Jo2 (47) Iz zadnjega izraza se vidi, da lahko z merjenjem korelacije gostote delcev preverimo', če se njihovo gibanje pokorava difuzijskemu zakonu. Vendar navadno' ne merimo korelacijske funkcije številske gostote delcev, temveč korelacijsko funkcijo' polja z (x, t). Ta je s korelacijsko funkcijo gostote povezana prek izraza (37), ki dobi z upoštevanjem enačbe (47) obliko Rz (dx, t" t') = I0 J g (x x ) g (x + Ax x"). p (x" X t" t') dx' dx" + I02 g2 (48) Če vpeljemo korelacijsko funkcijo' polja enega delca z izrazom Rg (У) = J 9 (x ) g (x + y) dx' (49) lahko enačbo (48) zapišemo v obliki Rz {Ax, t) = I0j Rg (Ax s) p (s, t) ds + m? (50) Tu smo zaradi preglednosti vpeljali spremenljivko t = t t. Korelacijsko funkcijo polja lahko torej izrazimo s konvolucijo korelacijske funkcije enega delca ter verjetnostne gostote za prehod. Ker je p (s, 0) = (5 (s) je nadalje Rz (Ax, 0) = I0 Rg (Ax) + m z2 (51) Iz izraza (51) je razvidno, da lahko z merjenjem korelacijske funkcije polja določimo korelacijsko' funkcijo enega delca. Seveda moramo v ta namen izmeriti tudi poprečno vrednost polja in gostoto delcev. Verjetnostne gostote za prehod p (x, t) neposredno z merjenjem korelacijske funkcije polja ne moremo določiti, ker sta povezani prek konvolucije. To nam lahko povzroči tudi delne težave pri določanju poprečne hitrosti gibanja delcev in difuzij skega koeficienta. Vendar pa lahko pogosto oba param etra hitro opredelimo na osnovi naslednjega sklepanja. Z naraščajočim časom se verjetnostna gostota razširi iz delta funkcije pri t = 0 v Gaussovo, ki ima vrh pri s = v t. Kvadrat njene širine, ki ga opišemo' s srednjim kvadratičnim odmikom od srednje vrednosti, znaša 2D t. Sklepamo lahko, da bo imela tudi korelacijska funkcija polja vrh pri X = v t, medtem ko se bo njena širina z naraščajočim časom večala glede na širino pri t = 0. Pogosti so primeri, ko je tudi korelacijska funkcija delca Rg Gaussova funkcija, ali njej zelo podobna. V tem primeru je kvadrat širine korelacijske funkcije polja Rz kar vsota kvadratov širin funkcij Rg in p, ali kvadrat širine korelacijske funkcije polja se s časom poveča za 2 D t. Ta sklep ki je posledica znanih lastnosti konvolucijskega integrala, lahko pomaga pri hitrem ocenjevanju vrednosti difuzijskoga koeficienta iz izmerjenih korekcijskih funkcij polja.
6 Sklep O bravnavo naključnega gibanja delcev sm o omejili z vrsto predpostavk. Tako smo po analitični poti lahko prišli do sklepa, da naključno gibanje enakih delcev vodi do pojava difuzije. Seveda se takoj pojavlja vprašanje, če bi bilo mogoče naš preprost model razširiti. Pregled storjenih korakov bi nam pokazal, da s širjenjem obravnave iz ene na več dimenzij ne bi imeli težav, le da bi dobili posplošeno difuzijsko enačbo za večdim enzijski prim er [5], Težav tudi ne bi imeli, če bi bila množica gibajočih se delcev sestavljena iz več medsebojno neodvisnih različnih komponent. Teže pa bi bilo obravnavati statistično nestacionaren in nehomogen pojav. Tak prim er še vedno skušam o obravnavati kot difuzijo, le da param etri, kakor so poprečna gostota delcev, poprečna hitrost in difuzijski koeficient, niso več konstante, tem več funkcije k raja ali časa. P ri tem se delno sprem eni tudi oblika difuzijske enačbe. Dosti bolj previdni pa m oram o biti pri uporabi modela naključnega gibanja, če delci niso medsebojno naključno neodvisni. To je predvsem tak rat, ko' njihovo gibanje ni posledica velikega števila medsebojno neodvisnih vplivov. V takšnih prim erih lahko pričakujem o bistveno' različne pojave od difuzije. V formalizmu, ki smo ga podali, tudi ni upoštevano nastajanje ali izginevanje delcev, vendar bi bilo mogoče ta dva pojava upoštevati, tako da bi vpeljali v posplošeno difuzijsko enačbo izvire in ponore. V naši obravnavi nismo' poskusili povezati poprečne hitrosti in difuzijskega koeficienta z vplivi, ki povzročajo gibanje. Če hočemo to storiti, moram o najprej vplive oziroma ustrezne sile statistično okarakterizirati. To je naslednji korak v popisu pojava in je odvisen od izbranega modela n a ključnega gibanja. Pogosto nas ta korak pripelje do vpeljave gibljivosti in agilnosti gibanja, ki jo dostikrat popišemo s tem peraturo [5], Po eksperimentalni poti se skušamo približati povezavi poprečne hitrosti in difuzijskega koeficienta z vplivi, tako da izmerimo njuno odvisnost od drugih fizikalnih veličin, ki jih uporabljam o za popis stanja snovi. V ta namen merimo korelacijsko funkcijo' polja in iz nje ocenimo ustrezno povezavo'. S tehniške strani je prav ta povezava naj zanimivejša in je to tudi razlog za vse češčo uporabo korelacij ske tehnike pri popisu transportnih lastnosti nehom ogenih snovi. LITERATURA [1] W. B. Davenport, Probability and random processes, McGraw Hill, New York, [2] G. A. Korn, T. M. Korn, Mathematical handbook for scientists and engineers, McGraw Hill, New York, [3] N. T. J. Bailey, The elements of stochastics processes, J. Wiley & Sons, New York, [4] E. Parzen, Stochastic processes, Holden Day, San Francisco, [5] S. Chandrasekhar, Rev. Mod. Physics, 15, 1 (1943). [6] I. Grabec, Strojniški vestnik, 20, 211 (1974). A vtorjev naslov: doc. dr. Igor G rabec, F a k u lte ta za stro jn ištv o, U niverze v L jubljani POPRAVEK V članek dr. A ndra A lujeviča»termične napetosti v tableti keram ičnega gorivnega elementa«, objavljen v prejšnji številki (SV 1976/1-2, str. 1 4), so se vrinile nekatere napake, ki jih v naslednjem popravljam o: 1) Pomeni izrazov za napetosti, deformacije in term ične raztezke se pravilno glase: {o } = {on T12 T23 T3l} {e } = {ец yi2 2 y2з 2 731} {е } = а { }T 2) Enačba (25) se pravilno glasi: Or Oz Оф _ 'trz _ 3) Enačba (35) se pravilno glasi: Oz(r) a E j( 2 l v 1Ib2- L + 2 G L L 01 / Sr Y L L + 2 G L 0 Sz L L L + 2 G 0 ф _ 2 yrz. T(r) r dr T(r) ( a T) (25) 4) Slika 3 podaja obodne napetosti v valju (term ična obremenitev). (35) Avtor in uredništvo se bralcem opravičujeta za spregledane napake in nejasnost zapisa.
Univerza 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 večMatematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t
Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t 0.5 1.5 2.0 t a.) Nari²ite tri grafe: graf (klasi ne)
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 večIme 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 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 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 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 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 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 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 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 večSTROJNIŠKI VESTNIK LETNIK 22 LJUBLJANA, JULIJ AVGUST 1976 ŠTEVILKA 7 8 UDK Prispevek k reševanju drugega robnega problema pri steni z luknj
STROJNIŠKI VESTNIK LETNIK 22 LJUBLJANA, JULIJ AVGUST 1976 ŠTEVILKA 7 8 UDK 624.073.12 Prispevek k reševanju drugega robnega problema pri steni z luknjo F R A N C K O S E L M A R K O Š K E R L J Članek
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 več(Microsoft Word - 3. Pogre\232ki in negotovost-c.doc)
3.4 Merilna negotovost Merilna negotovost je parameter, ki pripada merilnem rezltat. Označje razpršenost vrednosti, ki jih je mogoče z določeno verjetnostjo pripisati merjeni veličini. Navaja kakovost
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 večOsnove statistike v fizični geografiji 2
Osnove statistike v geografiji - Metodologija geografskega raziskovanja - dr. Gregor Kovačič, doc. Bivariantna analiza Lastnosti so med sabo odvisne (vzročnoposledično povezane), kadar ena lastnost (spremenljivka
Prikaži več3. Preizkušanje domnev
3. Preizkušanje domnev doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 3.1 Izračunavanje intervala zaupanja za vrednosti regresijskih koeficientov Motivacija
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 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 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 večUNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA FIZIKO Peter Smerkol SEMINARSKA NALOGA Brownovo Gibanje MENTOR: dr. Tomaž Podobnik L
UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA FIZIKO Peter Smerkol SEMINARSKA NALOGA Brownovo Gibanje MENTOR: dr. Tomaž Podobnik Ljubljana, Marec 2007 Povzetek Najpreprostejši model
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 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 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 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 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 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 večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 3. februar Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo samo rešitve na papirju, kjer
Prikaži več(Microsoft PowerPoint - vorsic ET 9.2 OES matri\350ne metode 2011.ppt [Compatibility Mode])
8.2 OBRATOVANJE ELEKTROENERGETSKEGA SISTEMA o Matrične metode v razreševanju el. omrežij Matrične enačbe električnih vezij Numerične metode za reševanje linearnih in nelinearnih enačb Sistem algebraičnih
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-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 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 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 več2
Drsni ležaj Strojni elementi 1 Predloga za vaje Pripravila: doc. dr. Domen Šruga as. dr. Ivan Okorn Ljubljana, 2016 STROJNI ELEMENTI.1. 1 Kazalo 1. Definicija naloge... 3 1.1 Eksperimentalni del vaje...
Prikaži večNAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo to
NAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo torej s pari podatkov (x i,y i ), kjer so x i vrednosti
Prikaži večELEKTRIČNI NIHAJNI KROG TEORIJA Električni nihajni krog je električno vezje, ki služi za generacijo visokofrekvenče izmenične napetosti. V osnovi je "
ELEKTRIČNI NIHAJNI KROG TEORIJA Električni nihajni krog je električno vezje, ki služi za generacijo visokofrekvenče izmenične napetosti. V osnovi je "električno" nihalo, sestavljeno iz vzporedne vezave
Prikaži večPowerPoint Presentation
RAK: P-II//9 NUMERIČNI MODE esatno reševanje: reševanje dierencialni enačb aprosimativno reševanje: metoda ončni razli (MKR) inite dierence metod (FDM) metoda ončni elementov (MKE) inite element metod
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 večMicrosoft Word - SI_vaja5.doc
Univerza v Ljubljani, Zdravstvena fakulteta Sanitarno inženirstvo Statistika Inštitut za biostatistiko in medicinsko informatiko Š.l. 2011/2012, 3. letnik (1. stopnja), Vaja 5 Naloge 1. del: t test za
Prikaži večPoskusi s kondenzatorji
Poskusi s kondenzatorji Samo Lasič, Fakulteta za Matematiko in Fiziko, Oddelek za fiziko, Ljubljana Povzetek Opisani so nekateri poskusi s kondenzatorji, ki smo jih izvedli z merilnim vmesnikom LabPro.
Prikaži več2. Model multiple regresije
2. Model multiple regresije doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 2.1 Populacijski regresijski model in regresijski model vzorčnih podatkov
Prikaži večUniverza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in ra unalni²tvo Izobraºevalna matematika Pisni izpit pri predmetu K
31. januar 2014 1. [25] V kino dvorano z 10 vrstami po 10 o²tevil enih sedeºev vstopi 100 ljudi. Od tega je 40 deklet in 60 fantov. Na koliko na inov se lahko posedejo, (a) e ni nobenih omejitev? (b) e
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 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 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 večFIZIKA IN ARHITEKTURA SKOZI NAŠA UŠESA
FIZIKA IN ARHITEKTURA SKOZI NAŠA UŠESA SE SPOMNITE SREDNJEŠOLSKE FIZIKE IN BIOLOGIJE? Saša Galonja univ. dipl. inž. arh. ZAPS marec, april 2012 Vsebina Kaj je zvok? Kako slišimo? Arhitekturna akustika
Prikaži večUvodno predavanje
RAČUNALNIŠKA ORODJA Simulacije elektronskih vezij M. Jankovec 2.TRAN analiza (Analiza v časovnem prostoru) Iskanje odziva nelinearnega dinamičnega vezja v časovnem prostoru Prehodni pojavi Stacionarno
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 večLaTeX slides
Statistični modeli - interakcija - Milena Kovač 23. november 2007 Biometrija 2007/08 1 Število živorojenih pujskov Biometrija 2007/08 2 Sestavimo model! Vplivi: leto, farma Odvisna spremenljivka: število
Prikaži večNAVODILA AVTORJEM PRISPEVKOV
Predmetna komisija za nižji izobrazbeni standard matematika Opisi dosežkov učencev 6. razreda na nacionalnem preverjanju znanja Slika: Porazdelitev točk pri matematiki (NIS), 6. razred 1 ZELENO OBMOČJE
Prikaži večLaTeX slides
Linearni in nelinearni modeli Milena Kovač 22. december 2006 Biometrija 2006/2007 1 Linearni, pogojno linearni in nelinearni modeli Kriteriji za razdelitev: prvi parcialni odvodi po parametrih Linearni
Prikaži več1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y x x x x x
1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y 0 1 2 1 1-1 x x 20 10 1 0 x x x 10 1 1 x x x 20 x x x 1 Dolo i ²e spremenljivko Z,
Prikaži večMicrosoft PowerPoint - OVT_4_IzolacijskiMat_v1.pptx
Osnove visokonapetostne tehnike Izolacijski materiali Boštjan Blažič bostjan.blazic@fe.uni lj.si leon.fe.uni lj.si 01 4768 414 013/14 Izolacijski materiali Delitev: plinasti, tekoči, trdni Plinasti dielektriki
Prikaži večUNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 2017
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 217 ii Kazalo Diferencialni račun vektorskih funkcij 1 1.1 Skalarne funkcije...........................
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 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 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 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 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 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 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 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 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 večPowerPoint Presentation
I&R: P-X/1/15 operatorji, ki jih uporabljamo za delo z vektorskimi veličinami vektorski oklepaj [ ] ločnica med elementi vrstičnega vektorja je vejica, ali presledek ločnica med elementi stolpčnega vektorja
Prikaži večMAGIČNI KVADRATI DIMENZIJE 4n+2
List za mlade matematike, fizike, astronome in računalnikarje ISSN 0351-6652 Letnik 18 (1990/1991) Številka 6 Strani 322 327 Borut Zalar: MAGIČNI KVADRATI DIMENZIJE 4n + 2 Ključne besede: matematika, aritmetika,
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 večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 4 Pini izpit 2. januar 22 Ime in priimek: Vpina št: Navodila Pazljivo preberite beedilo naloge, preden e lotite reševanja. Veljale bodo amo rešitve na papirju, kjer
Prikaži večDinamika požara v prostoru 21. predavanje Vsebina gorenje v prostoru in na prostem dinamika gorenja v prostoru faze, splošno kvantitativno T
Dinamika požara v prostoru 21. predavanje Vsebina gorenje v prostoru in na prostem dinamika gorenja v prostoru faze, splošno kvantitativno T pred požarnim preskokom Q FO za požarni preskok polnorazviti
Prikaži večPožarna odpornost konstrukcij
Požarna obtežba in razvoj požara v požarnem sektorju Tomaž Hozjan e-mail: tomaz.hozjan@fgg.uni-lj.si soba: 503 Postopek požarnega projektiranja konstrukcij (SIST EN 1992-1-2 Izbira za projektiranje merodajnih
Prikaži večPrevodnik_v_polju_14_
14. Prevodnik v električnem polju Vsebina poglavja: prevodnik v zunanjem električnem polju, površina prevodnika je ekvipotencialna ploskev, elektrostatična indukcija (influenca), polje znotraj votline
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 večNaloge 1. Dva električna grelnika z ohmskima upornostma 60 Ω in 30 Ω vežemo vzporedno in priključimo na idealni enosmerni tokovni vir s tokom 10 A. Tr
Naloge 1. Dva električna grelnika z ohmskima upornostma 60 Ω in 30 Ω vežemo vzporedno in priključimo na idealni enosmerni tokovni vir s tokom 10 A. Trditev: idealni enosmerni tokovni vir obratuje z močjo
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 večREŠEVANJE DIFERENCIALNIH ENAČB Z MEHANSKIMI RAČUNSKIMI STROJI Pino Koc Seminar za učitelje matematike FMF, Ljubljana, 25. september 2015 Vir: [1] 1
REŠEVANJE DIFERENCIALNIH ENAČB Z MEHANSKIMI RAČUNSKIMI STROJI Pino Koc Seminar za učitelje matematike FMF, Ljubljana, 25. september 2015 Vir: [1] 1 Nekateri pripomočki in naprave za računanje: 1a) Digitalni
Prikaži večOsnovni pojmi(17)
Osnovni poji pri obravnavi periodičnih signalov Equation Section 6 Vsebina: Opis periodičnih signalov s periodo, frekvenco in krožno frekvenco. Razlaga pojov aplituda, faza, haronični signal. Določanje
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 večresitve.dvi
FAKULTETA ZA STROJNISTVO Matematika 2. kolokvij. december 2 Ime in priimek: Vpisna st: Navodila Pazljivo preberite besedilo naloge, preden se lotite resevanja. Veljale bodo samo resitve na papirju, kjer
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 večDOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. št. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. št. št. prij. matič na števi
DOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. prij. matič na številka firma / ime upnika glavnica obresti stroški skupaj prij ava
Prikaži več10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, k
10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, ki ga sprejme antena in dodatni šum T S radijskega sprejemnika.
Prikaži večMicrosoft Word - ELEKTROTEHNIKA2_ junij 2013_pola1 in 2
Šifra kandidata: Srednja elektro šola in tehniška gimnazija ELEKTROTEHNIKA PISNA IZPITNA POLA 1 12. junij 2013 Čas pisanja 40 minut Dovoljeno dodatno gradivo in pripomočki: Kandidat prinese nalivno pero
Prikaži več'Kombinatoricna optimizacija / Lokalna optimizacija'
Kombinatorična optimizacija 3. Lokalna optimizacija Vladimir Batagelj FMF, matematika na vrhu različica: 15. november 2006 / 23 : 17 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 1
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 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 večNEKAJ VPRAŠANJ IZ MATEMATIKE 2 1. Katero točko evklidskega prostora R n imenujemo notranjo (zunanjo, robno) točko množice M R n? 2. Za poljubno množic
NEKAJ VPRAŠANJ IZ MATEMATIKE 2 1. Katero točko evklidskega prostora R n imenujemo notranjo (zunanjo, robno) točko množice M R n? 2. Za poljubno množico M R n evklidskega prostora R n definirajte množice
Prikaži večMicrosoft PowerPoint - Java_spremenljivke
Java Spremenljivke, prireditveni stavek Spremenljivke Prostor, kjer hranimo vrednosti Ime Znak, števka, _ Presledkov v imenu ne sme biti! Tip spremenljivke int (cela števila) Vse spremenljivke napovemo
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 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 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 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 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 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 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 večTLAK PLOŠČINA 1. Zapiši oznako in enoto za ploščino. 2. Zapiši pretvornik pri ploščini in po velikosti zapiši enote od mm 2 do km Nariši skico z
TLAK PLOŠČINA 1. Zapiši oznako in enoto za ploščino. 2. Zapiši pretvornik pri ploščini in po velikosti zapiši enote od mm 2 do km 2. 3. Nariši skico za kvadrat in zapiši, kako bi izračunal ploščino kvadrata.
Prikaži večUM FKKT, Bolonjski visoko²olski program Kemijska tehnologija Vpisna ²tevilka Priimek, ime 3. test pri predmetu MATEMATIKA II Ra unski del
UM FKKT, Bolonjski visoko²olski program Kemijska tehnologija Vpisna ²tevilka Priimek, ime 3. test pri predmetu MATEMATIKA II Ra unski del 13. 6. 2016 Navodila: Pripravi osebni dokument. Ugasni in odstrani
Prikaži večPopravki nalog: Numerična analiza - podiplomski študij FGG : popravljena naloga : popravljena naloga 14 domače naloge - 2. skupina
Popravki nalog: Numerična analiza - podiplomski študij FGG 9.8.24: popravljena naloga 4 3..25: popravljena naloga 4 domače naloge - 2. skupina V drugem delu morate rešiti toliko nalog, da bo njihova skupna
Prikaži večVerjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC
Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC VERJETNOST osnovni pojmi Poskus: dejanje pri katerem je izid negotov met
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 večMERE SREDNJE VREDNOSTI
OPIS PODATKOV ENE SPREMENLJIVKE frekvenčne porazdelitve in mere srednje vrednosti as. dr. Nino RODE Uni-Lj. Fakulteta za socialno delo O ČEM BOMO GOVORILI NAMEN OPISNE STATISTIKE Kako opisati podatke OPIS
Prikaži več