max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic

Wielkość: px
Rozpocząć pokaz od strony:

Download "max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic"

Transkrypt

1 Zadane rograowana lnowego PL dla ogranczeń neszoścowch rz ogranczenach: a f c A b d =n, d c=n, d A =[ n], d b =, Postać anonczna zadana PL a c X : A b, Postać anonczna acerzowa zadana PL a Lczba zennch n=, Lczba ogranczeń =. X : A b, X :, c a,,,, ] c c, c, c, c, c ] [,,,, ] A [ b [ Kolun odowadaące ednostowe acerz bazowe,, echna otalzac echna otalzac Równoważność zadań rograowana ateatcznego Podstawowe defnce I Ogranczene równoścowe ożna zastąć dwoa ogranczena nerówścow II Ogranczene nerównoścowe ożna zastąć ogranczene równoścow, wrowadzaąc zenną uzuełnaącą III Zenną wolną ożna rzedstawć ao różncę dwóch zennch neuench g ( ) g ( ) g ( ) g ( ) g ( ) n n R gdze:, Jeśl dla uładu równań lnowch A=b sełnon est warune rz[a r ]=rz[a] to ogą zastneć trz nastęuące rzad:. rz[a] = = n stnee edno rozwązane uładu A=b.. rz[a] = n < stnee edno rozwązane uładu równań, lecz rz t ( - n) równań est zbędnch.. rz[a] = < n stnee nesończene wele rozwązań uładu A=b, est to uład neoznaczon. Defnca. acerz bazowe Macerzą bazową uładu równań A = b rz[a] =, n> nazwa neosoblwą acerz wadratową o warach (*) utworzoną z lnowo-nezależnch olun a acerz A. Defnca. rozwązana bazowego Rozwązane bazow uładu równań A=b rz[a]=, n> nazwa wetor b = - b utworzon ze zennch odowadaącch oluno a acerz bazowe. Sładowe wetora bazowego b są to zenne bazowe. echna otalzac echna otalzac Przład I zadana rograowana lnowego a Lczba zennch n=, Lczba ogranczeń =. a X :, Postać anonczna zadana PL wrowadzene zennch uzuełnaącch dla uładu równań lnowch. X : Kolun odowadaące ednostowe acerz bazowe Rozwązana bazowe A [, ] [, ] Defnca. det, d Rozwązane bazowe est rozwązane bazow douszczaln zadana rograowana lnowego PL eśl wetor est neuen tzn. Wówczas rozwązane bazowe douszczalne osada ne węce nż dodatnch. Defnca. - acerz bazowa neosoblwa - acerz nebazowa - wetor zennch bazowch odowadaącch oluno acerz - wetor zennch nebazowch odowadaącch oluno acerz [,] b ezdegenerowan rozwązane bazow douszczaln zadana PL nazwa rozwązane douszczalne, w tór wszste sładowe są węsze od zera. echna otalzac echna otalzac

2 Etreu zadana rograowana lnowego PL Defnca. n Punt należąc do wułego zboru X R est unte werzchołow zboru X, eśl ne oże bć wrażon ao obnaca lnowa nnch untów zboru X. werdzene. Zbór wszstch rozwązań douszczalnch zadana rograowana lnowego PL est zbore wuł. werdzene. Rozwązane douszczalne zadana rograowana lnowego PL est unte werzchołow zboru rozwązań douszczalnch X wted tlo wted gd odowada u bazowe rozwązane douszczalne tzn.: Poszuwane rozwązań bazowch douszczalnch [,] echna otalzac Etreu zadana rograowana lnowego PL cd. Postać oczątowe tablc slesowe werdzene. f : X R Jeżel funca, oreślona na donęt ogranczon wuł n zborze X R, est cągła wuła, to globalne au func f() wstęue w unce estrealn (bądź untach) zboru X. b c Ilustraca grafczna rzład I zadana PL Perwsze rozwązane bazowe douszczalne odowada za unt werzchołow [,,]. echna otalzac echna otalzac Etreu zadana rograowana lnowego PL cd. werdzene.. Funca celu zadana PL rzue wartość asalną w unce werzchołow zboru rozwązań douszczalnch zadana PL.. Jeśl funca celu zadana PL rzue wartość asalną w węce nż edn unce werzchołow, to a tą saą wartość dla ażde obnac wułe tch untów. Dla douszczalnch bazowch rozwązań otalnch, tzn.,.. Zbór rozwązań otalnch rzue ostać: X,,,, Postać oczątowe tablc slesowe dla oawanego rzładu a a X : X :, echna otalzac echna otalzac

3 Wrowadzone oznaczena: oraz gdze oznaczaą olun acerz. R Funca celu R func ogranczeń, dla,, R Poleszane bazowego rozwązana douszczalnego etoda elnac Gauss a n ( /,,, ). Gd a ne-zdegenerowane rozwązane bazowe douszczalne tae, że dla ewnego, R oraz dla rznane ednego wówczas ożna z nego otrzać lesze bazowe rozwązane douszczalne rzez wanę edne z olun acerz na olunę acerz. r r r R r r r R echna otalzac echna otalzac Perwsza tablca sles-i rozwązane bazowe douszczalne Krteru douszczalnośc o dla,, Krteru otalnośc r r O O r rr dla R O r r r r Otalne rozwązane zadana rograowana lnowego PL etodą sles werdzene. Rozwązane bazowe douszczalne uładu równań A=b est rozwązane otaln zadana PL, eśl są sełnone dwa warun: () Warune ralne douszczalnośc: () Warune otalnośc dla,, dla R echna otalzac echna otalzac Poleszane rozwązana bazowego douszczalnego ablca sles odowadaaca za nastęne rozwązane bazowe douszczalne o węsze wartośc func celu (wg etod elnac Gauss a) zawsze,, dla,, R zate gd torówneż gd R ( ( r r r / / ) / ) ( ( / r / ) r / ) r / r / / echna otalzac echna otalzac

4 Algort sles dla ogranczeń neszoścowch (dla b>=) Kro. (start). Rozoczna algort od znalezena erwszego rozwązana bazowego douszczalnego. ależ srawdzć douszczalność rozwązana: cz dla,, a - dź do rou, e SOP. Kro. (test otalnośc). Cz dla ażdego? a - to atualne rozwązane est otalne. e - dź do rou. R Zadane rograowana lnowego PL dla ogranczeń neszoścowch Założena:. Zbór X rozwązań douszczalnch. algort sles startue z bazowego douszczalnego rozwązana I. Zadane rograowana lnowego PL osada edno rozwązane Przład: a X X :, Kro. (Wbór zenne wchodzące do baz). Wberz ao zenną wchodzącą do baz taą zenną, dla tóre. R ową regułą est wbór zenne R Idż do rou. est reguła dla tóre: n, Rozwązane bazowe otalne: Wartość otalna func celu: / -/ / / 7 / 9/ -/ / / -/ / / / - 7/ / / 7/ / / / / -/ 9 [,,,. ] [,,,, ] echna otalzac echna otalzac Algort sles (raln) c.d. Kro. (wbór zenne usuwane z baz). Wberz ao zenną usuwaną z baz taą zenną, dla tóre r n ( /,,, ). Jeśl wele zennch sełna ten warune, wberz arbtralne edną z nch. Idż do rou. Przład zadana rograowana lnowego etoda ralna sles - I rozw. bazowe douszczalne. Kro. (start). Rozoczna algort od znalezena erwszego rozwązana bazowego douszczalnego. ależ srawdzć douszczalność rozwązana. a - dź do rou, Kro. (test otalnośc). e SOP. a - to atualne rozwązane est otalne. e - dź do Krou. Kro. (Wbór zenne wchodzące do baz) - zenna. Kro. (wbór zenne usuwane z baz) - - zenna. Idż do rou. Kro. (elnaca Gauss a). Wznacz oraz R, względe zennch, R { } oraz zenne r zgodne z wrowadzon wzore. Podstaw, R { }, wznacz ozostałe eleent tablc r ab otrzać nowe rozwązane bazowe douszczalne. Idź do rou., Rozwązane bazowe douszczalne: Wartość func celu: [,,,. ] [,,,, ] echna otalzac echna otalzac Przład zadana rograowana lnowego etoda ralna sles cd. - II rozw. bazowe douszczalne. Scheat reguł rzelczena wsółcznnów w tablc sles wg etod elnac Gauss a (wg wzorów ze sladu 7) - eleent centraln (główn) q dowoln eleent w werszu centraln (główn) r dowoln eleent w olune centralne (główne) s dowoln ozostał eleent Kro. (elnaca Gauss a). Wznacz nowa tablcę slesów. Idź do rou. Kro. (test otalnośc). a - to atualne rozwązane est otalne. e - dź do Krou. r q s r q rq s 7 / -/ / -/ / 7/ / / 7/ / / 7 7 Rozwązane bazowe douszczalne: [,,,. ] [,,,, ] Wartość func celu: 7 echna otalzac echna otalzac

5 Przład zadana rograowana lnowego etoda ralna sles cd. - III rozw. bazowe douszczalne = rozwązane otalne. Poocncza funca celu I faza etod dwufazowe sles cd. Kro. (test otalnośc). a - to atualne rozwązane est otalne. dla R Kro. (start- wbór oocncze func celu). Rozoczna algort od znalezena wersza s, dla tórego oraz s n :,,,, s Jeśl bra taego s ( dla,,, ) to tablca odowada douszczalneu rozwązanu bazoweu należ rześć do II faz. / / / 9/ -/ / ½ / - / / -/ Rozwązane bazowe otalne: 9 [,,,. ] [,,,, ] Wartość otalna func celu: Kro. (Wbór zenne wchodzące do baz). Wberz ao zenną wchodzącą do baz taą zenną dla tóre R ową regułą est wbór zenne, R, dla tóre: Idż do Krou. n : s s R s Jeśl est bra tae zenne ( dla ) to est bra s R rozwązana douszczalnego. Jest to roble srzeczn. echna otalzac echna otalzac Zadane rograowana lnowego z ogranczena neszoścow węszoścow Metoda sles (dwufazowa etoda sles) I faza - należ znaleźć erwsze rozwązane bazowe douszczalne orzez rozwązane zadana oocnczego II faza - asalzaca func celu dla nastęnego rozwązana bazowego douszczalnego wg algortu sles. I faza zachodz, gd Kro ne a ożlwośc stworzena erwszego rozwązana bazowego douszczalnego Kro. (start). Rozoczna algort od znalezena erwszego rozwązana bazowego douszczalnego. ależ srawdzć douszczalność rozwązana: cz dla a - dź do Krou, e SOP.,, Kro. (wbór zenne usuwane z baz). Wberz ao zenną usuwaną z baz taą zenną r, dla tóre r o n :,,, Jeśl wele zennch sełna ten warune, wberz arbtralne edną z nch. a rzade zawsze stnee, oneważ Idż do Krou. Kro. (elnaca Gauss a). Wznacz oraz R, względe zennch, R { } Podstaw oraz zenne, R { } r r zgodne z wrowadzon wzora. ab otrzać erwsze rozwązane bazowe douszczalne. Idź do Krou. Kro ten czasa nazwa sę waną zenne bazowe ( wotzacą). s s, echna otalzac echna otalzac Poocncza funca celu I faza etod dwufazowe sles uzsane bazowego rozwązana douszczalnego Jeśl wetor b w oczątowe tablc slesowe a rznane edną ueną wsółrzędną, to tablca rzedstawa nedouszczalne rozwązane bazowe. Początową nedouszczalną tablcę slesową ożna rzeształcć do tablc douszczalne worzstuąc algort sles. Cel uzsane neuench wartośc zennch oocnczch. ależ wbrać naneszą ueną wartość zenne bazowe r n, dla,,, Wbran wersz s będze stanowł oocnczą funcę celu, tórą należ zasalzować. Kolene ro etod sles ownn bć rowadzone do uzsana douszczalne tablc sles, tzn. tae dla tóre sełnon est warune ralne douszczalnośc: Konec I faz dla,,, a Przład II zadana rograowana lnowego etoda dwufazowa sles X :, I faza II faza cz. II faza cz. ra rozwązana douszczalnego I rozwązane bazowe douszczalne, Rozwązane otalne:,,, - - 8,,, X,, -, X,,, X,, -, II rozwązane bazowe douszczalne- rozwązane otalne,, 8,, 8, echna otalzac echna otalzac

6 Przad szczególne cd. II. Zadane rograowana lnowego zadane PL neogranczone werdzene. Jeśl zadane PL est neogranczone, to stneą rozwązana bazowe douszczalne oraz wetor ta, że: Wówczas zbór rozwązań est ust. dla,, K Przład: n, 9, echna otalzac Przad szczególne zbór rozwązań douszczalnch est zbore ust - bra rozwązana a X :, X W etodze dwufazowe sles algort w I faze oblczeń ne otraf stworzć erwszego rozwązana bazowego douszczalnego z owodu brau rozwązań douszczalnch. Przład: / -/ - / e est sełnon warune douszczalnośc druge tablc sles ednocześne druga tablca wsazue, że est bra rozwązań douszczalnch.,,,,, echna otalzac

Reprezentacje grup symetrii. g s

Reprezentacje grup symetrii. g s erezentace ru ymetr Teora rerezentac dea: oeracom ymetr rzyać oeratory dzałaące w rzetrzen func zwązać z nm funce, tóre oeratory te rzerowadzaą w ebe odobne a zb. untów odcza oerac ymetr rozważmy rzeztałcene

Bardziej szczegółowo

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

F - wypadkowa sił działających na cząstkę.

F - wypadkowa sił działających na cząstkę. PRAWA ZACHOWAIA Podstawowe termny Cała tworzące uład mechanczny oddzałują mędzy sobą z całam nenależącym do uładu za omocą: Sł wewnętrznych Sł zewnętrznych - Sł dzałających na dane cało ze strony nnych

Bardziej szczegółowo

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak Metod numerczne Wład nr dr hab. Piotr Froncza Przbliżone rozwiązwanie równań nieliniowch Jedno równanie z jedną niewiadomą Szuam pierwiastów rzeczwistch równania =. zwle jest uncją nieliniową zatem orzstam

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Numeryczne 7/8 Inormatya Stosowana II ro Inżynera Oblczenowa II ro Wyład 7 Równana nelnowe Problemy z analtycznym rozwązanem równań typu: cos ln 3 lub uładów równań ja na przyład: y yz. 3z y y.

Bardziej szczegółowo

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie Lteratura przegląd etod Studu podyploowe Analty Fnansowy Metody tasonoczne Klasyfaca porządowane Dzechcarz J. (pod red.), Eonoetra: etody, przyłady, zadana, Wydawnctwo Aade Eonoczne we Wrocławu, Wrocław,

Bardziej szczegółowo

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A TEORI STNU NPRĘŻENI. WEKTOR NPRĘŻENI r x P P P P, P - wektory sł wewnętrznych w unktach owerzchn wokół unktu P P r, P - suma sł wewnętrznych na owerzchn P P P P średna gęstość sł wewnętrznych na owerzchn

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

MECHANIKA BUDOWLI 13

MECHANIKA BUDOWLI 13 1 Oga Kopacz, Adam Łodygos, Krzysztof ymper, chał Płotoa, Wocech Pałos Konsutace nauoe: prof. dr hab. JERZY RAKOWSKI Poznań 00/00 ECHANIKA BUDOWLI 1 Ugęca bee drgaących. Wzory transformacyne bee o cągłym

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

4. Zjawisko przepływu ciepła

4. Zjawisko przepływu ciepła . Zawso przepływu cepła P.Plucńs. Zawso przepływu cepła wymana cepła przez promenowane wymana cepła przez unoszene wymana cepła przez przewodzene + generowane cepła znane wartośc temperatury zolowany brzeg

Bardziej szczegółowo

Algorytmy szukania równowag w grach dwumacierzowych

Algorytmy szukania równowag w grach dwumacierzowych Rozdzał 2 Algorytmy szukana równowag w grach dwumacerzowych 2. Algorytm Lemke-Howsona Dzseszy wykład pośwęcony będze temu, ak szukać równowag w grach dwumacerzowych. Poneważ temu były uż w wększośc pośwęcone

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

Ą ź ń Ś Ź ń Ę Ś ź Ę ń ć ć ż ż ż ż ć ń Ę Ż ń ż ć ć Ł Ż Ż ćń Ą ć ć Ą Ż Ź Ą ż Ż ż Ą Ą Ę ń ć ć ń ń Ę ń ź ń Ż ż ć ń Ż ż ć Ż ń ż Ą ć ć Ą Ż Ą Ż Ł ź Ą ń Ź ń Ę ż Ń Ę Ń ż ć ż Ń ń ń Ę Ę ż Ź Ż ć Ą Ż ń ń Ż ć ż Ż ń

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Smlaca Andrze POWNUK Katedra Mecan Teoretczne Wdzał Bdownctwa Poltecna Śląsa w Glwcac MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Streszczene. Wszste parametr ładów mecancznc są znane z

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 5. SZTUCZNE SIECI NEURONOWE REGRESJA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wdzał Elektrczn Poltechnka Częstochowska PROBLEM APROKSYMACJI FUNKCJI Aproksmaca funkc przblżane

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

Temat: Operacje elementarne na wierszach macierzy

Temat: Operacje elementarne na wierszach macierzy Temat: Operacje elementarne na erszach macerzy Anna Rajfura Anna Rajfura Operacje elementarne na erszach macerzy n j m n A Typy operacj elementarnych. Zamana mejscam erszy oraz j, ozn.: j. Mnożene ersza

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

ń ż ń ń ź ć ż ń ż ń ć ć ń ć ń ć ć Ź ń ć Ź ć ń ń ć ż ń ż ćź Ę ż ń ń ć ć ć ż ż ń ń Ę ć ć ń ż Ś Ś Ó Ź ń Ó ź Ś Ź Ę ż ń ż ź Ś ż ż ń ć ń ż ż ń Ż Ń Ź ż ż ć ć ż ć ń ż ż ń ń ń ć ń ż ć ź ć ń Ś Ę Ę ż Ę ń Ź ń Ó ż

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Modelowanie komputerowe przemian fazowych w stanie stałym stopów ze szczególnym uwzględnieniem odlewów ADI

Modelowanie komputerowe przemian fazowych w stanie stałym stopów ze szczególnym uwzględnieniem odlewów ADI MERO MEtalurgczny Renng On-lne Modelowane oputerowe przean fazowych w stane stały stopów ze szczególny uwzględnene odlewów ADI Wyład III: Metoda różnc sończonych dla transportu cepła asy Wocech Kapturewcz

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania Mrosław Gdlews esze Jeoł Reonstrucja zderzena dwóch saochodów osobowch podstawowe zasad prata ch stosowana treszczene RóŜnorodność złoŝoność wpadów drogowch polegającch na zderzenu dwóch saochodów sprawają,

Bardziej szczegółowo

Markowa. ZałoŜenia schematu Gaussa-

Markowa. ZałoŜenia schematu Gaussa- ZałoŜena scheatu Gaussa- Markowa I. Model jest nezennczy ze względu na obserwacje: f f f3... fl f, czyl y f (x, ε) II. Model jest lnowy względe paraetrów. y βo + β x +ε Funkcja a być lnowa względe paraetrów

Bardziej szczegółowo

Badania operacyjne w logistyce i zarządzaniu produkcją

Badania operacyjne w logistyce i zarządzaniu produkcją Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław

Bardziej szczegółowo

I..ROZWIĄZANIE DŹWIGARA DANEGO OD DANEGO OBCIĄŻENIA

I..ROZWIĄZANIE DŹWIGARA DANEGO OD DANEGO OBCIĄŻENIA METO IŁ uład przetrzenn przład dźwgar załaan w plane OZWIĄZNIE ŹWIG ZŁMNEGO W PLNIE METOĄ IŁ I OLIZENIE PZEMIEZZENI an jet dźwgar załaan w plane. ozwązać go etodą ł porządzć wre ł przerojowch doonać ontrol

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

Małe drgania wokół położenia równowagi.

Małe drgania wokół położenia równowagi. ałe rgana woół położena równowag. ałe rgana Anazuemy ułay a tórych potencał Vqq,q,..,q posaa mnmum a oreśonych wartośc współrzęnych uogónonych q,, -czba stopn swoboy. ożemy ta przesaować te współrzęne

Bardziej szczegółowo

Uniwersalny sumator kodu naturalnego (NB) i uzupełnieniowego U2. dopełnienie arytmetyczne (1 x) negacja logiczna x logiczna funkcja nadmiaru: v = c k

Uniwersalny sumator kodu naturalnego (NB) i uzupełnieniowego U2. dopełnienie arytmetyczne (1 x) negacja logiczna x logiczna funkcja nadmiaru: v = c k Unweraln uator odu naturalnego (NB) uzupełnenowego U2 X X ulp dopełnene artetzne ( ) negaja logzna logzna funja nadaru: v. odejowane dodawane dopełnena (negaj) odjena oraz 2 2 2 2 C 2 Welopozjn uator odów

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Optymalizacja funkcji

Optymalizacja funkcji MARCIN BRAŚ Opymalzacja funcj ) Opymalzacja w obszarze neoranczonym WK: y. y WW: > > y y Znaleźć mnmum funcj: (, y) ( ) y ( ) y y ( ) y solve, P(, ) y y solve, y ( ) y ( ) y y y ( ) y W W W > (, y) > Op.

Bardziej szczegółowo

WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM

WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM Budownctwo 7 Mkhal Hrtsuk, Rszard Hulbo WYZNACZNI ODKSZTAŁCŃ, PRZMISZCZŃ I NAPRĘŻŃ W ŁAWACH FNDAMNTOWYCH NA PODŁOŻ GRNTOWYM O KSZTAŁCI WYPKŁYM Wprowadzene Prz rozwązanu zagadnena przmuem, że brła fundamentowa

Bardziej szczegółowo

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel, utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11 Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra

Bardziej szczegółowo

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie DRGANIA MECHANICZNE ateriały uzupełniające do ćwiczeń Wydział Saochodów i Maszyn Roboczych studia inżyniersie prowadzący: gr inż. Sebastian Korcza część 6 ułady dysretne o wielu stopniach swobody Poniższe

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

METODA WSPOMAGANIA PODEJMOWANIA DECYZJI GRUPOWEJ OPARTA NA OPTYMALIZACJI WIELOKRYTERIALNEJ

METODA WSPOMAGANIA PODEJMOWANIA DECYZJI GRUPOWEJ OPARTA NA OPTYMALIZACJI WIELOKRYTERIALNEJ ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 4 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr ol. 95 Andrzej ŁODZIŃSKI Szoła Główna Gospodarstwa Wejsego Wdzał Zastosowań Informat Matemat METODA WSPOMAGANIA PODEJMOWANIA

Bardziej szczegółowo

1. Wstępna geometria skrzyżowania (wariant 1a)

1. Wstępna geometria skrzyżowania (wariant 1a) . Wtępna geometra rzyżowana (warant a) 2. Strutura erunowa ruchu 3. Warun geometryczne Srzyżowane et zloalzowane w śródmeścu o newelm ruchu pezych. Pochylene podłużne na wlotach nr 3 ne przeracza 0,5%,

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

Ł Ą ż ż Ę ż Ó Ł ź ż ż Ś ż Ę Ę Ś Ą ć ż Ź Ś Ę Ś ĄÓ Ę Ź ż Ń ć ć ć ć ż ć ć Ę Ś ż ż ć ć ć Ę ć ż Ć Ś ć ć Ś ć ć ż ż ż Ź Ś ż ć ć ć ć ć ć Ś ć Ę ż Ę ć Ó ć ć ć ć Ę ć ć ć Ę Ś ż ć Ę Ź ć Ę Ć Ź ż ż Ś Ę ź ć Ź ż ć Ą ć

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

IN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6

IN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6 IN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6 WYBRANE ZAGADNIENIA Z TEORII LICZB 1. Wybrane zagadnena z teor lczb Do onstruowana systemów ryptografcznych u Ŝ ywa sę czę sto wyrafnowanego aparatu matematycznego,

Bardziej szczegółowo

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki Kompresa fratalna obraów. Kopara welorotne reuuąca.. Zasaa ałana ana naprostse opar Koncepca opar welorotne reuuące Naprosts prła opar. Moel matematcn obrau opara cęś ęścowa. obra weścow opara obra wścow

Bardziej szczegółowo

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA J. Wyrwał Wyłady z mechan materałów.. STAN ODKSZTAŁCENA STRONA GEOMETRYCZNA... Wetor przemeszczena Rozważmy bryłę (cało materalne) o dowolnym ształce meszczoną w prostoątnym ładze odnesena Ox xx (rys.

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

Macierze hamiltonianu kp

Macierze hamiltonianu kp Macere halonanu p acer H a, dla wranego, war 44 lu 88 jeśl were jao u n r uncje s>; X>, Y>, Z>, cl uncje ransorujące sę według repreenacj grp weora alowego Γ j. worące aę aej repreenacj - o ora najardej

Bardziej szczegółowo

III. Przetwornice napięcia stałego

III. Przetwornice napięcia stałego III. Przewornce napęca sałego III.1. Wsęp Przewornce: dosarczane pożądanej warośc napęca sałego koszem energ ze źródła napęca G. Możlwość zmnejszana, zwększana, odwracana polaryzacj lb kszałowane pożądanego

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

punktów ciała w dowolnej fazie deformacji. W chwili początkowej, tuż przed przyłożeniem obciążenia, mamy oczywiście (1)

punktów ciała w dowolnej fazie deformacji. W chwili początkowej, tuż przed przyłożeniem obciążenia, mamy oczywiście (1) Wyład II STAN ODKSZTAŁCENIA Przeeszczena odształcena Oznaczy przez B obszar zaowany przez analzowane cało w chwl początowe a przez b przestrzeń zaowaną przez ne w dowolne faze proces deforac Na rysn oznaczono:

Bardziej szczegółowo

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka Zmienna losowa ozszerzenie znaczenia funcji zmiennej rzeczwistej na przpadi, ied zmienna niezależna nie jest liczbą rzeczwistą: odległość to funcja par puntów, obwód trójąta, to funcja oreślona na zbiorze

Bardziej szczegółowo

G $x Y 0. Zbiór wszystkich takich sygnałów spełnia zatem równość: G X

G $x Y 0. Zbiór wszystkich takich sygnałów spełnia zatem równość: G X R. Z. Moraws: Metody odtwarzana sygnałów pomarowych 5. NUMERYCZNE UWARUNKOWANIE ZADANIA ODWARZANIA SYGNAŁÓW POMIAROWYCH 5.. Zależnośc podstawowe Odtwarzane sygnału na podstawe cągu { ~ yn } jest równoważne

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania Reonstrucja zderzenia dwóch saochodów osobowch podstawowe zasad i prata ich stosowania dr inŝ. Mirosław Gidlewsi Politechnia Radosa, WŜsza zoła Biznesu, RN RTiRD gr inŝ. Lesze Jeioł Politechnia Radosa

Bardziej szczegółowo

WYZNACZANIE NIESTACJONARNYCH PÓL TEMPERATURY PORÓWNANIE METOD NUMERYCZNYCH W OBSZARACH 2D

WYZNACZANIE NIESTACJONARNYCH PÓL TEMPERATURY PORÓWNANIE METOD NUMERYCZNYCH W OBSZARACH 2D Z E S Z Y T Y A U K O W E P O L I T E C H I K I P O Z AŃSKIEJ r Budowa Maszyn Zarządzane Producą 5 AGIESZKA FRASKA WYZACZAIE IESTACJOARYCH PÓL TEMPERATURY PORÓWAIE METOD UMERYCZYCH W OBSZARACH D W artyule

Bardziej szczegółowo