Liniowe uk lady sterowania.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Liniowe uk lady sterowania."

Transkrypt

1 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 θt Ωt Ut przek ladnia silnik rewersyjny zmienna steruj aca ut = Ut - napiȩcie obwodu steruj acego silnika zmienne stanu x 1 t = θt - po lożenie k atowe tarczy x 2 t = Ωt - prȩdkość k atowa tarczy zmienne wyjściowe y 1 t = c 1 θt - pomiar po lożenia k atowego za pomoc a uk ladu mostkowego y 2 t = c 2 Ωt - pomiar prȩdkości k atowej za pomoc a pr adnicy tachometrycznej Równania stanu obiektu ẋ 1 t = x 2 t x 1 t = x 1 ẋ 2 t = a 1 x 1 t a 2 x 2 t + but x 2 t = x 2 gdzie a 1 - wspó lczynnik si ly sprȩżystości prȩta a 1 = oznacza brak si ly skrȩcaj acej a 2 -wspó lczynnik tarcia uk ladu a 2 = oznacza brak si l tarcia b -wspó lczynnik proporcjonalności obwodu steruj acego silnika 1

2 Równania wyjścia Równanie sprzȩżenia zwrotnego y 1 t = c 1 x 1 t y 2 t = c 2 x 1 2 ut = k 1 y 1 t + k 2 y 2 t Wskaźniki jakości procesu sterowania docelowego tarcz a obrotow a: sterowanie minimalnoczasowe Q = 1 t dt = t 1 t sterowanie minimalnoenergetyczne Q = 1 t u 2 tdt Wektorowo-macierzowy opis ukladu sterowania: wektorowo-macierzowe równanie stanu ẋt = Axt + But xt = x gdzie wielkości x 1 t 1 xt = A = B = x 2 t a 1 a 2 b oznaczaj a wektor zmiennych stanu macierz stanu i macierz sterowania wektorowo-macierzowe równanie wyjścia gdzie wielkości yt = Cxt y 1 t c 1 yt = C = y 2 t c 2 oznaczaj a wektor zmiennych wyjściowych i macierz wyjścia gdzie wektorowo-macierzowe równanie sprzȩżenia zwrotnego oznacza macierz sprzȩżenia zwrotnego ut = Kyt K = k 1 k 2 wektorowo-macierzowe równanie uk ladu zamkniȩtego lub inaczej ẋt = A + BKCxt ẋt = Ãxt à = A + BKC 2

3 Rozwi azanie wektorowo-macierzowego równania stanu określone jest przez macierzow a funkcjȩ wyk ladnicz a eksponentȩ macierzow a zdefiniowan a za pomoc a szeregu macierzowego e At = I + At + A 2 t 2 + A3 t 3 + Definicja ta jest naturalnym uogólnieniem skalarnej funkcji wyk ladniczej eksponenty skalarnej zdefiniowanej za pomoc a szeregu skalarnego e at = 1 + at + a 2 t 2 + a3 t 3 + Inaczej mówi ac eksponenta macierzowa jest sum a szeregu macierzowego e At = At κ κ! κ= Podstawowe w lasności eksponenty macierzowej przemienność macierzy e At i macierzy A e At A = I + At + A2 t 2 + A3 t 3 + A = A + A 2 t + A3 t 2 = AI + At + A2 t 2 + A3 t 3 + = Ae At przemienność macierzy e At i A 1 + A4 t 3 + Ae At = e At A e At = A 1 e At A e At A 1 = A 1 e At różniczkowanie eksponenty macierzowej określone jest przez różniczkowanie szeregu macierzowego wyraz po wyrazie d dt eat = d dt I + At + A2 t 2 + A3 t 3 + = A + 2A2 t + 3A3 t 2 + = AI + At + A2 t 2 + = Ae At = e At A Podstawienie t t w miejsce t w powyższym wyprowadzeniu daje w wyniku wzór d dt eat t = Ae At t = e At t A a wielokrotne różniczkowanie szeregu macierzowego pozwala uzyskać wzory d k dt k eat = A k e At = e At A k 3

4 d k dt k eat t = A k e At t = e At t A k ca lkowanie eksponenty macierzowej określone jest przez ca lkowanie szeregu macierzowego wyraz po wyrazie It + At2 A 1 At + A2 t 2 e Aθ dθ = + A2 t 3 + A3 t 3 + A3 t 4 4! I + Aθ + A2 θ 2 + A4 t 4 4! + A3 θ 3 + = A 1 AIt + At2 + dθ = + A2 t 3 + = + = A 1 e At I = e At IA 1 Wzór ten obowi azuje jeśli macierz A jest nieosobliwa tj deta Ca lkȩ osobliwej macierzy oblicza siȩ ca lkuj ac wszystkie elementy macierzy aij θ ij=1n dθ = a ij θdθ ij=1n Rozwi azywanie jednorodnego liniowego stacjonarnego równania stanu ẋt = Axt xt = x t [t + Rozwi azanie przewidywane jest w postaci xt = e At t x Weryfikacja przewidywanego rozwi azania d dt eat t xt = Ae At t x ẋt = Axt Weryfikacja warunku pocz atkowego xt = e At t x = e A x = Ix = x 4

5 Rozwi azywanie niejednorodnego liniowego stacjonarnego równania stanu ẋt = Axt + But xt = x t [t + Rozwi azanie przewidywane jest w postaci xt = e At t x + Weryfikacja przewidywanego rozwi azania Ae At t x + A e At θ Buθdθ d t e At t xt + e At θ Buθdθ = dt e At θ Buθdθ + e At t But ẋt = Axt + But Wyznaczanie eksponenty macierzowej za pomoc a metod rachunku operatorowego - porównanie rozwi azań w dziedzinie czasowej i operatorowej Zastosowanie przekszta lcenia Laplace a Xs = xte st dt do jednorodnego równania stanu ẋt = Axt x = x sxs x = AXs prowadzi do zależności si AXs = x tj Xs = si A 1 x Ponieważ xt = e At x wiȩc zachodzi równość e At = L 1 {si A 1 } Dla rozważanego przyk ladu uzyskuje siȩ przyjmuj ac a 1 = 2 a 2 = 2 1 s 1 A = si A = s + 2 si A 1 = 1 s s 2 + 2s s 5 = s+2 s s s s s

6 e At = e t cost + sint 2e t sint e t sint e t cost sint Korzystaj ac z eksponenty macierzowej można latwo wyznaczyć odpowiedzi liniowego stacjonarnego uk ladu sterowania na podstawowe przebiegi sterowania t = : odpowiedź impulsowa tj odpowiedź na sterowanie ut = ūδt gdzie ū R m jest wektorem sta lym bierzemy pod uwagȩ w lasność filtruj ac a δ- funkcji x im t = e At x + e Aθ Būδθdθ = e At x + e A Bū = e At x + Bū odpowiedź skokowa tj odpowiedź na sterowania ut = ū1t stosujemy wzór na ca lkowanie eksponenty macierzowej x sk t = e At x + e Aθ Būdθ = e At x + e Aθ dθbū = e At x + A 1 e At IBū = e At x + A 1 e At IBū odpowiedź liniowa tj odpowiedź na sterowanie ut = ūt stosujemy wzór na ca lkowanie przez czȩści i wzór na ca lkowanie eksponenty macierzowej x li t = e At x + e Aθ Būθdθ = e At x + A 1 e At x A 1 e At Būt e Aθ Bū = d dθ e Aθ Būθdθ = e At x A 1 e At Būt A 1 e At IBū = e At x +A 2 e At I A 1 tbū Dla rozważanego przykladu uzyskuje siȩ x = 1 T b = 1 ū = 1 e At = e t cost + sint 2e t sint 6 e t sint e t cost sint

7 A = A 2 = 1 2e t x im t = 2e t cost sint x sk t = 5cost + sint + 5 e t sint x li t = e t cost + sint 5t 5e t cost 15sint 5 Algorytm sterowania docelowego dla uk ladów liniowych stacjonarnych: Twierdzenie: Sterowanie ut = B T e AT t t 1 R 1 x przeprowadza uk lad liniowy stacjonarny ẋt = Axt + But ze stanu pocz atkowego xt = x do stanu końcowego xt 1 = x 1 w czasie t 1 t jeżeli macierz R określona jak nastȩpuje jest nieosobliwa St ad R = 1 t e At t BB T e AT t t dt Dowód: Powinna być spe lniona zależność xt 1 = = e At 1 t x + = x t t e At 1 t Butdt /e At 1 t e At t Butdt czyli 1 x = e At t Butdt t Podstawiaj ac sterowanie do ostatniej zależności uzyskuje siȩ x = 1 co oznacza że x = RR 1 x t e At t BB T e AT t t R 1 x dt 7

8 Przyk lad: sterowanie tarcz a obrotow a bez oddzia lywania si l sprȩżystości i tarcia a 1 = a 2 = t = t 1 = 1 x = 1 1 T x 1 = T 1 A = si A = s 1 s si A 1 = 1 s 1 = s 2 s 1/s 1/s 2 1/s e At 1 t = R = t 1 1 dt 1 1 t 1 St ad uzyskuje siȩ 1/3 1/2 R = R = 1/ ut = 1 t Tak wiȩc sterowanie docelowe ma postać ut = 18t 1 a trajektoria stanu procesu docelowego jest określona jak nastȩpuje 1 t 1 1 t t 1 θ xt = + 18θ 1 dθ czyli 1 + t 5t 2 + 3t 3 xt = = 1 1t + 9t 2 t=1 8

9 Rozwi azywanie liniowych niestacjonarnych równań stanu Wektorowo-macierzowe równanie stanu liniowego niestacjonarnego uk ladu sterowania ma postać ẋt = Atxt + Btut t [t xt = x Dla równania jednorodnego ẋt = Atxt t [t xt = x definiujemy macierz fundamentaln a macierz podstawow a uk ladu Φt t jako macierz stanowi ac a rozwi azanie macierzowego równania różniczkowego Φt t = AtΦt t t [t Φt t = I Rozwi azanie jednorodnego równania stanu przewidujemy w postaci xt = Φt t xt Weryfikacja rozwi azania jednorodnego równania stanu d dt Φt t xt = AtΦt t xt Φt t xt = AtΦt t xt AtΦt t xt = AtΦt t xt Weryfikacja warunku pocz atkowego Φt t xt = Ixt = xt Rozwi azanie niejednorodnego równania stanu przewidujemy w postaci xt = Φt t x + Φt θbθuθdθ Weryfikacja rozwi azania niejednorodnego równania stanu d t Φt t x + dt At Φt t x + Φt θbθuθdθ = Φt θbθuθdθ + Btut 9

10 Φt t x + AtΦt t x + At Φt θbθuθdθ + Φt tbtut = Φt θbθuθdθ + Btut AtΦt t x + AtΦt t x + At AtΦt θbθuθdθ + Φt tbtut = Φt θbθuθdθ + Btut Zastosowanie macierzy fundamentalnej do wyznaczania rozwi azań okresowych równań stanu- rozwi azywanie nieliniowych równań metod a Newtona Dane jest nieliniowe równanie skalarne fx = Dokonujemy linearyzacji równania w punkcie pocz atkowym x fx fx + f x x x x x = f x 1 fx Obliczamy nowe przybliżenie rozwi azania x 1 = x f x 1 fx Dokonujemy linearyzacji równania w punkcie kolejnym x 1 fx 1 + f x 1 x x 1 x x 1 = f x 1 1 fx 1 Obliczamy nowe przybliżenie rozwi azania x 2 = x 1 f x 1 1 fx 1 Wynika st ad iteracyjna metoda Newtona x κ+1 = x κ f x κ 1 fx κ κ = 1 2 Dla równań z argumentem wektorowym x R n pochodna f x κ oznacza macierz Jacobiego tj f x κ = f i x j x κ ij=1n 1

11 Aby wyznaczyć τ-okresowe rozwi azanie nieliniowego równania stanu wyróżniamy w charakterze argumentu równania stanu jego stan pocz atkowy i poszukujemy takiego stanu pocz atkowego który zapewni τ-okresowy przebieg zmiennych stanu Równanie zapisujemy w postaci x xτ x u = Rolȩ pochodnej f x κ pe lni w tym przypadku macierz I Φτ = I x i τ x j ij=1n zaś metoda Newtona przyjmuje postać x κ+1 = x κ I Φτ x κ 1 x κ xτ x κ u Uk lady z czasem dyskretnym Dyskretyzacja ci ag lych uk ladów sterowania: Niech T oznacza przedzia l dyskretyzacji czasu i niech sterowanie bȩdzie sta le w przedziale [kt k + 1T Ze wzoru na rozwi azanie liniowego stacjonarnego uk ladu sterowania wynika że xk + 1T = e Ak+1T kt xkt + k+1t kt e Ak+1T t BukTdt Zamiana zmiennych ca lkowania T t = t t = kt t = T t = k + 1T t = dt = d t pozwala zapisać zależność czyli xk + 1T = e AT xkt xk + 1T = e AT xkt + T T e A t BukTd t e A t d tbukt = e AT xkt + A 1 e AT IBukT Podstawiaj ac k w miejsce kt uzyskuje siȩ nastȩpuj acy opis uk ladu dyskretnego xk + 1 = Axk + Buk 11

12 gdzie A = e AT B = A 1 e AT IB Dla rozważanego przyk ladu zak ladaj ac parametry a 1 = 2 a 2 = 2 b = 1 i bior ac pod uwagȩ że uzyskuje siȩ e At = e t cost + sint e t sint 2e t sint e t cost sint A = 1 A = e AT e T cost + sint e T sint = 2e T sint e T cost sint B = A 1 e AT 51 e T cost + sint IB = e T sint Rozwi azywanie liniowych stacjonarnych równań stanu z czasem dyskretnym: Do stacjonarnego dyskretnego równania stanu xk + 1 = Axk + Buk k = k k + 1 k + 2 ; xk = x można zastosować metodȩ wzorów rekurencyjnych xk + 1 = Axk + Buk xk + 2 = Axk Buk + 1 = A 2 xk + ABuk + Buk + 1 xk +3 = Axk +2+Buk +2 = A 3 xk +A 2 Buk +ABuk 1 +Buk 2 a wiȩc xk = A k k xk + k 1 Jeśli k = to rozwi azanie przybiera postać j=k A k 1 j Buj k > k k 1 xk = A k x + A k 1 j Buj k > j= 12

13 Rolȩ macierzy fundamentalnej stacjonarnego dyskretnego równania stanu pe lni macierz A k któr a można wyznaczyć stosuj ac transformacjȩ Z{xk} = k= xkz k do jednorodnego dyskretnego równania stanu St ad xk + 1 = Axk k = x = x zxz zx = AXz Xz = zi A 1 zx Porównanie rozwi azań w dziedzinie czasowej i operatorowej daje w wyniku A k = Z 1 {zi A 1 z} Niech dyskretne równanie stanu bȩdzie postaci 1 1 xk + 1 = xk + uk x = k = W tym przypadku oraz a wiȩc A k = zi A = z 1 4 z + 5 zi A 1 z z z = z 2 + 5z z 1 k 4/3 4 k /3 1 k /3 4 k /3 1 k 4/3 + 4 k 4/3 1 k /3 + 4 k 4/3 Rozwi azanie jednorodnego dyskretnego równania stanu ma zatem postać 1 k 4/3 4 k /3 xk = 1 k 4/3 + 4 k 4/3 a rozwi azanie niejednorodnego równania dla uk = 1 ma postać 1 k 4/3 4 k /3 k 1 1 k j 1 /3 4 k j 1 /3 xk = + 1 k 4/3 + 4 k 4/3 1 k j 1 /3 + 4 k j 1 4/3 j= Rozwi azywanie liniowych niestacjonarnych równań stanu z czasem dyskretnym: Stosuj ac do niestacjonarnego dyskretnego równania stanu xk + 1 = Akxk + Bkuk k = k k + 1 k + 2 ; xk = x 13

14 metodȩ wzorów rekurencyjnych a wiȩc xk + 1 = Ak xk + Bk uk xk + 2 = Ak + 1xk Bk + 1uk + 1 = Ak + 1Ak xk + Ak + 1Bk uk + Bk + 1uk + 1 xk = Φk k xk + k 1 j=k Φk 1 + jbjuj k > k gdzie Φk k = Ak 1Ak 2Ak k > k Modelowanie uk ladów sterowania ilustrowane jest ćwiczeniami laboratoryjnymi ster1 i ster2 w systemie Mathematica 14

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

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

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

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

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

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

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

Wprowadzenie do teorii sterowania. Procesy sterowania o parametrach skupionych.

Wprowadzenie do teorii sterowania. Procesy sterowania o parametrach skupionych. Dr hab. inż. Krystyn Styczeń, prof. PWr Wprowadzenie do teorii sterowania. Procesy sterowania o parametrach skupionych. http://staff.iiar.pwr.wroc.pl/krystyn.styczen/ http://krystyn.styczen.staff.iiar.pwr.wroc.pl/

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

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

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

Wprowadzenie do teorii sterowania. Procesy o parametrach skupionych

Wprowadzenie do teorii sterowania. Procesy o parametrach skupionych Politechnika Wroc lawska Wydzia l Elektroniki Katedra K8 Prof. dr hab. inż. Krystyn Styczeń http://staff.iiar.pwr.wroc.pl/krystyn.styczen/ Wprowadzenie do teorii sterowania. Procesy o parametrach skupionych

Bardziej szczegółowo

Wprowadzenie do metod sterowania optymalnego

Wprowadzenie do metod sterowania optymalnego Wprowadzenie do metod sterowania optymalnego Pojȩcie procesu sterowania obejmuje zestaw trajektorii stanu i sterowania (x, u) X U, gdzie X jest przestrzeni a trajektorii stanu, a U jest przestrzeni a sterowania.

Bardziej szczegółowo

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 2 - podstawy matematyczne Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Rzeczywiste obiekty regulacji, a co za tym idzie układy regulacji, mają właściwości nieliniowe, n.p. turbulencje, wiele

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

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

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

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

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

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

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

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

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

Analityczne metody detekcji uszkodzeń

Analityczne metody detekcji uszkodzeń Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 5 Model procesu Rozważmy czasowo-dyskretny model liniowy gdzie: k dyskretny czas, x(k) R n wektor stanu, x(k + 1) = Ax(k)

Bardziej szczegółowo

Podstawy Automatyki. Wykład 2 - modelowanie matematyczne układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 2 - modelowanie matematyczne układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 2 - modelowanie matematyczne układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2017 Wstęp Rzeczywiste obiekty regulacji, a co za tym idzie układy regulacji, mają właściwości nieliniowe,

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

Podstawy Automatyki Zbiór zadań dla studentów II roku AiR oraz MiBM

Podstawy Automatyki Zbiór zadań dla studentów II roku AiR oraz MiBM Aademia GórniczoHutnicza im. St. Staszica w Kraowie Wydział Inżynierii Mechanicznej i Robotyi Katedra Automatyzacji Procesów Podstawy Automatyi Zbiór zadań dla studentów II rou AiR oraz MiBM Tomasz Łuomsi

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

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 1 Przypomnienie Jesteśmy już w stanie wyznaczyć tp x = l x+t l x, gdzie l x, l x+t, to liczebności kohorty odpowiednio

Bardziej szczegółowo

Obliczenia iteracyjne

Obliczenia iteracyjne Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej

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

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

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

Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu

Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Iloczyn ortogonalny funkcji Wróćmy na chwilȩ do dowodu wzorów Eulera-Fouriera. Kluczow a rolȩ odgrywa l wzór:

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

Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty

Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty Zestaw nr 7 Ekstremum funkcji jednej zmiennej. Punkty przegiȩcia wykresu. Asymptoty November 20, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Znajdź równanie asymptot funkcji f jeśli: a) f(x)

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

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

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Podstawienia Motywacja Podstawienie 2 Sk ladanie podstawień Motywacja Z lożenie podstawień

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia 1 Cele (na dzisiaj): Zrozumieć w jaki sposób można wyznaczyć przysz ly czas życia osoby w wieku x. Zrozumieć parametry

Bardziej szczegółowo

przy warunkach początkowych: 0 = 0, 0 = 0

przy warunkach początkowych: 0 = 0, 0 = 0 MODELE MATEMATYCZNE UKŁADÓW DYNAMICZNYCH Podstawową formą opisu procesów zachodzących w członach lub układach automatyki jest równanie ruchu - równanie dynamiki. Opisuje ono zależność wielkości fizycznych,

Bardziej szczegółowo

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych [ ] e Zadanie 1 Pokazać, że X(t) = 2t cos t sin t e 2t jest specjalną macierzą fundamentalną w sin t cos t [ 2 cos chwili τ = 0 układu

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

Modelowanie układów dynamicznych

Modelowanie układów dynamicznych Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 11 Równania Eulera-Lagrange a Rozważmy układ p punktów materialnych o współrzędnych uogólnionych q i i zdefiniujmy lagranżian

Bardziej szczegółowo

Automatyka i robotyka ETP2005L. Laboratorium semestr zimowy

Automatyka i robotyka ETP2005L. Laboratorium semestr zimowy Automatyka i robotyka ETP2005L Laboratorium semestr zimowy 2017-2018 Liniowe człony automatyki x(t) wymuszenie CZŁON (element) OBIEKT AUTOMATYKI y(t) odpowiedź Modelowanie matematyczne obiektów automatyki

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

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

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

Wprowadzenie do technik regulacji automatycznej. prof nzw. dr hab. inż. Krzysztof Patan

Wprowadzenie do technik regulacji automatycznej. prof nzw. dr hab. inż. Krzysztof Patan Wprowadzenie do technik regulacji automatycznej prof nzw. dr hab. inż. Krzysztof Patan Czym jest AUTOMATYKA? Automatyka to dziedzina nauki i techniki zajmująca się teorią i praktycznym zastosowaniem urządzeń

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

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )

Bardziej szczegółowo

Normy wektorów i macierzy

Normy wektorów i macierzy Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,

Bardziej szczegółowo

Równania różniczkowe. Notatki z wykładu.

Równania różniczkowe. Notatki z wykładu. Równania różniczkowe Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument

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

Rys Mo liwe postacie funkcji w metodzie regula falsi

Rys Mo liwe postacie funkcji w metodzie regula falsi 5.3. Regula falsi i metoda siecznych 73 Rys. 5.1. Mo liwe postacie funkcji w metodzie regula falsi Rys. 5.2. Przypadek f (x), f (x) > w metodzie regula falsi 74 V. Równania nieliniowe i uk³ady równañ liniowych

Bardziej szczegółowo

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2012/2013. Forma studiów: Stacjonarne Kod kierunku: 06.

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2012/2013. Forma studiów: Stacjonarne Kod kierunku: 06. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2012/2013 Kierunek studiów: Zarządzanie i inżynieria

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

1 Przekształcenie Laplace a

1 Przekształcenie Laplace a Przekztałcenie Laplace a. Definicja i podtawowe właności przekztałcenia Laplace a Definicja Niech dana będzie funkcja f określona na przedziale [,. Przekztałcenie (tranformatę Laplace a funkcji f definiujemy

Bardziej szczegółowo

ELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013

ELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013 SIMULINK część pakietu numerycznego MATLAB (firmy MathWorks) służąca do przeprowadzania symulacji komputerowych. Atutem programu jest interfejs graficzny (budowanie układów na bazie logicznie połączonych

Bardziej szczegółowo

13 Równanie struny drgającej. Równanie przewodnictwa ciepła.

13 Równanie struny drgającej. Równanie przewodnictwa ciepła. Równanie struny drgającej. Równanie przewodnictwa ciepła 13 1 13 Równanie struny drgającej. Równanie przewodnictwa ciepła. 13.1 Równanie struny drgającej Równanie różniczkowe liniowe drugiego rzędu typu

Bardziej szczegółowo

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24) Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne

Bardziej szczegółowo

Analiza matematyczna dla informatyków 3 Zajęcia 14

Analiza matematyczna dla informatyków 3 Zajęcia 14 Analiza matematyczna dla informatyków 3 Zajęcia 14 Metoda rozwiązywania (Jednorodne równanie różniczkowe liniowe rzędu n o stałych współczynnikach). gdzie a 0,..., a n 1 C. Wielomian charakterystyczny:

Bardziej szczegółowo

Rozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej

Rozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej Rozdzia l 6 Wstȩp do statystyki matematycznej 6.1 Cecha populacji generalnej W rozdziale tym zaprezentujemy metodȩ probabilistycznego opisu zaobserwowanego zjawiska. W takim razie (patrz rozdzia l 2.4)zjawiskotobȩdziemy

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

[ A i ' ]=[ D ][ A i ] (2.3)

[ A i ' ]=[ D ][ A i ] (2.3) . WSTĘP DO TEORII SPRĘŻYSTOŚCI 1.. WSTĘP DO TEORII SPRĘŻYSTOŚCI.1. Tensory macierzy Niech macierz [D] będzie macierzą cosinusów kierunkowych [ D ]=[ i ' j ] (.1) Macierz transformowana jest równa macierzy

Bardziej szczegółowo

2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych

2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych 2. Równania o rozdzielonych zmiennych 2 1 2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych Równaniem różniczkowym zwyczajnym pierwszego rzędu o rozdzielonych zmiennych nazywamy równanie różniczkowe

Bardziej szczegółowo

{E n ( k 0 ) + h2 2m (k2 k 2 0 )}δ nn + h m ( k k 0 ) p nn. c nn = E n ( k)c nn (1) gdzie ( r)d 3 r

{E n ( k 0 ) + h2 2m (k2 k 2 0 )}δ nn + h m ( k k 0 ) p nn. c nn = E n ( k)c nn (1) gdzie ( r)d 3 r to w pobliżu dna (lub szczytu) pasma (k k 0 ) zależność E(k) jest paraboliczna ale z mas a m m 0 Jeśli pasma nie s a energetycznie dobrze separowalne lub energetycznie zdegenerowane (kwazizdegenerowane)

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

(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

OBLICZANIE POCHODNYCH FUNKCJI.

OBLICZANIE POCHODNYCH FUNKCJI. OBLICZANIE POCHODNYCH FUNKCJI. ROZWIĄZYWANIE RÓWNAŃ RÓŻNICZKOWYCH. ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH. Obliczanie pochodnych funkcji. Niech będzie dana funkcja y(x określona i różniczkowalna na przedziale

Bardziej szczegółowo

1. PODSTAWY TEORETYCZNE

1. PODSTAWY TEORETYCZNE 1. PODSTAWY TEORETYCZNE 1 1. 1. PODSTAWY TEORETYCZNE 1.1. Wprowadzenie W pierwszym wykładzie przypomnimy podstawowe działania na macierzach. Niektóre z nich zostały opisane bardziej szczegółowo w innych

Bardziej szczegółowo

Całkowanie numeryczne

Całkowanie numeryczne Całkowanie numeryczne Poniżej omówione zostanie kilka metod przybliżania operacji całkowania i różniczkowania w szczególności uzależnieniu pochodnej od jej różnic skończonych gdy równanie różniczkowe mamy

Bardziej szczegółowo

stosunek przyrostu funkcji y do odpowiadajacego dy dx = lim y wielkości fizycznej x, y = f(x), to pochodna dy v = ds edkości wzgl edem czasu, a = dv

stosunek przyrostu funkcji y do odpowiadajacego dy dx = lim y wielkości fizycznej x, y = f(x), to pochodna dy v = ds edkości wzgl edem czasu, a = dv Matematyka Pochodna Pochodna funkcji y = f(x) w punkcie x nazywamy granice, do której daży stosunek przyrostu funkcji y do odpowiadajacego mu przyrostu zmiennej niezaleźnej x, g przyrost zmiennej daży

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można

Bardziej szczegółowo

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF 29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).

Bardziej szczegółowo

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l TEORIA FUNKCJONA LÓW GȨSTOŚCI (Density Functional Theory - DFT) Monika Musia l PRZEDMIOT BADAŃ Uk lad N elektronów + K j ader atomowych Przybliżenie Borna-Oppenheimera Zamiast funkcji falowej Ψ(r 1,σ 1,r

Bardziej szczegółowo

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe. Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie

Bardziej szczegółowo

METODY KOMPUTEROWE W MECHANICE

METODY KOMPUTEROWE W MECHANICE METODY KOMPUTEROWE W MECHANICE wykład dr inż. Paweł Stąpór laboratorium 15 g, projekt 15 g. dr inż. Paweł Stąpór dr inż. Sławomir Koczubiej Politechnika Świętokrzyska Wydział Zarządzania i Modelowania

Bardziej szczegółowo

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala November 12, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Oblicz pochodne nastȩpuj

Bardziej szczegółowo

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach Rozdzia l 4 Przestrzenie liniowe 4.1 Przestrzenie i podprzestrzenie 4.1.1 Definicja i podstawowe w lasności Niech X z dzia laniem dodawania + b edzie grupa przemienna (abelowa). Oznaczmy przez 0 element

Bardziej szczegółowo

Właściwości sygnałów i splot. Krzysztof Patan

Właściwości sygnałów i splot. Krzysztof Patan Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ

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

Baza w jądrze i baza obrazu ( )

Baza w jądrze i baza obrazu ( ) Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem

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

Matematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku

Matematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku Matematyka Dyskretna Andrzej Szepietowski 25 czerwca 2002 roku Rozdział 1 Rekurencja 11 Wieże Hanoi Rekurencja jest to zdolność podprogramu (procedury lub funkcji) do wywoływania samego siebie Zacznijmy

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 Równania różniczkowe o zmiennych rozdzielonych Równania sprowadzalne do równań o zmiennych rozdzielonych Niech f będzie funkcją ciągłą na przedziale (a, b), spełniającą na

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie 1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ

Bardziej szczegółowo

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) określonych na tej samej przestrzeni probabilistycznej

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

Przeksztacenie Laplace a. Krzysztof Patan

Przeksztacenie Laplace a. Krzysztof Patan Przeksztacenie Laplace a Krzysztof Patan Wprowadzenie Transformata Fouriera popularna metoda opisu systemów w dziedzinie częstotliwości Transformata Fouriera umożliwia wykonanie wielu użytecznych czynności:

Bardziej szczegółowo

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego

Bardziej szczegółowo

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B:

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B: Notatki do wyk ladu XIII Oddzia lywania miedzycz asteczkowe A i B zamknietopow lokowe czasteczki, jony molekularne lub atomy. Energia oddzia lywania E oddz mi edzy A i B: E oddz = E AB (E A + E B ) ()

Bardziej szczegółowo

Matematyka 2. Metoda operatorowa Transformata Laplace a

Matematyka 2. Metoda operatorowa Transformata Laplace a Matematyka 2 Metoda operatorowa Transformata Laplace a Literatura M.Gewert, Z.Skoczylas; Równania różniczkowe zwyczajne; Oficyna Wydawnicza GiS, Wrocław, 1999 D.Mozyrska, E.Pawłuszewicz, R.Stasiewicz;

Bardziej szczegółowo

Wykład z modelowania matematycznego.

Wykład z modelowania matematycznego. Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Rodzina funkcji

Bardziej szczegółowo

Sterowanie Napędów Maszyn i Robotów

Sterowanie Napędów Maszyn i Robotów Wykład 4 - Model silnika elektrycznego prądu stałego z magnesem trwałym Instytut Automatyki i Robotyki Warszawa, 2017 Wstęp Silniki elektryczne prądu stałego są bardzo często stosowanymi elementami wykonawczymi

Bardziej szczegółowo

POLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII. Roman Kaula

POLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII. Roman Kaula POLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII Roman Kaula ZASTOSOWANIE NOWOCZESNYCH NARZĘDZI INŻYNIERSKICH LabVIEW oraz MATLAB/Simulink DO MODELOWANIA UKŁADÓW DYNAMICZNYCH PLAN WYKŁADU Wprowadzenie

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

Projekt zadanie 2. Stany nieustalone w obwodach elektrycznych. Analiza stanów nieustalonych metodą klasyczną

Projekt zadanie 2. Stany nieustalone w obwodach elektrycznych. Analiza stanów nieustalonych metodą klasyczną Projekt zadanie 2. Proszę zaprojektować dowolny filtr składający się z nie więcej niż sześciu elementów pasywnych i co najwyżej dwóch elementów aktywnych, który będzie miał częstotliwość graniczną równą:

Bardziej szczegółowo