Analiza obserwowalno±ci
|
|
- Natalia Baranowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Analiza obserwowalno±ci Niech ẋ(t) = Ax(t), y(t) = Cx(t), x(0) R n gdzie A R n n oraz C R q n. Para (A, C) jest caªkowicie obserwowalna je»eli x(0) znajomo± funkcji y : [0, t f ] R q (wyj±cia obiektu) dla dowolnego czasu obserwacji 0 < t f < pozwala na jednoznaczne okre±lenie stanu pocz tkowego x(0). Para (A, C) jest caªkowicie obserwowalna. Macierz obserwowalno±ci M o R n q n M o = [ C T A T C T (A n 1 ) T C T ] T, posiada peªny kolumnowy rz d rank M o = n ( Ker M o = {0 n }). 1
2 2 Przykªad 1 Analizuj c rz d macierzy obserwowalno±ci, zbadaj caªkowit obserwowalno± obiektu ẋ(t) = Ax(t), y(t) = Cx(t). [ ] 3 0 a) A =, C = c T = [ 2 1 ] [ b) A = , C = a) Dla obiektów z pojedynczym wyj±ciem, a zatem tak»e dla obiektów SISO, macierz obserwowalno±ci M o jest macierz kwadratow co oznacza,»e macierz ta ma peªny rz d wtedy i tylko wtedy, je»eli jej wyznacznik nie równa si zero. Mamy [ ] [ ] c T 2 1 det M o = det c T = det = A 11 2 = Zatem obiekt jest caªkowicie obserwowalny. ].
3 b) Macierz obserwowalno±ci jest macierz prostok tn C M o = CA, M o R 6 3. CA 2 Obiekt b dzie zatem caªkowicie obserwowalny wtedy i tylko wtedy, gdy macierz ta b dzie miaªa peªny rz d kolumnowy. Zachodzi teraz M o = Poniewa» rank M o = 2, rozwa»any obiekt nie jest zatem caªkowicie obserwowalny. T. 3
4 4 Uwaga Niech A R n n oraz C R q n. Para (A, C) jest caªkowicie obserwowalna wtedy i tylko wtedy, gdy rank M c = n, gdzie M o = [ C T A T C T (A n r C) T C T ] T za± r C = rank C. O obserwowalno±ci pary (A, C) orzeka si zatem na podstawie oceny rz du zredukowanej macierzy obserwowalno±ci M o R (n r C+1) q n o odpowiednio zmniejszonej liczbie wierszy ('peªna' macierz obserwowalno±ci M o posiada bowiem n q wierszy). W przykªadzie 1b mamy: rank M o = 2. Pytanie: które mody s nieobserwowalne?
5 Kryterium modalne (diagonalizacja) Dana jest para macierzy (A, C), gdzie A R n n oraz C R q n, przy czym A posiada jednokrotne warto±ci wªasne spectr A = {λ i } n i=1. Przeksztaªacaj c (A, C) w par podobn (M 1 AM, CM) gdzie M C n n jest dowoln macierz diagonalizuj c macierz A, mo»na sprawdzi, czy (A, C) jest par caªkowicie obserwowaln. Macierz A o jednokrotnych warto±ciach wªasnych jest macierz diagonalizowaln. Rol macierzy diagonalizuj cej peªni dowolna (!) macierz modalna M o kolumnach utworzonych z wektorów wªasnych macierzy A przyporz dkowanych jej warto±ciom wªasnym. 5
6 6 Zachodzi M 1 AM = diag {λ i } n i=1. Para (A, C) jest caªkowicie obserwowalna, gdy w macierzy CM nie wyst puj zerowe kolumny. Dla p = 1 odpowiednia para (A, c T ), w której c R n, jest caªkowicie obserwowalna wtedy i tylko wtedy, gdy wierszowy wektor c T M R 1 n nie posiada zerowych wspóªrz dnych. Obecno± takiej zerowej i-tej kolumny ±wiadczy,»e odpowiedni mod e λ it jest modem nieobserwowalnym.
7 Przykªad 2 Zbadaj obserwowalno± pary (A, C): [ ] 2 0 a) A =, C = c T = [ 1 1 ] [ ] b) A = , C = a) W tym przypadku spectr A = { 3, 2}. Przykªadowej macierzy modalnej [ ] 0 1 M = 1 1 przyporz dkowujemy wektor c T M = [ 1 0 ]. Na tej podstawie wnioskujemy,»e para (A, c T ) nie jest par caªkowicie obserwowaln : mod e 2t jest nieobserwowalny.
8 8 b) W tym przypadku spectr A = { 1, 0, 1}. Przykªadowej macierzy modalnej M = przyporz dkowujemy macierz [ ] CM = o zerowej kolumnie. Para (A, C) nie jest zatem par caªkowicie obserwowaln : mod e t jest nieobserwowalny. Poniewa» jest to mod stabilny, przeto (A, C) jest par wykrywaln. Analiza rz du odpowiednich macierzy obserwowalno±ci: [ ] 1 1 a) M o =, rank M 3 3 o = 1; T b) M o = , rank M o = 2.
9 Podprzestrze«Ker M o Dana jest para macierzy (A, B), przy czym A R n n oraz C R q n. Podprzestrze«Ker M o = n 1 i=0 Ker CAi R n gdzie M o R n n q jest macierz obserwowalno±ci pary (A, C), jest podprzestrzeni A-niezmiennicz. Co oznacza,»e v Ker M o zachodzi Av Ker M o. 9
10 10 Dekompozycja przestrzeni stanu Dany jest system ẋ(t) = Ax(t) y(t) = Cx(t), A R n n, C R q n. Niech rank M o = n o < n gdzie M o R n q n jest macierz obserwowalno±ci pary (A, C) Istnieje takie nieosobliwe przeksztaªcenie o macierzy T o R n n T o x = ˆx = gdzie [ ˆx1 ˆx 2 ], ˆx 1 R n o, ˆx 2 R n ō n o + nō = n
11 dla którego: [ ] [ ] [ ˆx1 = ˆx ˆx = Â11 0 no nō ˆx1 2  21  22 ˆx 2 y = Ĉ ˆx = [ ] [ ] ˆx 1 Ĉ 1 0 q nō ˆx 2 przy czym ] 11 (Â11, Ĉ1) gdzie Â11 R n o n o oraz Ĉ1 R q n o, jest par caªkowicie obserwowaln. O parze (Â, Ĉ) mówi si, i» posiada posta obserwowaln zdekomponowan. Para (A, C) nie jest caªkowicie obserwowalna. Zachodzi teraz dim Ker M o = n n o = nō.
12 12 We¹my nast puj c baz w R n gdzie za± { q i } n ō i=1 {q i} n o i=1 span { q i } n ō i=1 = Ker M o {q i } n o i=1 jest dowolnym zbiorem liniowo niezale»- nych wektorów, takich»e zbiory { q i } n ō i=1 oraz {q i } n o i=1 s wzajemnie liniowo niezale»ne. Przykªadowo mo»emy poªo»y span {q i } n o i=1 = Im M T o.
13 Z faktu,»e Ker M o jest podprzestrzeni A-niezmiennicz wynika,»e 13 gdzie przy czym T o = Q 1 o Q o = [ Q o1 Q o2 ] R n n oraz Q o1 = [ q 1 q no ] R n n o Q o2 = [ q 1 q nō ] R n n ō R n = Im Q o1 Im Q o2. Zachodzi  = Q 1 o AQ o oraz Ĉ = CQ o.
14 14 Ponadto mamy M o Q o = ˆM o gdzie ˆM o R n q n jest macierz obserwowalno±ci pary (Â, Ĉ) ˆM o = ˆM o1 0 no q nō Ĉ 1 Â n o q nō. Ĉ 1 Â11 n 1 0 q nō za± ˆM o1 = Ĉ 1 Ĉ 1 Â 11. Ĉ 1 Â n o 1 11 Rn o q n o jest macierz obserwowalno±ci pary (Â11, Ĉ1): rank ˆM o1 = rank ˆM o = rank M o = n o.
15 Przykªad 3 Rozwa»my nast puj ce pary macierzy: a) A = 4 5 2, C = [ ] b) A = , C = [ W obu przypadkach mamy n o = 2, zatem q o = [ q 1 q 2 ˆq 1 ], gdzie ˆq 1 Ker M o.. ] ; a) q 1, q 2 / Im M T o : Q o = Â = q 1, q 2 Im M T o : Q o = , [ , Ĉ = , ] ;
16 16 Â = Ĉ = [ ] ; b) q 1, q 2 / Im M T o : Q o = Â = , , [ 3 5 0, Ĉ = q 1, q 2 Im Mo T : Q o = Â = , [ ] Ĉ = , ] ;
17 Synteza obserwatora stanu Autonomiczny obiekt dynamiczny o wektorze stanu x(t) R n oraz jednym wyj±ciu y(t) R opisany jest modelem ẋ(t) = Ax(t), y(t) = c T x(t). x(0) 17 Rysunek 1: Obserwator stanu autonomicznego obiektu o jednym wyj±ciu. Obserwator stanu o peªnym rz dzie (por. rys. 1) dany jest w tym przypadku równaniem ˆx(t) = Aˆx(t) + le y (t)
18 18 w którym ˆx(t) R n oznacza oszacowanie stanu e y (t) = y(t) ŷ(t) = y(t) c T ˆx(t) jest bª dem oceny wyj±cia obiektu ŷ(t), za± l R n jest wektorem wspóªczynników sprz»enia zwrotnego (wzmocnieniem obserwatora). Obowi zuje zatem formuªa ˆx(t) = (A lc T )ˆx(t) + ly(t) której odpowiada równanie ewolucji ė(t) = (A lc T )e(t), bª du oszacowania stanu e(0) e(t) = x(t) ˆx(t) R n. Metod Ackermanna wyznaczymy wspóªrz dne wektora l, zapewniaj cego macierzy stanu obserwatora A lc T zadane warto±ci wªasne {λ i } n i=1.
19 Metoda Ackermanna, zastosowana do o- biektu o caªkowicie obserwowalnej parze macierzy (A, c T ), pozwala na dowolne uksztaªtowanie wszystkich warto±ci wªasnych macierzy stanu obserwatora A lc T. Formuªa Ackermanna gªosi,»e 19 l = ϕ(a)m 1 o e n (1) gdzie M o R n n oznacza macierz obserwowalno±ci pary (A, c T ), ϕ(a) R n n jest warto±ci jak przyjmuje wielomian charakterystyczny macierzy stanu obserwatora dla macierzowego argumentu A, za± e n = [ ] T R n jest wektorem jednostkowym. Niech {λ i } n i=1 b dzie zbiorem zadanych warto±ci wªasnych macierzy (A lc T ).
20 20 Wielomian charakterystyczny ϕ(λ) tej macierzy wynika zatem ze wzoru ϕ(λ) = det (λi n (A lc T )) = n i=1 (λ λ i). Warunkiem stosowalno±ci wzoru (1) jest odwracalno± macierzy M o. Rozwi zuj c ukªad równa«liniowych M o a = e n mo»na wyznaczy pomocniczy wektor a R n, który nast pnie wykorzystuje si zgodnie ze wzorem l = ϕ(a)a. Post powanie takie pozwala unikn odwracania macierzy M o.
21 Przykªad 4 21 Przykªadow syntez obserwatora przeprowadzimy dla prostego modelu [ ] [ ] A =, c = damy, aby {λ i } 2 i=1 = { 10, 10}. Macierz obserwowalno±ci pary (A, c T ) [ ] 1 0 M o =. 0 1 Para A, c T jest caªkowicie obserwowalna. Ponadto ϕ(λ) = (λ λ 1 )(λ λ 2 ) = λ + λ 2. W oparciu o wzór (1) otrzymujemy ( [ ] [ ] [ ] 2 ) [ l = [ ] [ ] [ ] = = ] 1 [ 0 1 ]
22 22 Obiekt dynamiczny opisany jest równaniami ẋ(t) = Ax(t) y(t) = c T x(t) Posªuguj c si metod transformacji przyporz dkowuj cej parze (A, c T ) par podobn o postaci kanonicznej obserwowalnej, wyznaczymy wspóªrz dne wektora l sprz»enia zwrotnego obserwatora o peªnym rz dzie, które zapewni macierzy stanu tego obserwatora zadane warto±ci wªasne {λ i } n i=1. Odpowiednia formuªa ma posta gdzie: macierz l = T oˆl T o = (W M o ) 1 R n n
23 jest macierz relacji podobie«stwa, przyporz dkowuj cego danej caªkowicie obserwowalnej parze (A, c T ) par (Â, ĉt ) = (T 1 o AT o, c T T o ) o postaci kanonicznej obserwowalnej, w której  R n n oraz ĉ R n a a 1  = a 2, ĉ = a n 1 wektor ˆl = [ α 0 a 0 α n 1 a n 1 ] T R n jest wektorem residualnym, b d cym wynikiem porównania wielomianów charakterystycznych, odpowiednio, macierzy stanu obserwatora det [λi n (A lc T )] = n i=1 (λ λ i) = n i=0 α iλ i
24 24 oraz macierzy stanu obiektu det (λi n A) = n i=0 a iλ i, macierz M o R n n oznacza macierz obserwowalno±ci pary (A, c T ), za± W = ˆM 1 o R n n jest odwrotno±ci macierzy obserwowalno±ci pary (Â, ĉt ) a 1 a n 2 a n 1 1 a 2 a n W = a n Obowi zuje nast puj ca u»yteczna zale»no± T o = M 1 o ˆM o.
25 Przykªad 5 Obiekt opisany jest równaniami ẋ(t) = Ax(t) oraz y(t) = c T x(t), w których: A = , c = Posªuguj c si metod transformacji przyporz dkowuj cej parze (A, c T ) par podobn o postaci kanonicznej obserwowalnej, wyznacz wspóªrz dne wektora l sprz»enia zwrotnego obserwatora o peªnym rz dzie, które zapewni macierzy stanu tego obserwatora zadane warto±ci wªasne { 3, 4, 6}. 25 Po sprawdzeniu obserwowalno±ci pary (A, c T ), wyznaczono: T o = , l =
26 26 Synteza obserwatora stanu o minimalnym rz dzie Niech ẋ(t) = Ax(t) + bu(t) y(t) = c T x(t) gdzie A R n n, b R n oraz c = [ ] T R n bedzie modelem w przestrzeni stanu pewnego obiektu dynamicznego. Jak widzimy, pierwsza wspóªrz dna x 1 (t) wektora stanu [ ] x1 (t) x(t) = R n x(t) tego obiektu jest pomiarowo dost pna. Podamy algorytm obserwatora pozosta- ªych wspóªrz dnych x(t) R n 1 wektora stanu.
27 Kªad c A = [ A11 A 12 A 21 A 22 ], b = [ b1 b gdzie A 11 R, A 12 R 1 (n 1), A 21 R n 1, A 22 R (n 1) (n 1), b 1 R oraz b R n 1, otrzymujemy równanie ewolucji wektora x(t) ẋ(t) = A 22 x(t) + (A 21 x 1 (t) + bu(t)) oraz odpowiednie równanie 'obserwacji' ẋ 1 (t) A 11 x 1 (t) b 1 u(t) = A 12 x(t). Wynikaj ce st d równanie obserwatora o wzmocnieniu l R n 1 ma posta ] 27 ˆx(t) = (A 22 la 12 )ˆx(t) + A 21 x 1 (t) + bu(t) + l(ẋ 1 (t) A 11 x 1 (t) b 1 u(t)) gdzie ˆx(t) R n 1 jest oszacowaniem wektora x(t).
28 28 Obowi zuje równo± ˆx(t) lẋ 1 (t) = (A 22 la 12 )(ˆx(t) lx 1 (t))+ ((A 22 la 12 )l + A 21 la 11 )x 1 (t)+ (b lb 1 )u(t). Niech z(t) R n 1 b dzie pomocniczym sygnaªem, zdeniowanym jak nast puje z(t) = x(t) lx 1 (t). Rówanie opisuj ce ewolucj oszacowania ẑ(t) = ˆx(t) lx 1 (t) R n 1 tego sygnaªu dane jest zatem wzorem ẑ(t) = (A 22 la 12 )ẑ(t) + (2) ((A 22 la 12 )l + A 21 la 11 )y(t) + (b lb 1 )u(t).
29 Bª d e x (t) R n 1 oszacowania wektora x(t) wyra»a si jako e x (t) = x(t) ˆx(t) = z(t) ẑ(t). Z faktu,»e 29 ˆx(t) = (A 22 la 12 )ˆx(t) + A 21 y(t) + bu(t) + la 12 x(t) wynika nast puj ce równanie e x (t) = (A 22 la 12 )e x (t), e x (0). Zadanie syntezy obserwatora o zredukowanym rz dzie jest równowa»ne zadaniu stabilizacji macierzy A 22 la 12.
30 30 Koniecznym i wystarczaj cym warunkiem istnienia zredukowanego obserwatora jest przeto sterowalno± (wykrywalno± ) pary (A 22, A 12 ). Bior c pod uwag,»e ˆx(t) = ẑ(t) + ly(t) otrzymujemy poszukiwane oszacowanie ˆx(t) R n wektora stanu ˆx(t) = [ 01 (n 1) I n 1 ] ẑ(t) + [ 1 l ] y(t). (3)
31 Schemat strukturalny rozwa»anego obserwatora o minimalnym rz dzie pokazano na rys. 2, gdzie F z = [ A 22 la 12 ] R (n 1) (n 1) 01 (n 1) G xz = R n (n 1) I n 1 g zy = (A 22 la 12 )l + A 21 la 11 R n 1 g zu = [ b ] lb 1 R n 1 1 g xy = R n. l 31 Rysunek 2: Schemat zredukowanego obserwatora stanu obiektu SISO.
32 32 Przykªad 6 Wyznacz posta obserwatora o zredukowanym (minimalnym) rz dzie w przypadku, gdy A = , b = 0 0 1, c = za± wymagane warto±ci wªasne macierzy stanu obserwatora wynosz Mamy {λ 1, λ 2 } = { 2 ± j2 3} A 11 = 0, A 12 = [ 1 0 ] [, A 21 = b 1 = 0, b = 0 6 [ 0 1 ] [, A 22 = ] Macierz obserwowalno±ci pary (A 22, A 12 ) [ ] [ ] A M o = = A 12 A = Para ta jest caªkowicie obserwowalna ]
33 Wektor wzmocnie«obserwatora l R 2 wyznaczamy z formuªy Ackermanna (1) l = ϕ(a 22 )M 1 o [ 0 1 w której wielomian macierzowy ϕ(a 22 ) odpowiada zaªo»onym warto±ciom wªasnym macierzy stanu tego obserwatora [ ] 5 2 ϕ(a 22 ) = 16A A 22 +A 2 22 = ] 33 St d l = [ 2 17 ].
34 34 Stosuj c wzory (2) oraz (3), otrzymujemy poszukiwane równania obserwatora o minimalnym rz dzie: ẑ(t) = ˆx(t) = [ ] [ ] ẑ(t) + y(t) ẑ(t) + 2 y(t) Wyznaczmy dla tego samego obiektu obserwator o peªnym rz dzie, przyjmuj c jako warto±ci wªasne macierzy stanu takiego obserwatora liczby 2 ± j2 3 oraz 5. Macierz obserwowalno±ci pary (A, c T ) jest macierz jednostkow I 3. Wektor wzmocnie«obserwatora l R 3 obliczamy w oparciu o metod Ackermanna: l = [ 0 1 ] u(t)
35 Co prowadzi do obserwatora o peªnym rz dzie ˆx(t) = y(t) + 1 ˆx(t) u(t). 35 Porównajmy wªasno±ci obu rozwa»anych obserwatorów stanu. Niech x(0) = [ ] T, ˆx(0) = [ ] T co czyni e x (0) = [ ] T Ker c T, e x (0) = [ 1 1 ] T gdzie e x (t) = x(t) ˆx(t) oznacza bª d oszacowania stanu.
36 36 Ewolucj tego bª du opisuj wzory: - obserwator o peªnym rz dzie e x (t) = exp t e x (0) obserwator o minimalnym rz dzie 0 0 ([ e x (t) = exp ] ) t e x (0). Rysunek 3: Ilustracja bª dów estymacji stanu.
37 Obiekt opisany równaniami ẋ(t) = Ax(t) + Bu(t) y(t) = Cx(t) gdzie x(t) R n jest wektorem stanu, u(t) R p oznacza sygnaª pobudzaj cy, za± y(t) R q jest wyj±ciem, jest sterowany w ukªadzie zamkni tym (rys. 4). 37 Rysunek 4: Schemat ukªadu sterowania ze sprz»eniem od wyj±cia obiektu. Sterowanie z liniowym (anicznym) sprz»eniem od wyj±cia obiektu poprzez oszacowanie stanu ˆx(t).
38 38 Dla zerowej warto± zmiennej referencyjnej r(t) wyznaczymy model w przestrzeni stanu ukªadu zamkni tego dla zmiennych stanu x(t) oraz e(t) = x(t) ˆx(t). Zamkni ty ukªad sterowania opisany jest modelem w przestrzeni stanu [ ] [ ẋ(t) A BK BK = ė(t) 0 n n A LC y(t) = [ ] [ ] x(t) C 0 q n. e(t) ] [ x(t) e(t) ], [ x(0) e(0) Koniecznym i wystarczaj cym warunkiem asymptotycznej stabilno±ci tego u- kªadu jest zatem speªnienie inkluzji spectr (A BK) spectr (A LC) C. Problem syntezy ukªadu sterowania rozwi zuje si 'osobno' projektuj c regulator od stanu oraz obserwator stanu.
39 Obiekt SISO o modelu w przestrzeni stanu ẋ(t) = Ax(t) + bu(t), y(t) = c T x(t) A R n n sterowany jest w ukªadzie zamkni tym pokazanym na rys Rysunek 5: Schemat ukªadu sterowania ze sprz»eniem od wyj±cia obiektu. Ukªad zamkni ty mo»na opisa, przyjmuj c modele wej±ciowo-wyj±ciowe jak na rys. 6, gdzie G p (s) oznacza operatorow transmitancj sterowanego obiek-
40 40 tu, za± G r (s) jest transmitancj równowa»nego regulatora (korektora szeregowego). Rysunek 6: Schemat ukªadu sterowania z korektorem szeregowym. Dla oszacowania stanu ˆx(t) obowi zuje bowiem równanie ˆx(t) = (A bk T lc T )ˆx(t) + ly(t). St d G r (s) = k T (si n A + bk T + lc T ) 1 l.
41 Przykªad 7 Rozwa»my model niestabilnego procesu [ ] [ ] [ ] A =, b =, c = Wyznaczymy wektor wzmocnienia obserwatora stanu l R 2 zapewniaj cy spectr (A lc T ) = { 8, 8} oraz wektor sprz»enia stabilizuj cego k R 2, dla którego spectr (A bk T ) = { 1.8 ± j2.4}. Mamy: k = [ ] T, l = [ ] T. Tak du»e wzmocnienie l wynika z» - danej szybkiej reakcji obserwatora. Równowa»ny korektor szeregowy s G r (s) = s + s 2. PJSuchomski 41
Analiza sterowalno±ci
Analiza sterowalno±ci 1 Niech ẋ(t) = Ax(t) + Bu(t), gdzie A R n n oraz B R n p. x(0) R n Para (A, B) jest caªkowicie sterowalna je»eli x(0), 0 < t f < istnieje takie sterowanie u : [0, t f ] R p przy którym
Bardziej szczegółowoSterowalno± i obserwowalno± obiektów dynamicznych (piotrjs)
Rozdziaª Sterowalno± i obserwowalno± obiektów dynamicznych (piotrjs) Analiza sterowalno±ci i obserwowalno±ci Przykªad Analizuj c rz d macierzy sterowalno±ci, zbadaj caªkowit sterowalno± obiektu dynamicznego
Bardziej szczegółowoSterowanie ze sprz»eniem od stanu (pjs)
Rozdziaª Sterowanie ze sprz»eniem od stanu (pjs) Synteza regulatorów dla obiektów SISO Przykªad 2 Obiekt dynamiczny o jednym wej±ciu opisany jest modelem ẋ(t) = Ax(t) + bu(t), x() () w którym a) A = 6
Bardziej szczegółowoTeoria Sterowania. Warunki zaliczenia
Teoria Sterowania Warunki zaliczenia. Pytania. Tematy µ-projektów. 3.5 poprawne zaliczenie testu; Warunki zaliczenia 4 poprawne zaliczenie testu + poprawne rozwi zanie kilku zada«(pliki Alin, TS-skrypt1,
Bardziej szczegółowo2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)
Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla
Bardziej szczegółowodet A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Bardziej szczegółowoOpis matematyczny ukªadów liniowych
Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoModelowanie ukªadów dynamicznych
1 Modelowanie ukªadów dynamicznych PRZYKŠAD 1 - Zbiornik Na rys. 1 pokazany jest schemat zbiornika przepªywowego. Rysunek 1: Schemat zbiornika przepªywowego. Zakªada si, i»: do zbiornika wpªywa i wypªywa
Bardziej szczegółowor = x x2 2 + x2 3.
Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowo1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.
GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem
Bardziej szczegółowoPodstawowe czªony dynamiczne. Odpowied¹ impulsowa. odpowied¹ na pobudzenie delt Diraca δ(t) przy zerowych warunkach pocz tkowych, { dla t = 0
CHARAKTERYSTYKI W DZIEDZINIE CZASU I CZ STOTLIWO CI Podstawowe czªony dynamiczne Opis w dziedzinie czasu: Odpowied¹ impulsowa g(t) = L 1 [G(s)] odpowied¹ na pobudzenie delt Diraca δ(t) przy zerowych warunkach
Bardziej szczegółowoANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Bardziej szczegółowoInżynieria Systemów Dynamicznych (4)
Inżynieria Systemów Dynamicznych (4) liniowych (układów) Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili? 1 2 WE OKREŚLO 3 ASYMPTO 4 DYNAMICZ
Bardziej szczegółowoPewne algorytmy algebry liniowej Andrzej Strojnowski
Pewne algorytmy algebry liniowej ndrzej Strojnowski 6 stycznia 2011 Przedstawimy tu kilka algorytmów rozwi zuj ce typowe zadania algebry liniowej Wszystkie zaprezentowane tu algorytmy polegaj na zbudowaniu
Bardziej szczegółowoWektory w przestrzeni
Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem
Bardziej szczegółowoElementy geometrii w przestrzeni R 3
Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi
Bardziej szczegółowoPolitechnika 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 szczegółowoPrzeksztaªcenia liniowe
Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y
Bardziej szczegółowoPRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Bardziej szczegółowoMacierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
Bardziej szczegółowoLiniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach
Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Ukªady równa«liniowych PWSZ Gªogów, 2009 Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zada«redukuje si do problemu rozwi zania ukªadu
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
Bardziej szczegółowoPrzekształcanie 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 szczegółowoZadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006
Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoModele wielorównaniowe. Estymacja parametrów
Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW
Bardziej szczegółowoNumeryczne zadanie wªasne
Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach
Bardziej szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
Bardziej szczegółowoInformacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Bardziej szczegółowoistnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,
Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy
Bardziej szczegółowoMatematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej
Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:
Bardziej szczegółowoMacierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Bardziej szczegółowoMacierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,
Macierze Dziaªania na macierzach Niech b d dane macierze A = E = [ 2 3 0 3 2 3 2 0 [ 0 8, B = 4 2, F = [ 2 3, C = 3 2 2 3 0 0 0 4 0 6 3 0, G =, D = 0 2 0 2 0 3 0 3 0 2 0 0 2 2 0 0 5 0 2,, H = 0 0 4 0 0
Bardziej szczegółowoElementy geometrii analitycznej w przestrzeni
Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad
Bardziej szczegółowoOpis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk
Opis systemów dynamicznych Mieczysław Brdyś 27.09.2010, Gdańsk Rozważmy układ RC przedstawiony na rysunku poniżej: wejscie u(t) R C wyjście y(t)=vc(t) Niech u(t) = 2 + sin(t) dla t t 0 gdzie t 0 to chwila
Bardziej szczegółowoBaza 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 szczegółowoRozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).
Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi
Bardziej szczegółowoPodstawowe działania w rachunku macierzowym
Podstawowe działania w rachunku macierzowym Marcin Detka Katedra Informatyki Stosowanej Kielce, Wrzesień 2004 1 MACIERZE 1 1 Macierze Macierz prostokątną A o wymiarach m n (m wierszy w n kolumnach) definiujemy:
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoLegalna ±ci ga z RRI 2015/2016
Legalna ±ci ga z RRI 205/206 Równania ró»niczkowe pierwszego rz du sprowadzalne do równa«o zmiennych rozdzielonych a) Równanie postaci: = f(ax + by + c), Równanie postaci: = f(ax + by + c), () wprowadzamy
Bardziej szczegółowoUkªady równa«liniowych - rozkªady typu LU i LL'
Rozdziaª 9 Ukªady równa«liniowych - rozkªady typu LU i LL' W tym rozdziale zapoznamy si z metodami sªu» cych do rozwi zywania ukªadów równa«liniowych przy pomocy uzyskiwaniu odpowiednich rozkªadów macierzy
Bardziej szczegółowoWłasności wyznacznika
Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoTematyka 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 szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
Bardziej szczegółowo1 Ró»niczka drugiego rz du i ekstrema
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 1 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowoliniowych uk ladów sterowania
Sterowalność i obserwowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t),
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowoBifurkacje. Ewa Gudowska-Nowak Nowak. Plus ratio quam vis
Bifurkacje Nowak Plus ratio quam vis M. Kac Complex Systems Research Center, M. Smoluchowski Institute of Physics, Jagellonian University, Kraków, Poland 2008 Gªówna idea.. Pozornie "dynamika" ukªadów
Bardziej szczegółowoStabilno± ukªadów liniowych
Rozdziaª 1 Stabilno± ukªadów liniowych Autorzy: Bartªomiej Fajdek 1.1 Poj cia podstawowe Jednym z podstawowych wymogów stawianych ukªadom automatyki jest stabilno±. Istnieje wiele denicji stabilno±ci ukªadów
Bardziej szczegółowoUczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Bardziej szczegółowoAM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium
AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń
Bardziej szczegółowoPostać Jordana macierzy
Rozdział 8 Postać Jordana macierzy Niech F = R lub F = C Macierz J r λ) F r r postaci λ 1 0 0 0 λ 1 J r λ) = 0 λ 1 0 0 λ gdzie λ F nazywamy klatką Jordana stopnia r Oczywiście J 1 λ) = [λ Definicja 81
Bardziej szczegółowoGraka komputerowa Wykªad 3 Geometria pªaszczyzny
Graka komputerowa Wykªad 3 Geometria pªaszczyzny Instytut Informatyki i Automatyki Pa«stwowa Wy»sza Szkoªa Informatyki i Przedsi biorczo±ci w Šom»y 2 0 0 9 Spis tre±ci Spis tre±ci 1 Przeksztaªcenia pªaszczyzny
Bardziej szczegółowoa) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;
Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowo. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n
GAL II 2013-2014 A. Strojnowski str.45 Wykªad 20 Denicja 20.1 Przeksztaªcenie aniczne f : H H anicznej przestrzeni euklidesowej nazywamy izometri gdy przeksztaªcenie pochodne f : T (H) T (H) jest izometri
Bardziej szczegółowoIndeksowane rodziny zbiorów
Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T
Bardziej szczegółowoRachunek ró»niczkowy funkcji jednej zmiennej
Lista Nr 5 Rachunek ró»niczkowy funkcji jednej zmiennej 5.0. Obliczanie pochodnej funkcji Pochodne funkcji podstawowych. f() = α f () = α α. f() = log a f () = ln a '. f() = ln f () = 3. f() = a f () =
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowoKrzywe i powierzchnie stopnia drugiego
Krzywe i powierzchnie stopnia drugiego Iwona Malinowska, Zbigniew Šagodowski 25 maja 2015 I. Malinowska, Z. Lagodowski Geometria 25 maja 2015 1 / 30 Rozwa»my dwie proste przecinaj ce si pod k tem α, 0
Bardziej szczegółowoXVII Warmi«sko-Mazurskie Zawody Matematyczne
1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................
Bardziej szczegółowoMacierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
Bardziej szczegółowoSpis tre±ci. Plan. 1 Pochodna cz stkowa. 1.1 Denicja Przykªady Wªasno±ci Pochodne wy»szych rz dów... 3
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 2 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowoPolitechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Procesy wykładniczego wzrostu i spadku (np populacja bakterii, rozpad radioaktywny, wymiana ciepła) można modelować równaniem
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................
Bardziej szczegółowoWst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd.
Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd. M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2010-11-23
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoJan Olek. Uniwersytet Stefana Kardynała Wyszyńskiego. Procesy z Opóźnieniem. J. Olek. Równanie logistyczne. Założenia
Procesy z Procesy z Jan Olek Uniwersytet Stefana ardynała Wyszyńskiego 2013 Wzór równania logistycznego: Ṅ(t)=rN(t)(1- N ), gdzie Ṅ(t) - przyrost populacji w czasie t r - rozrodczość netto, (r > 0) N -
Bardziej szczegółowoRozdziaª 13. Przykªadowe projekty zaliczeniowe
Rozdziaª 13 Przykªadowe projekty zaliczeniowe W tej cz ±ci skryptu przedstawimy przykªady projektów na zaliczenia zaj z laboratorium komputerowego z matematyki obliczeniowej. Projekty mo»na potraktowa
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoSchematy blokowe ukªadów automatyki
Rozdziaª 1 Schematy blokowe ukªadów automatyki Autorzy: Marcin Stachura 1.1 Algebra schematów blokowych 1.1.1 Zasady przeksztaªcania schematów blokowych W celu uproszczenia wypadkowej transmitancji operatorowej
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoRachunek caªkowy funkcji wielu zmiennych
Rachunek caªkowy funkcji wielu zmiennych I. Malinowska, Z. Šagodowski Politechnika Lubelska 8 czerwca 2015 Caªka iterowana podwójna Denicja Je»eli funkcja f jest ci gªa na prostok cie P = {(x, y) : a x
Bardziej szczegółowoMamy schemat sterowania (regulacji) w ukªadzie zamkni tym (rys. 1). Zakªada si,»e wzmocnienie czªonu statycznego
LINIE PIERWIASTKOWE JAKO PODSTAWA ANALIZY UKŠADÓW STEROWANIA 1 Mamy schemat sterowania (regulacji) w ukªadzie zamkni tym (rys. 1). Rysunek 1: Podstawowy schemat strukturalny ukªadu sterowania. Zakªada
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoMatematyka dyskretna dla informatyków
UNIWERSYTET IM. ADAMA MICKIEWICZA W POZNANIU Jerzy Jaworski, Zbigniew Palka, Jerzy Szyma«ski Matematyka dyskretna dla informatyków uzupeænienia Pozna«007 A Notacja asymptotyczna Badaj c du»e obiekty kombinatoryczne
Bardziej szczegółowoMakroekonomia Zaawansowana
Makroekonomia Zaawansowana wiczenia 1 Stan ustalony i log-linearyzacja MZ 1 / 27 Plan wicze«1 Praca z modelami DSGE 2 Stan ustalony 3 Log-linearyzacja 4 Zadania MZ 2 / 27 Plan prezentacji 1 Praca z modelami
Bardziej szczegółowoAutomatyka i robotyka
Automatyka i robotyka Wykład 5 - Stabilność układów dynamicznych Wojciech Paszke Instytut Sterowania i Systemów Informatycznych, Uniwersytet Zielonogórski 1 z 43 Plan wykładu Wprowadzenie Stabilność modeli
Bardziej szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska
RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE Marta Zelmańska Toruń 009 1 Rozdział 1 Wstęp Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie: F (t, x, x, x,..., x (n) ) = 0 (1.1) Rozwiązaniem równania
Bardziej szczegółowoWyk lad 8 macierzy i twierdzenie Kroneckera-Capellego
Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni
Bardziej szczegółowo13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Bardziej szczegółowo