Mere kompleksnih mrež (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike
|
|
- Mojca Zorman
- pred 4 leti
- Pregledov:
Transkripcija
1 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 2012
2 Uvod Zakaj potrebujemo mere za omrežja? Kakšne naj bodo bistvene lastnosti omrežnih mer? Opisujejo naj bistvene značilnosti omrežja. Razlikujejo naj med različnimi razredi omrežij. Uporabna naj bodo v algoritmih in aplikacijah.
3 Porazdelitev stopenj vozlišč To je najpogostejša in računsko nezahtevna mera. V naključnem grafu G n,p je stopnja vozlišča porazdeljena: Binomsko - za majhno število vozlišč: ( ) n 1 p k (1 p) (n 1 k) Poissonovo - za veliko število vozlišč: k (np) k k! e np V realnosti so vozlišča pogosto porazdeljena po potenčnem zakonu, tj. ck γ za γ > 0 in c > 0.
4 Primeri grafov in omrežij, kjer je stopnja vozlišča porazdeljena po potenčnem zakonu: Graf sodelovanja med igralci (hollywood graf),γ 2.3 Slika : Graf sodelovanj med igralci z vozlišči.
5 Graf sodelovanj med matematiki: Ima približno vozlišč.ta graf ima γ 2.4. Slika : Graf sodelovanj med matematiki.
6 Grafi socialnih omrežij kot so Facebook, MySpace, Twitter, Yahoo! Instant messaging, MSN etc., imajo praviloma 2 < γ < 3 : Slika : Graf Yahoo! Instant messaging grafa. To je primer grafa socialnega omrežja, ki ima vozlišč in povezav.
7 Razdalja Računsko bolj kompleksna mera Razdalja med dvema vozliščema grafa: d(u, v) = min{p Pje najkrajša pot med u in v} Če razdalje zložimo v matriko dobimo matriko velikosti V V, indeksirano z vozlišči grafa, tj. D = (d(u, v)) u,v V Matrika razdalje. Povprečna oz. karakteristična razdalja To je aritmetrična sredina vseh razdalj v grafu: 1 d = V 2 V i v V d(u, v). Če poznamo matriko razdalje D, potem lahko izračunamo povprečno razdaljo v O(n 2 ) času.
8 Razdalja (nadaljevanje) Ekscentričnost: ɛ(u) := max{d(u, v) v V } Radij: rad(g) = min{ɛ(u) u V }. Diameter: diam(g) = max{d(u, v) u, v V }. Okolice: h-okolica: Neigh h (v) := {u V d(u, v) h}. Velikost h-okolice onačimo z: N(v, h) = Neigh h (v). Hop plot: P(h) = {(u, v) V 2 d(u, v h)} = v V N(v, h). Povprečno velikost h-okolice: Neigh(h) = 1 P(h) n v V N(v, h) = n.
9 Algoritmi za iskanje najkrajše poti Iskanje najkrajše poti med dvema vozliščema v omrežju s poljubnimi utežmi ω : E R na povezavah je NP-težak problem. Če se omejimo na omrežja brez negativnih ciklov, lahko problem rešimo v polinomskem času. SSSP problem (angl. Single source shortest path) Če rešimo SSSP problem, lahko izračunamo matriko razdalje za vsak izvor posebej - za vsako vozlišče. Glede na vrsto utežne funkcije poznamo različne algoritme:
10 Algoritmi za iskanje najkrajše poti (nadaljevanje) Če imamo neuteženo omrežje, potem rešimo SSSP preko iskanja v širino (angl. Breadth-first-search) v O(n+m) času. Če imamo omrežje, ki ima samo nenegativne uteži, potem rešimo SSSP preko Dijkstra algoritma v O(m+nlogn) času. Če imamo omrežje brez negativnih ciklov pa uporabimo Bellman-Ford algoritem v O(mn) času.
11 Algoritmi za iskanje najkrajše poti (nadaljevanje) APSP problem (angl. All pairs shortest paths): Preko Floyd-Warshall algoritma, v času O(n 3.) Preko SSSP algoritmov, za vsako vozlišče posebej: Neutežen graf: O(nm) Nenegativne uteži na grafu: O(nm + n 2 logn) Graf brez negativnih ciklov: O(n 2 m)
12 O številu najkrajših poti Število različnih najkrajših poti med vozliščema u in v c(u, v) := {P; P je najkrajša pot od u do v} Floyd - Warshall algoritem
13 Algorithm 1 Štetje različnih najkrajših pot Require: Z utežmi w utežen graf G = (V, E), kateri je brez ciklov negativne in ničelne dolžine. Ensure: Razdalja d(u, v) in število različnih najkrajših poti med vsakim parom vozlišč u, v. for all v V do for all u V do 0 če u = v d(u, v) = w(u, v) če uv E sicer { 1 če uv E c(u, v) = 0 sicer end for end for for all v V do for all u V do for all v V do if d(u,v ) + d(v,v) = d(u,v) then c(u, v) = c(u,v) + c(u,v )c(v,v) (Najdemo pot enake dolžine.) else if d(u, v ) + d(v, v) < d(u, v) then d(u,v) = d(u,v ) + d(v,v) c(u,v) = c(u,v )c(v,v) (Najdemo krajšo pot.) end if end if end for end for end for
14 O številu najkrajših poti Število različnih najkrajših poti med vozliščema u in v c(u, v) := {P; P je najkrajša pot od u do v} Floyd - Warshall algoritem Število različnih najkrajših poti s povezavo e c(e) := {P; P je najkrajša pot, ki vsebuje povezavo e} e ima vozlišči u, v c(e) = d(u,v )=d(u,u)+1+d(v,v ) c(u, u)c(v, v )
15 Koeficient popačenja Graf G(V, E), vpeto drevo T Popačenje (distortion): D(T ) := 1 E (u,v) E d T (u, v) Koeficient popačenja nam pove, kolikšna je povprečna najkrajša pot med dvema sosednjima vozliščema grafa G v drevesu T. Globalno popačenje: D(G) = min{d(t ); T je vpeto drevo grafa G}
16 Koeficient gručavosti in tranzitivnost Cikel dolžine tri = (V, E ) λ(g)... število ciklov dolžine tri v grafu G λ(v) = { ; v V } λ(g) = 1 3 v V λ(v) Triada Triada v vozlišču Število triad v vozlišču v: τ(v) = ( d(v) 2 Število triad v grafu G: τ(g) = v V τ(v) ) = d(v) 2 d(v) 2
17 Koeficient gručavosti Koeficient gručavosti za vozlišče v (τ(v) 0) V = {v V ; d(v) > 1} c(v) = λ(v) τ(v) Koeficient gručavosti za cel graf C(G) = 1 V v V c(v) Tranzitivnost T (G) = 3λ(G) τ(g) 0 T (G) 1
18 Odnos med tranzitivnostjo in koeficientom gručavosti v V T (G) = τ(v)c(v) v V τ(v) Pri tranzitivnosti so vsi cikli dolžine tri medsebojno enakovredni, pri koeficientu gručavosti pa so enakovredna vozlišča.
19 Izračun Node-iterator (Hitro) matrično množenje AYZ Algoritem Alon, Yuster, Zwick (1997) Algoritem poteka tako, da najprej loči vozlišča na dva tipa. Taka z nizko stopnjo in taka z višjo stopnjo. Na vozliščih z nižjo stopnjo išče trikotnike z node-iteratorjem, na podgrafu induciranem z vozlišči višje stopnje pa s hitrim matričnim množenjem. V low = {v V ; d(v) β}; β = m y 1 y+1 V high = V V low
20
21 LEMA: Algoritem AYZ za vsako vozlišče v v grafu G izračuna število ciklov dolžine tri λ(v) in ga lahko implementiramo tako, da je njegova časovna zahtevnost reda O(m 2γ γ+1 ) oz. O(m 1.41 ).
22 Aproksimacija c(u, v) Slučajno vzorčenje X i... omejena slučajna spremenljivka, 0 X i M k... število vzorcev Hoeffdingova neenakost ( 1 P k ( k 1 X i E k i=1 ) ) k X i ɛ i=1 2e 2kɛ2 M 2
23 Hoeffdingova meja Fiksirajmo ɛ in p. Dobimo k. Ocenjujemo c(v) za vsako vozlišče v k je število sosednjih parov, za katere nas zanima, ali so povezani ali ne. Ocenjujemo c(g) k je število vozlišč, ki jih vključimo v izračun (moramo poznati c(v) oz. ga oceniti). k je število vozlišč, ki jih vključimo v izračun (moramo poznati c(v) oz. ga oceniti) Podobno za tranzitivnost.
24 LEMA: Za vsak konstanten ɛ in konstantno pravilnost p obstaja algoritem, ki oceni koeficient gručavosti c(v) za vsako vozlišče in koeficient tranzitivnosti T (G) za celoten graf v času O(n). Koeficient gručavosti C(G) lahko ocenimo v O(1).
25 Mrežni motivi Kakšne podgrafe lahko najdemo v omrežju? Ali se kakšni podgrafi pojavljajo pogosteje, kot bi bilo to statistično pričakovati? Štetje enakih podgrafov v grafu Testiranje statistične značilnosti
26 Štetje podgrafov: Iskanje podgrafa s k vozlišči Iskanje ciklov dolžine tri (AYZ algoritem) Iskanje podgrafov s tremi vozlišči (modificiran AYZ) Iskanje K 4 podgrafov (Kloks, Kratsch, Müller) Iskanje podgrafov z največ štirimi vozlišči (na neusmerjenih grafih)
27 Vrste omrežnih mer Globalna mera γ označuje (eno samo) vrednost γ G Y za vsak graf G G. število vozlišč/povezav, diameter, koeficient gručavosti Globalna porazdelitev Γ označuje preslikavo Γ G : P Y za vsak graf G G. če P = N, dobimo zaporedje (Γ G (0), Γ G (1),...) porazdelitve vhodnih/izhodnih stopenj, hop plot
28 Lokalna mera λ G označuje (eno samo) vrednost λ G (x) Y za vsak graf G G, kjer je x določen element grafa G. Bolj natančno, gre za preslikavo λ G : X G Y. vhodna in izhodna stopnja vozlišča, utež/kapaciteta povezave, razdalja Lokalna porazdelitev Λ označuje preslikavo Λ G : X G P Y za vsak graf G G. velikost okolice, eksentričnost, diameter
29 Transformacije omrežnih mer Slika: Transformacije vrst omrežnih mer
30 Globalizacija: odstranitev odvisnosti lokalne mere ali porazdelitve od elementov grafa (računanje, izbiranje, konstrukcija) maksimum γ G := max{γ G (x) x X G } povprečje γ G := 1 X G x X G γ G (x) diameter in radij, globalno popačenje
31 Štetje (lokalna mera globalna porazdelitev): preštejemo število elementov grafa tako, da λ G (x) leži v določeni množici vrednosti Γ G (t) := {x X G λ G (x) = t} porazdelitve stopnje vozlišča
32 Odstranitev parametra (porazdelitev mera): izračunamo vrednost λ G iz zaporedja vrednosti, danega s porazdelitvijo Λ G (spremenljivka je parameter) maksimum λ G (x) := max{λ G (x, t) t P} povprečje λ G := 1 P t P Λ G (x, t) ekscentričnost
33 Lokalizacija Globalna mera γ lokalna porazdelitev Λ: izberemo podgraf H(x, t) G za vsak x X G, t P in nastavimo Λ G (x, t) := γ H(x,t) Globalna mera γ lokalna mera λ: izberemo podgraf H(x) G za vsak x X G in nastavimo λ G (x) := γ H(x)
34 Lokalizacija Globalna porazdelitev Γ lokalna porazdelitev Λ: izberemo podgraf H(x) G za vsak x X G in nastavimo Λ G (x, t) := Γ H(x) (t) Lokalna mera λ lokalna porazdelitev Λ: izberemo podgraf H(x) G za vsak x X G in nastavimo Λ G (x, t) := λ H(x,t) (x)
35 Vizualizacija Slika: Absolutna porazdelitev vhodne stopnje z logaritemsko skalo (omrežje Crawl of Web Base, 2001)
36 Slika: Absolutna porazdelitev izhodne stopnje z logaritemsko skalo (omrežje Crawl of Web Base, 2001)
37 Slika: Razsevni diagram vhodne in izhodne stopnje z logaritemsko skalo (omrežje Crawl of Web Base, 2001)
Učinkovita 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 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 večBellman-Fordov algoritem za iskanje najkraj²ih poti Alenka Frim 19. februar 2009 Popravek 25. februar 2009 Imamo usmerjen graf G z uteºmi na povezavah
Bellman-Fordov algoritem za iskanje najkraj²ih poti Alenka Frim 19. februar 2009 Popravek 25. februar 2009 Imamo usmerjen graf G z uteºmi na povezavah (uteº si predstavljamo npr. kot dolºino, ceno, teºo
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 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 večUniverza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Ramovš Problem izomorfnega podgrafa DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mento
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Ramovš Problem izomorfnega podgrafa DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor: prof. dr. Borut Robič Ljubljana, 2013 Rezultati
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 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 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 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 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 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 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 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 večSegmentacija slik z uporabo najvecjega pretoka
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Eva Križman Segmentacija slik z uporabo največjega pretoka DIPLOMSKO DELO INTERDISCIPLINARNI UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE
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 večTeorija kodiranja in kriptografija 2013/ AES
Teorija kodiranja in kriptografija 23/24 AES Arjana Žitnik Univerza v Ljubljani, Fakulteta za matematiko in fiziko Ljubljana, 8. 3. 24 AES - zgodovina Septembra 997 je NIST objavil natečaj za izbor nove
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 večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
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 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 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 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 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 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 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 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 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 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 večGeomInterp.dvi
Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminar za Numerično analizo Geometrijska interpolacija z ravninskimi parametričnimi polinomskimi krivuljami Gašper Jaklič, Jernej Kozak, Marjeta
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 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 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 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 večLehmerjev algoritem za racunanje najvecjega skupnega delitelja
Univerza v Ljubljani Fakulteta za računalništvo in informatiko ter Fakulteta za Matematiko in Fiziko Mirjam Kolar Lehmerjev algoritem za računanje največjega skupnega delitelja DIPLOMSKO DELO NA INTERDISCIPLINARNEM
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 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 večOSNOVE UMETNE INTELIGENCE
OSNOVE UMETNE INTELIGENCE 2017/18 regresijska drevesa ocenjevanje učenja linearni modeli k-nn Zoran Bosnić del gradiva povzet po: Bratko: Prolog programming for AI, Pearson (2011) in Russell, Norvig: AI:
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 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 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 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 večH-Razcvet
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Fakulteta za matematiko in fiziko Gregor Šulgaj H-Razcvet DIPLOMSKO DELO INTERDISCIPLINARNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVA IN
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 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 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 večDolocanje najkrajših poti med vozlišci telekomunikacijskega omrežja
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Miha Gobov Določanje najkrajših poti med vozlišči telekomunikacijskega omrežja DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE
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 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 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 več4. tema pri predmetu Računalniška orodja v fiziki Ljubljana, Grafi II Jure Senčar
4. tema pri predmetu Računalniška orodja v fiziki Ljubljana, 6.4.29 Grafi II Jure Senčar Relativna sila krčenja - F/Fmax [%]. Naloga Nalogo sem delal v Excelu. Ta ima vgrajeno funkcijo, ki nam vrne logaritemsko
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 večDiapozitiv 1
Vhodno-izhodne naprave naprave 1 Uvod VIN - 1 2018, Igor Škraba, FRI Vsebina 1 Uvod Signal električni signal Zvezni signal Diskretni signal Digitalni signal Lastnosti prenosnih medijev Slabljenje Pasovna
Prikaži večMicrosoft Word - SI_vaja1.doc
Univerza v Ljubljani, Zdravstvena fakulteta Sanitarno inženirstvo Statistika Inštitut za biostatistiko in medicinsko informatiko Š.l. 2011/2012, 3. letnik (1. stopnja), Vaja 1 Naloge 1. del: Opisna statistika
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 večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Vika Koban Maribor, 2012
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Vika Koban Maribor, 2012 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek
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 večOsnove verjetnostne metode doc. dr. R. Škrekovski Oddelek za Matematiko Fakulteta za Matematiko in Fiziko Univerza v Ljubljani
Osnove verjetnostne metode doc. dr. R. Škrekovski Oddelek za Matematiko Fakulteta za Matematiko in Fiziko Univerza v Ljubljani naslov: Osnove verjetnostne metode avtorske pravice: dr. Riste Škrekovski
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 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 večOsnove teorije kopul in maksmin kopule
Fakulteta za matematiko in fiziko Univerze v Ljubljani Seminar Inštituta za biostatistiko in medicinsko informatiko 26. maj 25 Osnove teorije kopul Definicija kopule Definicija Funkcija C : A A 2 [, ],
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 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 več2. LINEARNA ALGEBRA
UPORABNA MATEMATIKA V LOGISTIKI za višješolsko strokovno izobraževanje (OPISNA ) 1 Cilj tega sklopa predavanja je predstaviti obvladovanje računskih spretnosti pri reševanju logističnih problemov in pri
Prikaži večE-nepremična inženirska zakladnica
Smetanova ulica 17 2000 Maribor, Slovenija E-NEPREMIČNA INŽENIRSKA ZAKLADNICA - TEHNIŠKE FAKULTETE Naročnik: Energetika Maribor d.o.o. Vodja projekta: Daniela Dvornik Perhavec Fakultete za gradbeništvo,
Prikaži večDiapozitiv 1
Vhodno izhodne naprave Laboratorijska vaja 5 - LV 1 Meritve dolžine in karakteristične impedance linije VIN - LV 1 Rozman,Škraba, FRI Model linije Rs Z 0, Vs u i u l R L V S - Napetost izvora [V] R S -
Prikaži večDatum in kraj
Ljubljana, 5. 4. 2017 Katalog znanj in vzorci nalog za izbirni izpit za vpis na magistrski študij Pedagoško računalništvo in informatika 2017/2018 0 KATALOG ZNANJ ZA IZBIRNI IZPIT ZA VPIS NA MAGISTRSKI
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 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 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 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 večMicrosoft Word - Astronomija-Projekt19fin
Univerza v Ljubljani Fakulteta za matematiko in fiziko Jure Hribar, Rok Capuder Radialna odvisnost površinske svetlosti za eliptične galaksije Projektna naloga pri predmetu astronomija Ljubljana, april
Prikaži večPowerPoint Presentation
ANALIZA SPREMEMB PRI UPORABNIŠKEM ZAVEDANJU O ZASEBNOSTI OB UPORABI DRUŽBENIH OMREŽIJ Lili Nemec Zlatolas DSI, 16.4.2019 Družbeno omrežje Facebook Dnevno uporablja omrežje 1, milijarde ljudi na svetu Slovenija
Prikaži večŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA
ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA Navdih Poizvedovanje po BD podatkovnih virih, ki imajo časovno dimenzijo in so dostopni. Večji promet pomeni večje število dobrin in močnejšo
Prikaži večUNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA NEŽKA RUGELJ SHOROV ALGORITEM DIPLOMSKO DELO LJUBLJANA, 2017
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA NEŽKA RUGELJ SHOROV ALGORITEM DIPLOMSKO DELO LJUBLJANA, 017 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA DVOPREDMETNI UČITELJ: matematika - računalništvo NEŽKA RUGELJ
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 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 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 večPowerPointova predstavitev
Tehnološki vidik pridobivanja lesa v varovalnih gozdovih pod Ljubeljem As. Matevž Mihelič Prof. Boštjan Košir 2012 Izhodišča Varovalni gozdovi, kjer razmišljamo o posegih, morajo zadovoljevati več pogojem.
Prikaži večMERJENJE GORIŠČNE RAZDALJE LEČE
MERJENJE GORIŠČNE RAZDALJE LEČE 1. UVOD: V tej vaji je bilo potrebno narediti pet nalog, povezanih z lečami. 2. NALOGA: -Na priloženih listih POTREBŠČINE: -Na priloženih listih A. Enačba zbiralne leče
Prikaži večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Programirljivi Digitalni Sistemi Digitalni sistem Digitalni sistemi na integriranem vezju Digitalni sistem
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 večMicrosoft Word - avd_vaje_ars1_1.doc
ARS I Avditorne vaje Pri nekem programu je potrebno izvršiti N=1620 ukazov. Pogostost in trajanje posameznih vrst ukazov računalnika sta naslednja: Vrsta ukaza Štev. urinih period Pogostost Prenosi podatkov
Prikaži večSestavljanje in re\unhbox \bgroup \let \unhbox \setbox \hbox {s\global \mathchardef \spacefactor }\ac
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Tadej Bukovec Sestavljanje in reševanje igre sudoku DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO IN
Prikaži večSlide 1
SLUČAJNE SPREMENLJIVKE Povezave med verjetnostjo P, porazdelitveno funcijo F in gostoto porazdelitve p. P F (x) =P( x) P(a b)=f (b)-f (a) F p Slučajna spremenljiva ima gostoto p. Kašno gostoto ima Y=+l?
Prikaži večPRIPRAVA NA 1. Š. N.: KVADRATNA FUNKCIJA IN KVADRATNA ENAČBA 1. Izračunaj presečišča parabole y=5 x x 8 s koordinatnima osema. R: 2 0, 8, 4,0,,0
PRIPRAVA NA 1. Š. N.: KVADRATNA FUNKCIJA IN KVADRATNA ENAČBA 1. Izračunaj presečišča parabole y=5 x +18 x 8 s koordinatnima osema. R: 0, 8, 4,0,,0 5. Zapiši enačbo kvadratne funkcije f (x )=3 x +1 x+8
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 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 večGeometrija v nacionalnih preverjanjih znanja
Geometrija v nacionalnih preverjanjih znanja Aleš Kotnik, OŠ Rada Robiča Limbuš Boštjan Repovž, OŠ Krmelj Struktura NPZ za 6. razred Struktura NPZ za 9. razred Taksonomska stopnja (raven) po Gagneju I
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 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 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 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 večMicrosoft Word - Seštevamo stotice.doc
UČNA PRIPRAVA: MATEMATIKA UČNI SKLOP: Računske operacije UČNA TEMA: Seštevamo in odštevamo stotice Seštevamo stotice UČNE METODE: razlaga, prikazovanje, demonstracija, grafično in pisno delo UČNE OBLIKE:
Prikaži večMergedFile
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POUČEVANJE, PREDMETNO POUČEVANJE DEJAN KREJIĆ HAMILTONSKOST VOZLIŠČNO TRANZITIVNIH GRAFOV MAGISTRSKO DELO Ljubljana, 2018 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA
Prikaži večMicrosoft PowerPoint - Mocnik.pptx
MATEMATIČNA PISMENOST IN MATEMATIČNI PROBLEMI Metoda Močnik in Alenka Podbrežnik KAJ NAS JE ZANIMALO? ugotoviti, v kolikšni meri so učenci uspešni pri samostojnem, nevodenemreševanju matematičnih besedilnih,
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 večSESTAVA VSEBINE MATEMATIKE V 6
SESTAVA VSEBINE MATEMATIKE V 6. RAZREDU DEVETLETKE 1. KONFERENCA Št. ure Učne enote CILJI UVOD (1 ura) 1 Uvodna ura spoznati vsebine učnega načrta, način dela, učne pripomočke za pouk matematike v 6. razredu
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 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 več