Sterowalność liniowych uk ladów sterowania

Wielkość: px
Rozpocząć pokaz od strony:

Download "Sterowalność liniowych uk ladów sterowania"

Transkrypt

1 Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t, t 1 ] do zadanego stanu końcowego x(t ) = x x(t 1 ) = x 1 W zwi azku z takim zadaniem nasuwa siȩ pytanie czy dla danego obiektu istnieje sterowanie, które przeprowadzi obiekt z dowolnego stanu pocz atkowego do dowolnego stanu końcowego w zadanym czasie lub w dowolnym lecz skończonym czasie? W szczególności w zadaniach liniowego sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a liniowego stacjonarnego równania stanu z zadanego stanu pocz atkowego ẋ(t) = Ax(t) + Bu(t), t [t, t 1 ] do zadanego stanu końcowego x(t ) = x x(t 1 ) = x 1 W zwi azku z zadaniami liniowego sterowania docelowego nasuwa siȩ pytanie jakie warunki musz a spe lniać macierze A i B aby istnia lo sterowanie, które przeprowadzi obiekt z dowolnego stanu pocz atkowego do dowolnego stanu końcowego w zadanym czasie lub w dowolnym lecz skończonym czasie? 1

2 Definicja sterowalności uk ladu sterowania z czasem ci ag lym: Ci ag ly uk lad sterowania nazywa siȩ uk ladem sterowalnym, jeżeli stosuj ac ograniczone przedzia lami ci ag le sterowanie można go przeprowadzić w skończonym czasie t 1 z dowolnego stanu pocz atkowego x do zadanego stanu końcowego x 1 Przyjmuj ac x 1 = mówimy, że uk lad jest ca lkowicie sterowalny sterowalny do zera Za lożenie zerowego stanu końcowego moṅa zawsze spe lnić dokonuj ac odpowiedniej liniowej transformacji wspó lrzȩdnych stanu Nastȩpuj ace twierdzenie określa warunki jakie musz a spe lniać macierze A i B, aby liniowy stacjonarny uk lad sterowania z czasem ci ag lym by l sterowalny Twierdzenie: Liniowy stacjonarny uk lad sterowania z czasem ci ag lym jest sterowalny wtedy i tylko wtedy, gdy jego macierz sterowalności S = [B AB A 2 B A n 1 B] zawiera n liniowo niezależnych kolumn Warunek ten można sformu lować w równoważnej postaci: rz ad macierzy sterowalności jest równy wymiarowi przestrzeni stanu tj rz(s) = n Dowód: Rozwi azanie liniowego stacjonarnego uk ladu sterowania ẋ(t) = Ax(t) + Bu(t), x() = x ma postać x(t) = e At( x + t e A t Bu( t)d t ) Sterowalność do zera oznacza, że dla pewnego t 1 zachodzi równość = e At 1 ( x + Warunek ten bȩdzie spe lniony, jeśli e A t Bu( t)d t ) = x = = e A t Bu( t)d t A i ( t) i Bu( t)d t i! i= A i Bu i, u i = i=1 ( t) i u( t)d t i! Korzystamy z tw Cayleya-Hamiltona: każda macierz kwadratowa A n n spe lnia swoje równanie charakterystyczne det(si A) = a n s n + a n 1 s n a 1 s + a = 2

3 a n A n + a n 1 A n a 1 A + a I = Ponieważ n 1 n A n+1 = AA n = A ã i A i = ã i A i i=1 i=1 wiȩc macierze A k, k n mog a być przedstawione w postaci kombinacji liniowych macierzy A, A 1,, A n 1 Oznacza to, że dla pewnych kombinacji liniowych ū i wspó lczynników u i zachodzi równość n 1 x = A i Bū i czyli x = Bū + ABū 1 + A 2 Bū A n 1 Bū n 1 i= lub ( ) x = B AB A 2 B A n 1 B ū ū 1 ū 2 ū n 1 Jeśli macierz sterowalności S zawiera n liniowo niezależnych kolumn, to na tych kolumnach można rozpi ać n-wymiarow a przestrzeń za pomoc a sterowań ū i Uk lad sterowania z wieloma sterowaniami nazywamy regularnie sterowalnym, jeżeli jest on sterowalny ze wzglȩdu na każde wejście oddzielnie Liniowy stacjonarny uk lad sterowania jest sterowalny regularnie jeżeli macierze sterowalności ze wzglȩdu na każde wejście s a rzȩdu n tj rz(s j ) = n, gdzie S j = (B j AB j A 2 B j A n 1 B j ), j = 1,, n Warunek dostateczny niesterowalności uk ladu sterowania: Liniowy stacjonarny uk lad sterowania opisywany równaniami stanu ( ) ( ) A 11 A 12 B 1 ẋ(t) = x(t) + u(t) O A 22 O 3

4 Dowód: Ponieważ ( ) ( ) A k = A k 11 A k, k = 1, 2, ; A k A k B = 11B 1 O A k 22 O, k = 1, 2,, to S = (B AB A 2 B A n 1 B) = ( ) B 1 A 11 B 1 A 2 11B 1 A11 n 1 B 1, O O O O a wiȩc rz(s) < n Twierdzenie: Jeżeli liniowy stacjonarny uk lad sterowania jest sterowalny, to sterowanie ẋ(t) = Ax(t) + Bu(t), t [t, t 1 ], x(t ) = x u(t) = B T e AT (t t ) R 1 x ( ) przeprowadza uk lad ze stanu pocz atkowego x(t ) = x do stanu końcowego x(t 1 ) = w skończonym czasie t 1 t, przy czym R jest macierz a nieosobliw a określon a jak nastȩpuje St ad i R = t e A(t t) BB T e AT (t t) d t Dowód: W chwili t 1 powinna być spe lniona zależność x(t 1 ) = = e A(t 1 t ) x + = x + t t e A(t 1 t )Bu( t)d t / e A(t 1 t ) e A(t t Bu( t)d t x = e A(t t Bu( t)d t t Podstawiaj ac sterowanie ( ) uzyskujemy tj x = x = t t e A(t t) B( B T e AT (t t ) R 1 x )d t e A(t t BB T e AT (t t ) R 1 x d t 4

5 sk ad wynika tożsamość x = RR 1 x Uzyskana tożsamość potwierdz tezȩ twierdzenia Jednak należy jeszcze wykazać, że istnieje odwrotność mzcierzy R macierz e At B ma liniowo zależne wiersze tj Za lóżmy, że uk lad jest sterowalny i że v T e At B =, t [t, t 1 ], v R n Różniczkuj ac (n 1)-krotnie powyższ a zależność wzglȩdem czasu otrzymujemy równość Oznacza to, że rz ad macierzy v T e At [B AB A 2 B A n 1 B] = e At [B AB A 2 B A n 1 B jest mniejszy od n Ponieważ rz(e At ) = n, wiȩc rz(s) < n, a to jest sprzeczne z za lożeniem o sterowalności uk ladu Tak wiȩc dla uk ladẃ sterowalnych wiersze macierzy e At B s a liniowo niezależne tj Niech w(t) = B T e AT (t t) v Wtedy v T e At B, t [t, t 1 ] t w T (t)w(t)dt = v T e A(t t) BB T e AT (t t) d tv = v T Rv > t Macierz R jest symetryczna i dodatnio określona W teorii macierzy dowodzi siȩ, że taka macierz jest zawsze nieosobliwa Za lóżmy, że wartość w lasna s i macierzy R jest zespolona Wtedy RP i = s i P i P T i RP i = s i P T i P i ( ) i RP i = s i P i R P i = s i Pi P i T T R = s i P i P T i RP i = s i P T i P i Odejmuj ac stronami wyrażenia (*) i (**) uzyskujemy (s i s i ) P i 2 = 5 ( )

6 Ponieważ P i jest wektorem niezerowym, to musi być s i = s i tj wartości w lasne macierzy symetrycznej s a rzeczywiste Niech s i, s j bȩd a różnymi wartościami w lasnymi macierzy R, a P i, P j niech bȩd a wektorami w lasnymi zwi azanymi z tymi wartościami w lasnymi Oznacza to, że RP i = s i P i Pi T R = s i Pi T i P T i RP j = s i P T i P j ( ) RP j = s j P j P T i RP j = s j P T i P j Odejmuj ac stronami (*) i (**) uzyskujemy ( ) czyli (s i s j )P T i P j = P T i P j =, gdyż s i s j z za lożenia Oznacza to, że wektory w lasne macierzy R s a ortogonalne Wektory te określone s a z dok ladności a do sta lej - moṅa je wiȩc wybrać tak, aby P T i P i = 1 Wtedy P T P = I P 1 = P T Podstawmy w formie kwadratowej v T Rv wektor v jako v = P w Mamy wiȩc w T P T RP w = w T P 1 RP w = w T diag 1 i n (s 1,, s n )w = n i=1 s iwi 2 Wartości s i musz a być dodatnie, gdyż badana forma kwadratowa jest dodatnio określona St ad a wiȩc R 1 istnieje P 1 RP = S R = P SP 1 R 1 P S 1 P 1 R 1 = P diag(s 1 1, s 1 2,, s 1 n )P 1, Definicja: Uk lad sterowania nazywa siȩ sterowalnym ze wzglȩdu na wyjście uk ladu, jeżeli dla dowolnego stanu pocz atkowego w chwili t istnieje chwila t 1 > t i ograniczone, przedzia lami ci ag le sterowanie określone w przedziale [t, t 1 ] i takie, że wyjście uk ladu przyjmuje w chwili t 1 dowoln a zadan a wartość y t1 6

7 Warunek sterowalności ze wzglȩdu na wyjście uk ladu dla liniowych stacjonarnych uk ladów sterowania przybiera postać rz(s) = p,gdzie S = (CB CAB CA 2 B CA n 1 B), a p jest wymiarem przestrzeni wyjść uk ladu (liczb a wyjść uk ladu Sterowanie docelowe ze wzglȩdu na wyjście dla uk ladu sterowania ẋ(t) = Ax(t) + Bu(t), x(t ) = x, y(t) = Cx(t) jest postaci u(t) = B T e AT (t 1 t) C T R 1 Ce A(t 1 t ) x y(t 1 )), gdzie R = t Ce A(t t) BB T e AT (t t) C T d t Sterowalność liniowych stacjonarnych uk ladów sterowania z czasem dyskretnym Definicja sterowalności uk ladów sterowania z czasem dyskretnym: Dyskretny uk lad sterowania nazywa siȩ uk ladem sterowalnym, jeżeli stosuj ac ograniczone sterowanie dyskretne można go przeprowadzić w skończonym czasie k 1 z dowolnego stanu pocz atkowego x do zadanego stanu końcowego x 1 Przyjmuj ac x 1 = mówimy, że uk lad dyskretny jest sterowalny do zera Rozważmy liniowy stacjonarny uk lad sterowania z czasem dyskretnym opisywany równaniami stanu x(k + 1) = Ax(k) + Bu(k), k =, 1, ; x() = x Twierdzenie: Liniowy stacjonarny uk lad sterowania z czasem dyskretnym jest sterowalny wtedy, gdy jego macierz sterowalności S = [B AB A 2 B A n 1 B] zawiera n liniowo niezależnych kolumn Warunek ten można sformu lować w równoważnej postaci: rz ad macierzy sterowalności jest równy wymiarowi przestrzeni stanu tj rz(s) = n Dowód: Rozwi azanie liniowego stacjonarnego uk ladu ma postać k 1 x(k) = A k x + A k j 1 Bu(j) j= 7

8 W chwili k 1 mamy osi agn ać stan zerowy tj = A k 1 x + Przyjmuj ac k 1 = n uzyskujemy czyli k 1 1 j= A k 1 j 1 Bu(j) n 1 A n x = A n j 1 Bu(j) j= u(n 1) u(n 2) u(n 3) A n x = [B AB A 2 B A n 1 B] u() Jeśli macierz sterowalności S o wymiarach n mn posiada nieosobliw a podmacierz S o wmiarach n n, to dowolny wektor lewej strony ostatniej równości można wygenerować mnoż ac macierz S przez podwektor zmiennych steruj acych zwi azanych z kolumnami tej macierzy Oznaczmy ten podwektor jako n u Dyskretne sterowanie docelowe dla uk ladu liniowego stacjonarnego wyrazi siȩ wzorem n u = S 1 A n x Wynika st ad, że warunkiem wystarczaj acym sterowalności uk ladu dyskretnego jest warunek rz(s) = n Należy podkreślić, że, w odróżnieniu od uk ladów z czasem ci ag lym, warunek rzȩdu macierzy S nie jest warunkiem koniecznym sterowalności uk ladu dyskretnego Nie obowi azuje on np w przypadku tzw nilpotentnej macierzy stanu Jest to niezerowa macierz A taka, że A n = Wtedy uk lad sprowadza do zera dowolny stan pocz atkowy przy sterowaniu zerowym nawet jeśli warunek rzȩdu macierzy S nie jest spe lniony Można powiedzieć, że taki uk lad dyskretny sam sprowadza siȩ do zera Przyk lad: Dyskretny uk lad sterowania ( ) ( ) a x(k + 1) = x(k) + u(k), k =, 1, 2, ; x() = x 1 8

9 sam sprowadza siȩ do zera, gdyż jego macierz stanu jest nilpotentna dla dowolnej wartości parametru a ( ) ( ) ( ) A 2 a a = = 9

liniowych uk ladów sterowania

liniowych uk ladów sterowania Sterowalność i obserwowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t),

Bardziej szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk lad 11 1 Wektory i wartości w lasne Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V

Bardziej szczegółowo

Liniowe uk lady sterowania.

Liniowe uk lady sterowania. Liniowe uk lady sterowania Rozwi azywanie liniowych rownań stanu Uk lady z czasem ci ag lym Liniowe stacjonarne równania stanu Przyk lad: Uk lad sterowania tarcz a obrotow a prȩt sprȩżysty tarcza obrotowa

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

Bardziej szczegółowo

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

Bardziej szczegółowo

Wprowadzenie do teorii sterowania

Wprowadzenie do teorii sterowania Wprowadzenie do teorii sterowania Literatura podstawowa T. Kaczorek i inni, Podstawy teorii sterowania, WNT, Warszawa 2005. T. Kaczorek, Teoria sterowania i systemów, PWN, Warszawa 1996. T. Kaczorek, Teoria

Bardziej szczegółowo

Projektowanie uk ladów sterowania z wykorzystaniem ich postaci kanonicznych

Projektowanie uk ladów sterowania z wykorzystaniem ich postaci kanonicznych Projektowanie uk ladów sterowania z wykorzystaniem ich postaci kanonicznych Niech bȩdzie dany uk lad sterowania taki, że nie wszystkie jego zmienne stanu s a bezpośrednio dostȩpne (mierzalne. Uk lad pozwalaj

Bardziej szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

Bardziej szczegółowo

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania

Bardziej szczegółowo

Równania różniczkowe cz astkowe rzȩdu pierwszego

Równania różniczkowe cz astkowe rzȩdu pierwszego Równania różniczkowe cz astkowe rzȩd pierwszego 1 Równania liniowe jednorodne Rozważmy równanie a 1 ( 1,..., n ) 1 +... + a n ( 1,..., n ) n = 0, (1) gdzie a i, i = 1,..., n s a dane, a fnkcja = ( 1,...,

Bardziej szczegółowo

Stabilność liniowych uk ladów sterowania

Stabilność liniowych uk ladów sterowania Stabilność liniowych uk ladów sterowania Stabilność uk ladów z czasem ci ag lym W teorii stabilności uk ladów sterowania badamy wrażliwość trajektorii stanu na zaburzenia stanu pocz atkowego. Interesuje

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów KOINACJA LINIOWA UKŁADU WEKTORÓW Definicja 1 Niech będzie przestrzenią liniową (wektorową) nad,,,, układem wektorów z przestrzeni, a,, współczynnikami ze zbioru (skalarami). Wektor, nazywamy kombinacją

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem

Bardziej szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne

Bardziej szczegółowo

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr

Bardziej szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie 1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji

Bardziej szczegółowo

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym.

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Po wyznaczeniu optymalnego nominalnego) procesu sterowania x o, u o nasuwa siȩ kwestia podtrzymywania tego procesu w warunkach ma lych

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

w = w i ξ i. (1) i=1 w 1 w 2 : S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo

Bardziej szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

g liczb rzeczywistych (a n ) spe lnia warunek

g liczb rzeczywistych (a n ) spe lnia warunek . Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;

Bardziej szczegółowo

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej

Bardziej szczegółowo

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej: ROZDZIA L Metoda sympleksowa Motto: Matematyka nie może wype lnić życia ale jej nieznajomość już niejednemu je wype lni la H Steinhaus Tablica sympleksowa Rozważmy ZPL w postaci klasycznej maksymalizować

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

Bardziej szczegółowo

Własności wyznacznika

Własności wyznacznika Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy

Bardziej szczegółowo

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =

Bardziej szczegółowo

Wyk lad 3 Wielomiany i u lamki proste

Wyk lad 3 Wielomiany i u lamki proste Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich

Bardziej szczegółowo

Rozdzia l 10. Najważniejsze normalne logiki modalne

Rozdzia l 10. Najważniejsze normalne logiki modalne Rozdzia l 10. Najważniejsze normalne logiki modalne 1. Logiki modalne normalne Definicja. Inwariantny zbiór formu l X jȩzyka modalnego L = (L,,,,, ) nazywamy logik a modaln a zbazowan a na logice klasycznej

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach. WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Bardziej szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace

Bardziej szczegółowo

Tematyka egzaminu z Podstaw sterowania

Tematyka egzaminu z Podstaw sterowania Tematyka egzaminu z Podstaw sterowania Rafał Trójniak 6 września 2009 Spis treści 1 Rozwiązane tematy 1 1.1 Napisać równanie różniczkowe dla zbiornika z odpływem grawitacyjnym...............................

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia. mm

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia.   mm CHEMIA KWANTOWA MONIKA MUSIA L Ćwiczenia METODY PRZYBLIŻONE ROZWIA ZYWANIA RÓWNANIA SCHRÖDINGERA METODA WARIACYJNA metoda wariacyjna ĤΨ n = E n Ψ n Ψ n ortonormalne Szukamy rozwi azań dla stanu podstawowego,

Bardziej szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.

Bardziej szczegółowo

1 Macierze i wyznaczniki

1 Macierze i wyznaczniki 1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,

Bardziej szczegółowo

Pisemny egzamin dyplomowy. na Uniwersytecie Wroc lawskim. na kierunku matematyka. zadania testowe. 22czerwca2009r. 60 HS-8-8

Pisemny egzamin dyplomowy. na Uniwersytecie Wroc lawskim. na kierunku matematyka. zadania testowe. 22czerwca2009r. 60 HS-8-8 EGZAMIN DYPLOMOWY, cze ść I (testowa) 22.06.2009 INSTRUKCJE DOTYCZA CE WYPE LNIANIA TESTU 1. Nie wolno korzystać z kalkulatorów. 2. Sprawdzić, czy wersja testu podana na treści zadań jest zgodna z wersja

Bardziej szczegółowo

Zadania o liczbach zespolonych

Zadania o liczbach zespolonych Zadania o liczbach zespolonych Zadanie 1. Znaleźć takie liczby rzeczywiste a i b, aby zachodzi ly równości: a) a( + i) + b(4 i) 6 i, b) a( + i) + b( + i) 8i, c) a(4 i) + b(1 + i) 7 1i, ( ) a d) i + b +i

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach: Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x

Bardziej szczegółowo

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y

Bardziej szczegółowo

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n

Bardziej szczegółowo

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Niezb. ednik matematyczny. Niezb. ednik matematyczny Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )

Bardziej szczegółowo

Zastosowania wyznaczników

Zastosowania wyznaczników Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA Ćwiczenia Zwi azki organiczne zawieraj ace uk lady π-elektronowe Sprzȩżony uk lad wi azań podwójnych: -C=C-C=C-C=C-C=C- Skumulowany uk lad wi azań podwójnych:

Bardziej szczegółowo

Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy

Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy Justyna Winnicka Na podstawie podręcznika Matematyka. e-book M. Dędys, S. Dorosiewicza, M. Ekes, J. Kłopotowskiego. rok akademicki 217/218

Bardziej szczegółowo

3. Wykład Układy równań liniowych.

3. Wykład Układy równań liniowych. 31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

Wykład 14. Elementy algebry macierzy

Wykład 14. Elementy algebry macierzy Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,

Bardziej szczegółowo

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Zasada optymalności Bellmana. Uogólniony optymalny regulator stanu.

Zasada optymalności Bellmana. Uogólniony optymalny regulator stanu. Zasada optymalności Bellmana. Uogólniony optymalny regulator stanu. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych z czasem ci ag lym W podstawowym problemie sterowania optymalnego

Bardziej szczegółowo

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011 Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste

Bardziej szczegółowo

Pierwiastki arytmetyczne n a

Pierwiastki arytmetyczne n a Chapter 1 Pierwiastki arytmetyczne n a Operacja wyci aganie pierwiastka stopnia n z liczby a jest odwrotn a operacj a do potȩgowania, jeżeli operacja odwrotna jest wykonalna w liczbach rzeczywistych. Zacznijmy

Bardziej szczegółowo

FUNKCJA KWADRATOWA. 1. Definicje i przydatne wzory. lub trójmianem kwadratowym nazywamy funkcję postaci: f(x) = ax 2 + bx + c

FUNKCJA KWADRATOWA. 1. Definicje i przydatne wzory. lub trójmianem kwadratowym nazywamy funkcję postaci: f(x) = ax 2 + bx + c FUNKCJA KWADRATOWA 1. Definicje i przydatne wzory DEFINICJA 1. Funkcja kwadratowa lub trójmianem kwadratowym nazywamy funkcję postaci: f(x) = ax + bx + c taką, że a, b, c R oraz a 0. Powyższe wyrażenie

Bardziej szczegółowo

FUNKCJE LICZBOWE. x 1

FUNKCJE LICZBOWE. x 1 FUNKCJE LICZBOWE Zbiory postaci {x R: x a}, {x R: x a}, {x R: x < a}, {x R: x > a} oznaczane sa symbolami (,a], [a, ), (,a) i (a, ). Nazywamy pó lprostymi domknie tymi lub otwartymi o końcu a. Symbol odczytujemy

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

Bardziej szczegółowo

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory; Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem

Bardziej szczegółowo

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci 56 Za³ó my, e twierdzenie jest prawdziwe dla macierzy dodatnio okreœlonej stopnia n 1. Macierz A dodatnio okreœlon¹ stopnia n mo na zapisaæ w postaci n 1 gdzie A n 1 oznacza macierz dodatnio okreœlon¹

Bardziej szczegółowo

1 Zbiory i działania na zbiorach.

1 Zbiory i działania na zbiorach. Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu

Bardziej szczegółowo

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10)

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) 5.5. Wyznaczanie zer wielomianów 79 gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) gdzie stopieñ wielomianu p 1(x) jest mniejszy lub równy n, przy

Bardziej szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy

Bardziej szczegółowo

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej 15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN funkcję A : {1,...,m} {1,...,n} F nazywamy macierzą m n ( macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)

Bardziej szczegółowo

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

Asymptota pozioma: oṡ x, gdy y = 0 Asymptota pionowa: oṡ y, gdy x = 0. Hyperbola 1 x

Asymptota pozioma: oṡ x, gdy y = 0 Asymptota pionowa: oṡ y, gdy x = 0. Hyperbola 1 x 1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 Asymptota pozioma: oṡ x, gdy y = 0 Asymptota pionowa: oṡ y, gdy x = 0 2 1 0 3 1 2 x Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE

Bardziej szczegółowo

IV. UK ADY RÓWNAÑ LINIOWYCH

IV. UK ADY RÓWNAÑ LINIOWYCH IV. UK ADY RÓWNAÑ LINIOWYCH 4.1. Wprowadzenie Uk³ad równañ liniowych gdzie A oznacza dan¹ macierz o wymiarze n n, a b dany n-elementowy wektor, mo e byæ rozwi¹zany w skoñczonej liczbie kroków za pomoc¹

Bardziej szczegółowo

13 Układy równań liniowych

13 Układy równań liniowych 13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

Opis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk

Opis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk Opis systemów dynamicznych Mieczysław Brdyś 27.09.2010, Gdańsk Rozważmy układ RC przedstawiony na rysunku poniżej: wejscie u(t) R C wyjście y(t)=vc(t) Niech u(t) = 2 + sin(t) dla t t 0 gdzie t 0 to chwila

Bardziej szczegółowo

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2 Wykład 12 i 13 Macierz w postaci kanonicznej Jordana Niech A - macierz kwadratowa stopnia n Jak obliczyć np A 100? a 11 0 0 0 a 22 0 Jeśli A jest macierzą diagonalną tzn A =, to Ak = 0 0 a nn Niech B =

Bardziej szczegółowo

na p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0

na p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0 Chapter 1 Interpolacja 1.1 Interpolacja liniowa Zacznijmy opis pojȩcia inter-polacji od prostego przyk ladu. Przyk lad 1.1 Oblicz ile kilometrȯw przejecha l samochȯd po 3 godzinach jazdy, jeżeli po jednej

Bardziej szczegółowo

Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań

Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii

Bardziej szczegółowo

SZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE.

SZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE. 1 SZKO LA PODSTAWOWA HELIANTUS 0-89 WARSZAWA ul. BAŻANCIA 16 1 0 3 1 x Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE Prof. dr. Tadeusz STYŠ Warszawa 018 1 1 Projekt dziesi aty Contents

Bardziej szczegółowo

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy

Bardziej szczegółowo

Wyznaczniki, macierz odwrotna, równania macierzowe

Wyznaczniki, macierz odwrotna, równania macierzowe Wyznaczniki, macierz odwrotna, równania macierzowe Adam Kiersztyn Katolicki Uniwersytet Lubelski Jana Paw a II Lublin 013 Adam Kiersztyn (KUL) Wyznaczniki, macierz odwrotna, równania macierzowe marzec

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych Grupa, cia lo Zadanie 1. Jakie w lasności w zbiorze liczb naturalnych, ca lkowitych, wymiernych, rzeczywistych maj dzia lania a b = a b, a b = a 2 + b 2, a b = a+b, a b = b. 2 Zadanie 2. Pokazać, że (R

Bardziej szczegółowo

Wprowadzenie z dynamicznej optymalizacji

Wprowadzenie z dynamicznej optymalizacji Wprowadzenie z dynamicznej optymalizacji Lukasz Woźny 29 kwietnia 2007 Spis treści 1 Optymalizacja statyczna a optymalizacja dynamiczna 2 1.1 Ekstrema lokalne funkcji wielu zmiennych - statyka...... 2

Bardziej szczegółowo

Trigonometria. Funkcje trygonometryczne

Trigonometria. Funkcje trygonometryczne 1 Trigonometria. Funkcje trygonometryczne Trigonometria to wiedza o zwi azkach miarowych pomiedzy bokami i k atami trójk atów. Takie znaczenie s lowa Trigonometria by lo używane w czasach starożytnych

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo