Wprowadzenie do metod sterowania optymalnego
|
|
- Leszek Markowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Wprwadzenie d metd sterwania ptymalneg Literatura pdstawwa T. Kaczrek i inni, Pdstawy terii sterwania, WNT, Warszawa T. Kaczrek, Teria sterwania i systemów, PWN, Warszawa T. Kaczrek, Teria sterwania, PWN Warszawa t.1,1977, t.2,1981. H. Górecki, Optymalizacja systemów dynamicznych, PWN, Warszawa J. Zabczyk, Zarys matematycznej terii sterwania,pwn, Warszawa M.D. Cann, C.D. Cullum, E. Plak, Sterwanie ptymalne i prgramwanie matematyczne, WNT, Warszawa H. Nijmeijer, A. van der Schaft, Nnlinear Dynamical Cntrl Systems, Springer-Verlag, New Yrk R. Vinter, Optimal Cntrl, Birkhauser, Bstn Praktyczna implementacja metd sterwania ptymalneg pdana jest w ćwiczeniach labratryjnych w systemie Mathematica Ster-1 - Ster-11. Zadanie ptymalneg sterwania dcelweg plega na minimalizacji wskaźnika jakści z uwzglȩdnieniem równania stanu prcesu g(x(t), u(t), t)dt warunków dwugranicznych ẋ(t) = f(x(t), u(t), t), t [, t 1 ], x( ) = x 0, x(t 1 ) = x 1, raz graniczeń chwilwych sterwania u(t) U, t [, t 1 ], gdzie x(t) R n, x 0, x 1 R n, u(t) R m, U R m. 1
2 Przyk lad 1. Minimalnenergetyczne nagrzewanie zbirnika z ciecz a: zminimalizwać straty energetyczne 1 0 u 2 (t)dt prcesu nagrzewania pisywaneg równaniem stanu z warunkami dwugranicznymi ẋ(t) = ax(t) + bu(t), t [0, 1] x(0) = x 0, x(1) = x 1, gdzie x(t) jest temperatur a cieczy w zbirniku w chwili t, x 0 jest jeg zadan a temperatur a pcz atkw a, x 1 jest jeg zadan a temperatur a kńcw a, u(t) jest natȩżeniem pr adu bwdu grzejneg, a jest wspó lczynnikiem stygniȩcia cieczy, zaś b jest wspó lczynnikiem nagrzewania cieczy. Przyk lad 2. Minimalnenergetyczne sterwanie tarcz a brtw a: zminimalizwać straty energetyczne u 2 (t)dt prcesu przestawiania tarczy brtwej pisywanej równaniami stanu z warunkami dwugranicznymi ẋ 1 (t) = x 2 (t), ẋ 2 (t) = bu(t), t [, t 1 ], x i ( ) = x i (0), x i (t 1 ) = x i (1) (i = 1, 2), gdzie x 1 (t) znacza p lżenie k atwe tarczy, x 2 (t) znacza prȩdkść k atw a tarczy, zaś u(t) jest napiȩciem bwdu steruj aceg silnika. W zadaniach tych pminiȩt graniczenia chwilwe sterwania zak ladaj ac, że pstać wskaźnika jakści autmatycznie graniczy chwilw a wartść sterwania. 2
3 Przyk lad 3. Minimalnczaswa stabilizacja scylatra: sprwadzić scylatr d p lżenia równwagi w minimalnym czasie z uwzglȩdnieniem równań stanu scylatra dt = t 1 ẋ 1 (t) = x 2 (t), ẋ 2 (t) = ax 1 (t) + bu(t), t [, t 1 ], warunków dwugranicznych x i ( ) = x i0, x i (t 1 ) = x i1, i = 1, 2, raz graniczeń chwilwych sterwania u(t) 1, t [, t 1 ], gdzie x 1 (t) jest p lżeniem scylatra w chwili t, x 2 (t) jest prȩdkści a scylatra, u(t) jest jeg si l a stabilizuj ac a, a jest wspó lczynnikiem amrtyzatra sprȩżynweg, zaś b jest wspó lczynnikiem ddzia lywania si ly stabilizuj acej. Przyk lad 4. Minimalnczaswa stabilizacja scylatra z t lumieniem w lasnym: sprwadzić scylatr d p lżenia równwagi w minimalnym czasie z uwzglȩdnieniem równań stanu scylatra dt = t 1 ẋ 1 (t) = x 2 (t), ẋ 2 (t) = a 1 x 1 (t) a 2 x 2 (t) + bu(t), t [, t 1 ], warunków dwugranicznych x i ( ) = x i0, x i (t 1 ) = x i1, i = 1, 2, raz graniczeń chwilwych sterwania u(t) 1, t [, t 1 ], gdzie x 1 (t) jest p lżeniem scylatra w chwili t, x 2 (t) jest prȩdkści a scylatra, u(t) jest jeg si l a stabilizuj ac a, a 1 jest wspó lczynnikiem amrtyzatra 3
4 sprȩżynweg, a 2 jest wspó lczynnikiem t lumika, zaś b jest wspó lczynnikiem ddzia lywania si ly stabilizuj acej. Sprwadzanie zadań sterwania ptymalneg d zadań wariacyjnych dla przypadku jednwymiarweg. Rzważymy w pierwszej klejnści przypadek jednwymiarwy pjedynczej krzywej (n = 1, m = 1). Za lóżmy, że równanie stanu pzwala jednznacznie kreślić sterwanie u(t) w funkcji stanu x(t), pchdnej stanu ẋ(t) raz czasu t tj. ẋ(t) = f(x(t), u(t), t) u(t) = F (x(t), ẋ(t), t). Pdstawiaj ac uzyskane wyrażenie d wskaźnika jakści sprwadzamy prblem ptymalneg sterwania dcelweg d zadania rachunku wariacyjneg: zminimalizwać funkcjna l zależny d krzywej x, jej pchdnej ẋ i czasu t G(x) = g(x(t), ẋ(t), t)dt z wiȩzami ustalaj acymi p lżenie pcz atkwe i kńcwe krzywej x( ) = x 0, x(t 1 ) = x 1. Zadanie wariacyjne plega wiȩc na wybrze krzywej l acz acej punkty (, x 0 ) raz (t 1, x 1 ) i minimalizuj acej funkcjnal G. Aby kreślić warunki knieczne ptymalnści krzywej w zadaniu wariacyjnym zak ladamy, że krzywa jest elementem przestrzeni funkcji różniczkwalnych w spsób ci ag ly tj. x C 1 ([, t 1 ]; R n ), x C1 = max t [t0,t 1 ] x(t) + max t [t0,t 1 ] ẋ(t). Definicja: Funkcjna l G si aga na krzywej x lkalne s labe ekstremum, jeżeli istnieje takie ɛ > 0, że ( x x C1 ɛ) ( G(x) G(x ))) tj. dla wszystkich krzywych C 1 -tczenia krzywej x wartści funkcjna lu G nie s a mniejsze d G(x ). 4
5 Mówimy w tym przypadku s labym ekstremum, gdyż rzwi azanie ekstremalne prównujemy z s asiednimi krzywymi różniczkwalnymi w spsób ci ag ly (czyli z krzywymi z C 1 -tczenia) w dróżnieniu d prównania z s asiednimi krzywymi ci ag lymi (czyli z krzywymi z C-tczenia). Niech x + αδx C 1 ([, t 1 ]; R n ) bȩdzie zaburzeniem krzywej ekstremalnej x spe lniaj acym równania wiȩzów (czyli warunki graniczne) δx( ) = 0, δx(t 1 ) = 0, przy czym α R jest parametrem rzeczywistym. Funkcjna l G traktwany jak funkcja parametru α przybierze pstać G(α) = g(x + αδx(t), ẋ + αδẋ(t), t)dt. Pnieważ funkcja G z za lżenia si aga dla α = 0 ekstremum, t d G dα α=0 = 0. Zak ladaj ac, że funkcja g ma ci ag le pchdne cz astkwe g x i gẋ uzyskujemy raz d G(α) t1 dα = ( gx (x + αδx(t), ẋ (t) + αδẋ(t), t)δx(t)+ gẋ(x (t) + αδx(t), ẋ (t) + αδẋ, t)δẋ(t) ) dt gdzie d G(α) t1 dα α=0 = ( g x (t)δx(t) + g x(t)δẋ(t) ) ȯ dt, g x(t). = g x (x (t), ẋ (t), t), g ȯ x(t). = gẋ(x (t), ẋ (t), t). Zastswanie wzru na ca lkwanie przez czȩści i uwzglȩdnienie wiȩzów krzywej prwadzi d zależnści g ȯ x(t)δẋ(t)dt = g ȯ x(t)δx(t) t 1 t0 = g ȯ x(t 1 )δx(t 1 ) g ȯ x(t)δx( ) = d dt gȯ x(t)δx(t)dt. d dt gȯ x(t)δx(t)dt d dt gȯ x(t)δx(t)dt 5
6 Mamy wiȩc d G(α) t1 dα α=0 = ( g x (t) d dt gȯ x(t) ) δx(t) = 0. Aby statnie wyrażenie by l równe zeru dla dwlnych wariacji δx(t) krzywej x (t) wyrażenie w nawiasie musi być równe zeru tj. spe lnine musi być równanie Eulera-Lagrange a g x(t) d dt gȯ x(t) = 0, t [, t 1 ]. Twierdzenie: Warunkiem kniecznym s labeg lkalneg ekstremum funkcjna lu G(x) na zbirze krzywych x C 1 z wiȩzami x( ) = x 0, x(t 1 ) = x 1 jest spe lnienie równania Eulera-Lagrange a na krzywej ekstremalnej x. Krzywe spe lniaj ace równanie Eulera-Lagrange a nazywamy ekstremalami. Aby stwierdzić czy dana ekstremala stanwi minimum funkcjna lu (a nie maksimum lub punkt przegiȩcia) stsujemy warunki ptymalnści wyższych rzȩdów. W szczególnści warunki ptymalnści drugieg rzȩdu uzyskujemy bliczaj ac drug a pchdn a d 2 G(α) t1 dα 2 α=0 = ( g xx (t)δx 2 (t) + 2 g xẋ(t)δx(t)δẋ(t) + g xẋ(t)δẋ ȯ 2 (t) ) dt. Pnieważ zawsze mżna dbrać wariacjȩ δx(t) krzywej x (t) ma l a c d mdu lu lecz z dwlnie duż a pchdn a. Tak wiȩc znaku drugiej pchdnej decyduje wyrażenie g ȯ xẋ(t). Wynika st ad, że warunkiem kniecznym drugieg rzȩdu si agania minimum przez ekstremalȩ x jest nierównść Legengre a g ȯ xẋ(t) 0, t [, t 1 ]. Warunkiem dstatecznym drugieg rzȩdu si agania minimum przez ekstremalȩ x jest stra nierównść Legengre a g ȯ xẋ(t) > 0, t [, t 1 ], pd warunkiem, że ekstremala nie psiada tzw punktów sprzȩżnych. Dla zadania z przyk ladu 1 z parametrami a = 2, b = 1 i wiȩzami x(0) = 1, x(1) = 2 uzyskujemy u(t) = ẋ(t) + 2x(t) 6
7 i sprwadzamy zadanie ptymalneg sterwania dcelweg d zadania wariacyjneg pstaci: zminimalizwać funkcjna l uwzglȩdniaj ac wiȩzy krzywej G(x) = 1 0 (ẋ(t) + 2x(t)) 2 dt x(0) = 1, x(1) = 2. W tym przypadku g(x(t), ẋ(t), t) = (ẋ(t)+2x(t)) 2 i równanie Eulera-Lagrange a przybiera pstać czyli g x(t) d dt gȯ x(t) = 4(ẋ + 2x(t)) d 2(ẋ(t) + 2x(t)) dt = 4ẋ(t) + 8x(t) 2ẍ(t) 4ẋ(t) = 2ẍ(t) + 8x(t) = 0 ẍ(t) 4x(t) = 0. Tak wiȩc równanie Eulera-Lagrange a ma dla badaneg przyk ladu pstać liniweg stacjnarneg równania różniczkweg, któreg rzwi azanie kreślamy wyznaczaj ac pierwiastki równania charakterystyczneg r 2 4 = 0 r 1,2 = ±2 x(t) = c 1 e 2t + c 2 e 2t u(t) = 2c 1 e 2t 2c 2 e 2t + 2c 1 e 2t + 2c 2 e 2t = 4c 1 e 2t. Sterwanie ptymalne jest wiȩc dla rzważaneg prcesu nagrzewania funkcj a ekspnencjaln a. Sta le c i kreślamy z warunków granicznych uzyskuj ac statecznie u (t) = 8e2 4 e 4 1 e2t. Sprawdzamy warunek ptymalnści drugieg rzȩdu g xẋ(t) ȯ = 2(ẋ(t) + 2x(t)) = 2 > 0. ẋ Wyznaczne sterwanie jest wiȩc lkalnym minimum. Sprwadzanie zadań sterwania ptymalneg d zadań wariacyjnych dla przypadku wielwymiarweg. Uzyskane warunki ptymalnści ugólniamy bezpśredni na przypadek zadania wielwymiarweg n > 1, m > 1. Zak ladamy, że wektrwe sterwanie 7
8 u(t) R m mżna jednznacznie kreślić z równań stanu w funkcji stanu x(t), jeg pchdnej ẋ(t) i czasu t. Przechdzimy nastȩpnie d wielwymiarweg zadania wariacyjneg: zminimalizwać funkcjna l zależny d wielwymiarwej krzywej x z wiȩzami G(x) = gdzie x(t) R n, x 0, x 1 R n. g(x(t), ẋ(t), t)dt, x( ) = x 0, x(t 1 ) = x 1, W tym przypadku badamy wariacje wektrwej trajektrii stanu x i (t) + α i δx i (t), δx i ( ) = 0, δx i (t 1 ) = 0, i = 1,..., n, gdzie α i R jest parametrem wariacji i-tej wspó lrzȩdnej stanu. Wskaźnik jakści zadania wariacyjneg przybierze pstać funkcji n skalarnych argumentów α 1,..., α n tj. G(α 1,..., α n ). = g(x 1(t) + α 1 δx 1 (t), ẋ 1(t) + α 1 δẋ 1 (t),..., x n(t) + α n δx n (t), ẋ n(t) + α n δẋ n (t), t)dt. Pnieważ funkcja G(α1,..., α n ) si aga z za lżenia minimum, wiȩc musz a być spe lnine warunki knieczne ptymalnści pierwszeg rzȩdu funkcji wielu zmiennych tj. Uzyskujemy wiȩc G α i (0) = 0, i = 1,..., n. G t1 (0) = ( g α xi (t)δx i (t) + g x ȯ i (t)δẋ i (t) ) dt i ( g xi (t) d dt gȯ x i (t) ) δx i (t) = 0. Tak wiȩc warunek knieczny ptymalnści pierwszeg rzȩdu krzywej wielwymiarweg zadania wariacyjneg mżna zapisać w pstaci uk ladu równań Eulera-Lagrange a g x i (t) d dt gȯ x i (t) = 0, t [, t 1 ], i = 1,..., n. 8
9 Celem kreślenia czy krzywa ekstremalna wyznaczna na pdstawie warunków ptymalnści rzȩdu pierwszeg stanwi minimum funkcjna lu G (a nie jeg maksimum lub punkt przegiȩcia) stsujemy warunki ptymalnści drugieg rzȩdu tj. badamy macierz pchdnych cz astkwych drugieg rzȩdu funkcjna lu G. Pchdne te przybieraj a pstać 2 G(α) t1 α=0 = ( g α i α xi x j (t)δx i (t)δx j (t) + 2 g x i ẋ j (t)δx i (t)δẋ j (t) j + g ȯ x i ẋ j (t)δẋ i (t)δẋ j (t) ) dt. Warunki ptymalnści drugieg rzȩdu sprwadzaj a siȩ d badania ddatniej pó lkreślnści lub ddatniej kreślnści macierzy pchdnych cz astkwych drugieg rzȩdu ( 2 G(α) α i α j α=0 ) i,j=1,...,n. Stsuj ac analgiczne rzumwanie jak w przypadku warunków drugieg rzȩdu dla krzywej jednwymiarwej wniskujemy, że ddatniej (pó l)kreślnści analizwanej macierzy decydwać bȩdzie macierz drugich pchdnych cz astkwych pstaci Przyk lad 1a. ȯ ( g xi ẋ j (t) ) 0 (> 0). i,j=1,...,n Minimalnenergetyczne nagrzewanie uk ladu dwóch zbirników z ciecz a: zminimalizwać sumaryczne straty energetyczne 1 0 (u 2 1(t) + u 2 2(t))dt prcesu nagrzewania pisywaneg za pmc a równań stanu z warunkami granicznymi ẋ i (t) = a i x i (t) + u i (t), t [0, 1], i = 1, 2 x i (0) = 1, x i (1) = 2, i = 1, 2. Sprwadzamy zadanie d pstaci wariacyjnej u i (t) = x i (t) + a i x i (t), G(x) = (ẋ i (t) + a i x i (t)) 2 dt, i=1 9
10 a wiȩc g = raz 2 (ẋ i (t) + a i x i (t)) 2, g xi = 2a i (ẋ i (t) + a i x i (t)) i=1 gẋi = 2(ẋ i (t) + a i x i (t)). Zestawiamy uk lad równań Eulera-Lagrange a 2a i (ẋ i (t) + a i x i (t)) d dt 2(ẋ i(t) + a i x i (t)) = 0, i = 1, 2. St ad a i ẋ i (t) + a 2 i (t)x i (t) ẍ i (t) a i ẋ i (t) = 0 i ẍ i (t) = a 2 i x i (t), ri 2 = a 2 i, r i,1,2 = ±a i. Optymalna trajektria stanu ma wiȩc pstać x i (t) = c i1 e ait + c i2 e ait, zaś sterwanie ptymalne jest kreślne jak nastȩpuje u i (t) = 2a i (t)c i1 e ait, t [0, 1], i = 1, 2, przy czym sta le c i1, c i2 kreślamy z warunków granicznych. Warunki ptymalnści drugieg rzȩdu sprwadzaj a siȩ d badania macierzy ( ) ( ) g x ȯ 1 ẋ 1 g x ȯ 1 ẋ = g x ȯ 2 ẋ 1 g x ȯ 2 ẋ Pnieważ minry g lówne tej macierzy s a ddatnie, wiȩc wyznaczne rzwi azanie jest rzwi azaniem minimalizuj acym. Sprwadzanie zadań sterwania ptymalneg d zadań wariacyjnych z pchdnymi wyższych rzȩdów. W niektórych przypadkach z równań stanu ẋ i (t) = f i (x(t), u(t), t), i = 1,..., n mżna jednznacznie wyznaczyć sterwanie w funkcji pewneg pdwektra x(t) R k (k < n) wektra stanu x(t) R n i jeg pchdnych ẋ(t), ẍ(t),..., x (n) (t) raz czasu t tj. u(t) = F (x(t), ẋ(t), ẍ(t),..., x (n) (t), t), 10
11 przy czym warunki graniczne wektra stanu x(t) implikuj a dpwiednie warunki graniczne pdwektra stanu x(t) x i (t κ ) = x iκ (i = 1..., n; κ = 0, 1) x (l) (t κ ) = x (l) κ (l = 0, 1,..., n 1; κ = 0, 1). Rzpatrzmy przypadek k = 1, n > 1 i funkcjna l zadania wariacyjneg w pstaci G(x) = i wariacjȩ krzywej z parametrem α R g(x(t), ẋ(t),..., x (n) (t), t)dt x (t) + αδx(t), δx (l) (t κ ) = 0 (l = 0, 1,..., n 1; κ = 0, 1). Przechdzimy d α-parametryzacji funkcjna lu G tj. d funkcji G(α) = ( g(x (t) + αδx(t), ẋ (t) + αδẋ(t),..., x (n) (t) + αδx (n) (t), t)dt. czyli Zapisujemy warunek knieczny ptymalnści rzȩdu pierwszeg funkcji G(α) d G(α) dα = 0 ( g x (t)δx(t) + g ȯ x(t)δẋ(t) g x (n)(t)δx (n) (t) ) dt = 0. D wyrażeń typu t 1 g x (l)(t)δx (l) (t)dt stsujemy l-krtnie wzór na ca lkwanie przez czȩści z uwzglȩdnieniem zerwania siȩ wariacji krzywej w wiȩzach, c prwadzi d wyrażenia ( ( g x (t) d dt gȯ x(t) + d2 dt 2 gö x(t) ( 1) n dn dt n g(n) x (t))δx(t) ) dt Uzyskujemy w ten spsób warunek knieczny ptymalnści pierwszeg rzȩdu dla s labeg ekstremum zadania wariacyjneg z pchdnymi wyższych rzȩdów w pstaci równania Eulera-Pissna g x(t) d dt gȯ x(t) + d2 dt 2 gö x(t) ( 1) n dn dt n g x (n) (t) = 0, t [, t 1 ]. Warunki ptymalnści drugieg rzȩdu przybieraj a w tym przypadku pstać g x (n) x (t) 0 (> 0). (n) 11
12 Przyk lad 2. Minimalnenergetyczne sterwanie tarcz a brtw a: zminimalizwać straty energetyczne 1 0 u 2 (t)dt prcesu przestawiania tarczy brtwej pisywanej równaniami stanu z warunkami dwugranicznymi ẋ 1 (t) = x 2 (t), ẋ 2 (t) = bu(t), t [0, 1], x i (1) = 1, x i (1) = 0 (i = 1, 2), gdzie x 1 (t) znacza p lżenie k atwe tarczy, x 2 (t) znacza prȩdkść k atw a tarczy, zaś u(t) jest napiȩciem bwdu steruj aceg silnika. Przeprwadzamy redukcjȩ prblemu zadania wariacyjneg z pchdn a drugieg rzȩdu. Wyróżniamy pdwektr wektra stanu w pstaci x(t). = x 1 (t) i z równań stanu uzyskujemy ẍ = ẋ 2 (t) = u(t). Zadanie wariacyjne przyjmuje pstać: zminimalizwać funkcjna l kreślny na krzywej x pstaci G(x) = z uwzglȩdnieniem wiȩzów krzywej 1 0 ẍ 2 (t)dt x(0) = 1, ẋ(0) = 1, x(1) = 0, ẋ(1) = 0. W tym przypadku g = ẍ 2, g x = 0, gẋ = 0, gẍ = 2ẍ i równanie Eulera- Lagrange a przybiera pstać d 2 dt g 2 ẍ = 0 2 d4 x(t) = 0. dt4 Równanie ch-ne różniczkweg równanie E.-L. zapisujemy jak r 4 = 0. Psiada n czterkrtny pierwiastek zerwy. Rzwi azanie równania E.-L. jest pstaci i x(t) = c 0 + c 1 t + c 2 t 2 + c 3 t 3 u(t) = 6c 3 t + 2c 2. Sta le wyznaczamy z wiȩzów krzywej uzyskuj ac c 2 = 5, c 3 = 3 i u (t) = 18t 10, t [0, 1]. Warunek ptymalnści drugieg rzȩdu daje w wyniku gẍẍ = 2 > 0, a wiȩc wyznaczne rzwi azanie jest pszukiwanym minimum. 12
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 szczegółowoMnożniki 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 szczegółowoMnożniki 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 szczegółowoOptymalizacja procesów sterowania z opóźnieniami
Optymalizacja prcesów sterwania z późnieniami Prblem sterwania ptymalneg prcesami z późnieniami stanu plega na minimalizacji wskaźnika jakści G(x, u). = t1 t g(x(t), x(t r), u(t), t)dt + h(x(t 1 )) z uwzglȩdnieniem
Bardziej szczegółowoSterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.
Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji
Bardziej szczegółowoSterowanie 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 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 szczegółowoEkonomia matematyczna i dynamiczna optymalizacja
Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać
Bardziej szczegółowoSterowanie optymalne
Sterowanie optymalne Sterowanie Procesami Ciągłymi 2017 Optymalizacja statyczna funkcji Funkcja celu/kryterialna/kosztów Ograniczenie Q(x) min x x = arg min Q(x) x x X, gdzie X zbiór rozwiązań dopuszczalnych
Bardziej szczegółowoWprowadzenie 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( ) σ v. Adam Bodnar: Wytrzymałość Materiałów. Analiza płaskiego stanu naprężenia.
Adam Bdnar: Wtrzmałść Materiałów Analiza płaskieg stanu naprężenia 5 ANALIZA PŁASKIEGO STANU NAPRĘŻENIA 5 Naprężenia na dwlnej płaszczźnie Jak pamiętam płaski stan naprężenia w punkcie cechuje t że wektr
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
Bardziej szczegółowoCHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia. mm
CHEMIA KWANTOWA MONIKA MUSIA L Ćwiczenia METODY PRZYBLIŻONE ROZWIA ZYWANIA RÓWNANIA SCHRÖDINGERA METODA WARIACYJNA metoda wariacyjna ĤΨ n = E n Ψ n Ψ n ortonormalne Szukamy rozwi azań dla stanu podstawowego,
Bardziej szczegółowoLiczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc
Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag
Bardziej szczegółowoPOCHODNA 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 szczegółowoy 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 szczegółowoLiniowe uk lady sterowania.
Liniowe uk lady sterowania Rozwi azywanie liniowych rownań stanu Uk lady z czasem ci ag lym Liniowe stacjonarne równania stanu Przyk lad: Uk lad sterowania tarcz a obrotow a prȩt sprȩżysty tarcza obrotowa
Bardziej szczegółowoStabilność 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 szczegółowoFunkcje 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 szczegółowoWyk 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 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 szczegółowoSynteza 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 szczegółowoWprowadzenie 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 szczegółowoZagadnienie 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 szczegółowoMetody kierunków poprawy dla nieliniowych problemów sterowania optymalnego
Metody kierunków poprawy dla nieliniowych problemów sterowania optymalnego Problem optymalnego sterowania procesem dynamicznym może polegać na polega na minimalizacji wskaźnika jakości obejmuj acego koszty
Bardziej szczegółowoPROPAGACJA BŁĘDU. Dane: c = 1 ± 0,01 M S o = 7,3 ± 0,1 g Cl 2 /1000g H 2 O S = 6,1 ± 0,1 g Cl 2 /1000g H 2 O. Szukane : k = k =?
PROPAGACJA BŁĘDU Zad 1. Rzpuszczalnść gazów w rztwrach elektrlitów pisuje równanie Seczenwa: S ln = k c S Gdzie S i S t rzpuszczalnści gazu w czystym rzpuszczalniku i w rztwrze elektrlitu stężeniu c. Obliczy
Bardziej szczegółowoStatystyka - wprowadzenie
Statystyka - wprwadzenie Obecnie pjęcia statystyka używamy aby mówić : zbirze danych liczbwych ukazujących kształtwanie się kreślneg zjawiska jak pewne charakterystyki liczbwe pwstałe ze badań nad zbirwścią
Bardziej szczegółowoLABORATORIUM OBRÓBKI SKRAWANIEM
AKADEMIA TECHNICZNO-HUMANISTYCZNA w Bielsku-Białej Katedra Technlgii Maszyn i Autmatyzacji Ćwiczenie wyknan: dnia:... Wyknał:... Wydział:... Kierunek:... Rk akadem.:... Semestr:... Ćwiczenie zaliczn: dnia:
Bardziej szczegółowoZestaw 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 szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowoZestaw 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 szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Je zeli ka zdemu punktowi P o wspó rzednych x; y) z pewnego obszaru D na p aszczyźnie R 2 przyporzadkujemy w sposób jednoznaczny liczb e rzeczywista z, to przyporzadkowanie to nazywamy
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowoDyskretne 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 szczegółowoKOLOKWIUM Z ALGEBRY I R
Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane
Bardziej szczegółowoCia la i wielomiany Javier de Lucas
Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma
Bardziej szczegółowoMetoda 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 szczegółowoWyk 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 szczegółowoWprowadzenie 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 szczegółowoANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?
Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y
Bardziej 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 szczegółowoRównania 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 szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
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 szczegółowocelu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n
123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki
Bardziej szczegółowoElementy 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 szczegółowoPo wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:
ROZDZIA L Metoda sympleksowa Motto: Matematyka nie może wype lnić życia ale jej nieznajomość już niejednemu je wype lni la H Steinhaus Tablica sympleksowa Rozważmy ZPL w postaci klasycznej maksymalizować
Bardziej szczegółowoEkstrema funkcji wielu zmiennych.
Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień 2013 1 / 13 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu
Bardziej szczegółowoWYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3
WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoWyk 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 szczegółowoCZAS ZDERZENIA KUL SPRAWDZENIE WZORU HERTZA
Ćwiczenie Nr CZAS ZDRZNIA KUL SPRAWDZNI WZORU HRTZA Literatura: Opracwanie d ćwiczenia Nr, czytelnia FiM LDLandau, MLifszic Kurs fizyki teretycznej, tm 7, Teria sprężystści, 9 (dstępna w biblitece FiM,
Bardziej szczegółowoAsymptota pozioma: oṡ x, gdy y = 0 Asymptota pionowa: oṡ y, gdy x = 0. Hyperbola 1 x
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 Asymptota pozioma: oṡ x, gdy y = 0 Asymptota pionowa: oṡ y, gdy x = 0 2 1 0 3 1 2 x Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE
Bardziej szczegółowoSZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE.
1 SZKO LA PODSTAWOWA HELIANTUS 0-89 WARSZAWA ul. BAŻANCIA 16 1 0 3 1 x Hyperbola 1 x FUNKCJE ELEMENTARNE WYMIERNE POTȨGOWE LOGARYTMICZNE Prof. dr. Tadeusz STYŠ Warszawa 018 1 1 Projekt dziesi aty Contents
Bardziej szczegółowoPSO matematyka I gimnazjum Szczegółowe wymagania edukacyjne na poszczególne oceny
PSO matematyka I gimnazjum Szczegółwe wymagania edukacyjne na pszczególne ceny POZIOM WYMAGAŃ EDUKACYJNYCH: K knieczny cena dpuszczająca spsób zakrąglania liczb klejnść wyknywania działań pjęcie liczb
Bardziej szczegółowoCHEMIA 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 szczegółowoZasada maksimum Pontriagina
25.04.2015 Abstrakt Wiele zagadnień praktycznych dotyczących układów dynamicznych wymaga optymalizacji pewnych wielkości. Jednakże zwykła teoria gładkich układów dynamicznych zajmuje się jednak tylko opisem
Bardziej szczegółowoRegulator liniowo kwadratowy na przykładzie wahadła odwróconego
Regulator liniowo kwadratowy na przykładzie wahadła odwróconego kwiecień 2012 Sterowanie Teoria Przykład wahadła na wózku Dany jest system dynamiczny postaci: ẋ = f (x, u) (1) y = h(x) (2) Naszym zadaniem
Bardziej szczegółowoDyskretne 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 szczegółowoRozdzia 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 szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoPochodne cz ¾astkowe i ich zastosowanie.
Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych
Bardziej szczegółowoci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x
ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo
Bardziej szczegółowoSTATYSTYKA 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 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 szczegółowo1 Przestrzenie unitarne i przestrzenie Hilberta.
Przestrzenie unitarne i przestrzenie Hilberta.. Wykazać, że iloczyn skalarny w przestrzeni wektorowej X nad cia lem K ma nastepuj ace w lasności: (i) x, y + z = x, y + x, z, (ii) x, λy = λ x, y, (iii)
Bardziej szczegółowoTEORIA 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 szczegółowoDefinicje i przykłady
Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest
Bardziej szczegółowoRys 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 szczegółowoWprowadzenie 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 szczegółowoElementy 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 szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowoZasada 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 szczegółowoLOGIKA 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 szczegółowoPochodną funkcji w punkcie nazywamy granicę ilorazu różnicowego w punkcie gdy przyrost argumentu dąży do zera: lim
Definicja pochodnej Niech będzie funkcją określoną w pewnym przedziale i niech będzie punktem wewnętrznym tego przedziału. Liczbę dowolną, ale taką, że nazywamy przyrostem argumentu, a różnicę nazywamy
Bardziej szczegółowoWstęp do równań różniczkowych
Wstęp do równań różniczkowych Wykład 1 Lech Sławik Instytut Matematyki PK Literatura 1. Arnold W.I., Równania różniczkowe zwyczajne, PWN, Warszawa, 1975. 2. Matwiejew N.M., Metody całkowania równań różniczkowych
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowoAnaliza 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 szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoProjektowanie 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 szczegółowona p laszczyźnie kartezjaṅskiej prowadzimy prost a o rȯwnaniu s 1. (1.1) s 0 + t 1 t 0
Chapter 1 Interpolacja 1.1 Interpolacja liniowa Zacznijmy opis pojȩcia inter-polacji od prostego przyk ladu. Przyk lad 1.1 Oblicz ile kilometrȯw przejecha l samochȯd po 3 godzinach jazdy, jeżeli po jednej
Bardziej szczegółowoWprowadzenie do równań ró znicowych i ró zniczkowych.
Wprowadzenie do równań ró znicowych i ró zniczkowych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Wprowadzenie do równań ró znicowych i ró zniczkowych. maj 2013 1 / 11 Przyjmijmy nast ¾epuj ¾ace oznaczenia:
Bardziej szczegółowog liczb rzeczywistych (a n ) spe lnia warunek
. Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R
Bardziej szczegółowoRównania 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 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 szczegółowoĆWICZENIE 1 DWÓJNIK ŹRÓDŁOWY PRĄDU STAŁEGO
ĆWCZENE DWÓJNK ŹÓDŁOWY ĄD STŁEGO Cel ćiczenia: spradzenie zasady rónażnści dla dójnika źródłeg (tierdzenie Thevenina, tierdzenie Nrtna), spradzenie arunku dpasania dbirnika d źródła... dstay teretyczne
Bardziej szczegółowoNiech 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 szczegółowoRozdzia l 2. Najważniejsze typy algebr stosowane w logice
Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr
Bardziej szczegółowoSuma 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 szczegółowoZadania 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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowo1. Podstawowe pojęcia
1. Podstawowe pojęcia Sterowanie optymalne obiektu polega na znajdowaniu najkorzystniejszej decyzji dotyczącej zamierzonego wpływu na obiekt przy zadanych ograniczeniach. Niech dany jest obiekt opisany
Bardziej szczegółowoZadania 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 szczegółowoGrupy i cia la, liczby zespolone
Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n
Bardziej szczegółowoMonika Musia l. METODA MIESZANIA KONFIGURACJI Configuration Interaction (CI) (ujȩcie wyznacznikowe)
Monika Musia l METODA MIESZANIA KONFIGURACJI Configuration Interaction (CI) (ujȩcie wyznacznikowe) ĤΨ i = E i Ψ i W metodzie mieszania konfiguracji wariacyjna funkcja falowa, jest liniow a kombinacj a
Bardziej szczegółowoProgramowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a
Programowanie nieliniowe Badania operacyjne Wykład 3 Metoda Lagrange a Plan wykładu Przykład problemu z nieliniową funkcją celu Sformułowanie problemu programowania matematycznego Podstawowe definicje
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowo