Dyskretne modele populacji
|
|
- Gabriela Kasprzak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX
2 Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których nie ma zjawiska zachodzenia na siebie pokoleń. B edziemy analizować modele opisywane przez uk lady dynamiczne postaci: x n+1 = f(x n ) Sztuka modelowania polega na umiej etnym dobraniu f(x) tak, aby powyższe równanie dobrze oddawa lo obserwowane fakty.
3 Dyskretne modele populacji [2] Przyk lady ważniejszych modeli liniowy x n+1 = rx n x n = r n x 0 liniowy logistyczny x n+1 = x n [1 + r((k x n )/K)]
4 Dyskretne modele populacji [3] Przyk lady ważniejszych modeli cd.. eksponencjalny logistyczny x n+1 = x n exp[r((k x n )/K)] z opóźnieniem(delay model) x n+1 = f(x n,x n T )
5 Dyskretne modele populacji [4] Prosty model rozwoju populacji Na wst epie rozważymy bardzo uogólniony model, który można zastosować przy charakeryzacji rozwoju populacji prymitywnych zwierz at. Zak ladamy, ze nasze zwierz eta rozmnażaja sie raz w roku. Znamy średni a ilość potomstwa przypadaj acego na samic e (s), oraz wspó lczynnik przyżywalności zwierz at przez rok życia (b). Zak ladamy, że ilość samców i samic jest jednakowa, wi ec możemy w naszym modelu rozważać tylko samice. Wówczas w n+1 - wszym roku życia naszej populacji jej liczb e b edzie można określić równaniem: x n+1 = s(1 + b)x n
6 Dyskretne modele populacji [5] Prosty model rozwoju populacji ptaków Poprzedni model opisywa l przyrost populacji bardzo prostych gatunków zwierz at które ca ly czas mia ly zdolność do reprodukcji. Niestety nie jest tak u ptaków. Ptaki możemy podzielić na 3 grupy, ze wzgledu na ich rozwój: piskl eta - opiekuj a sie nimi rodzice m lode ptaki - już nie opiekuj a sie nimi rodzice, ale nie maj a jeszcze zdolności do reprodukcji doros le ptaki - s a to ptaki, które przetrwa ly i maj a zdolność do rozmnażania
7 Dyskretne modele populacji [6] Prosty model rozwoju populacji ptaków Przy wyznaczaniu liczebności populacji musimy mieć dane nast epuj ace wskaźniki: b - średnia ilość piskl at na doros lego osobnika s c, s j, s a - wspó lczynniki przeżycia odpowiednio piskl at, m lodych i doros lych osobników C n+1 = ba n J n+1 = s c C n A n+1 = s j J n + s a A n
8 Dyskretne modele populacji [7] Model rozwoju populacji ptaków Poprzednie modele mia ly znacz ac a wad e, gdyż nie uwzgl ednia ly one maksymalnej pojemności środowiska. Mog lo dojść do takich sytuacji w których wielokość naszej populacji d aży laby do nieskończoności lub do zera, w zależnosci od naszych wspó lczynników. W naszym nowym modelu mamy wartość K, która odpowiada za pojemność naszego środowiska. Wówczas nasz model bedzie mia l postać: C n+1 = ba n J n+1 = s c (1 P n K )C n A n+1 = s j (1 P n K )J n + s a (1 P n K )A n
9 Dyskretne modele populacji [8] Populacje o rozmiarze sta lym po kilku pokoleniach Z punktu widzenia uk ladow dynamicznych i stabilności najbardziej interesuj a nas modele w których b edzie można przewidzieć sytuacje populacji po n-latach. W takich modelach bedziemy szukać punktów sta lych. Rozważmy nastepuj acy model: przy warunkach pocz atkowych: C n+1 = 2A n J n+1 = 0.8C n A n+1 = A n (1 A n 500 )J n + 0.7A n C 0 = J 0 = 0, A 0 = 100
10 Dyskretne modele populacji [9] Populacje o rozmiarze sta lym po kilku pokoleniach cd.. Obliczamy uk lad równań postaci: i otrzymujemy punkty sta le postaci: C = 2A J = 0.8C A = A(1 A 500 )J + 0.7A (0, 0,0), (531, 425, 266).
11 Dyskretne modele populacji [10] Model eksponencjalno - logistyczny Stabilność populacji w zależności od parametrów modelu jest ważnym zagadnieniem. Badania wp lywu parametrów przeprowadza si e m.in. przy określaniu ograniczeń na po lowy ryb, regulowaniu populacji drapieżników i ofiar, lub też kontroli szkodników. Nawet proste modele mog a wykazywać dość zróżnicowane zachowanie. Oto model Ricker a: x t+1 = x t exp[r(1 x t /K)], r > 0 Po przeskalowaniu przez pojemność środowiska u t = x t /K uzyskujemy u t+1 = u t exp[r(1 u t )] Równanie to jest zależne od parametru r i od populacji pocz atkowej u 0
12 Dyskretne modele populacji [11] Szukanie ekwilibriów Szukamy stanów równowagi, czyli ekwilibriów (punktów sta lych) u = u exp[r(1 u)] Mamy wi ec u = 0. Dla u > 0 1 = exp[r(1 u)] r(1 u) = 0 u = 1 S a to wi ec jedyne ekwilibria. 0 jest repelerem, bo dla u t (0, 1) r(1 u t ) > 0 e r(1 u t) > 1 u t+1 > u t
13 Dyskretne modele populacji [12] Kryterium różniczkowe Obliczamy pochodn a funkcji f(u) = ue r(1 u) f (u) = e r(1 u) + ue r(1 u) ( r) = e r(1 u) (1 ur) Pami etaj ac o tym,że r > 0, wyliczamy u = 0 u = 1 f (0) = e r (1 0) = e r > 1 f (1) = e 0 (1 r) = 1 r Zatem mamy stabilność dla r (0, 2). Co si e dzieje, gdy r przekracza 2?
14 Dyskretne modele populacji [13] Badamy zachowanie modelu Badamy zachowanie dla r równego odpowiednio 0.5, 1.9, 2.3, 2.6 i 3 przy K = 200. Na ostatnim wykresie można zobaczyć, kiedy pojawia si e oscylacja i chaos. Po lewej stabilny wykres dla r = 0.5, po prawej, przy r bliskim 2, można zaobserwować zanikaj ac a oscylacj e wokó l K.
15 Dyskretne modele populacji [14] Badamy zachowanie modelu cd.. Przy r > 2 populacja oscyluje wokó l K, po przekroczeniu 3 na dolnym wykresie widać chaos.
16 Dyskretne modele populacji [15] Badamy zachowanie modelu cd.. Wykres pokazuj acy zachowanie ostatnich 75 populacji z 200.
17 Dyskretne modele populacji [16] Model dyskretny z opóźnieniem Model eksponencjalno - logistyczny z opóźnieniem T x t+1 = x t exp[r(1 x t T /K)] Ustalamy T = 1. Po przeskalowaniu przez K otrzymujemy: u t+1 = u t exp[r(1 u t 1 )] Podobnie jak w poprzednim modelu, mamy ekwilibria w u = 0 i u = 1. Jeśli u t 1,u t < 1, to u t+1 > u t, czyli 0 nadal jest repelerem. Nie możemy jednak w prosty sposób zastosować kryterium różniczkowego do zbadania stabilności u = 1.
18 Dyskretne modele populacji [17] Model dyskretny z opóźnieniem - linearyzacja Skorzystamy z innej metody na sprawdzenie stabilności u = 1: linearyzacji. Zapisujemy u t = 1 + v t, v t 1 i otrzymujemy 1 + v t+1 = 1 + v t exp[r( v t 1 ] (1 + v t )(1 rv t 1 ) 1 + v t v t 1 St ad mamy v t+1 v t + rv t 1 = 0 o równaniu charakterystycznym postaci λ 2 λ + r = 0. Mamy = 1 4r i jeden lub dwa pierwiastki: λ 1, λ 2. Dla r 1 4 pierwiastki s a rzeczywiste: λ 1,λ 2 = [1± 1 4r] 2 < 1. Zatem v t = Aλ t 1 + Bλ t 2, lim t v t = 0 Przy r = 1 4 mamy v t = (A + B t)( 1 2 )t. Jeśli r > 1 4, to λ 1, λ 2 C
19 Dyskretne modele populacji [18] Model dyskretny z opóźnieniem - linearyzacja cd.. Niech ρ = r, θ = tan 1 (4r 1) 1/2. Wówczas λ 1, λ 2 = ρe ±iθ. Dodatkowo λ 1 λ 2 = λ 1 2 = ρ 2 = r, wi ec dla r < 1 mamy λ 1 λ 2 < 1. v t = Aλ t 1 + Bλ t 2 = Aλ t 1 + Bλ t 1 Ponieważ v t R, wi ec B = A, sk ad otrzymujemy v t = 2 A ρ t cos(tθ + γ) gdzie γ = arg A. Przy r 1 θ tan 1 ( 3) = Π/3. Gdy r > 1, v t rośnie wraz z t. Po cos(tπ/3 + γ) o okresie 6 spodziewamy si e 6-cyklowej okresowości. Przy dużym r pojawia si e chaos.
20 Dyskretne modele populacji [19] Dodatki: Programy napisane w Maple modeledyskretne.mws
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 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 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 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 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 szczegółowoIndeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej
Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej
Bardziej 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 szczegółowoWyk 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 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 szczegółowoRównania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody".
Równania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody". Przyk ad. Za ó zmy, ze w chwili t = 0 populacja liczy P 0 osób. Roczny wskaźnik urodzeń wynosi b = 00, a roczna
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej 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 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 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 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 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 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 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 szczegółowoep 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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
4 kwietnia 2012 Testy nieparametryczne Dotychczas zajmowaliśmy si e praktycznym zastosowaniem testów istotności nasze zadanie sprowadza lo si e do testowania hipotez o parametrach rozk ladu. Teraz b edziemy
Bardziej szczegółowoWykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
23 kwietnia 2014 Korelacja - wspó lczynnik korelacji 1 Gdy badamy różnego rodzaju rodzaju zjawiska (np. przyrodnicze) możemy stwierdzić, że na każde z nich ma wp lyw dzia lanie innych czynników; Korelacja
Bardziej szczegółowoep 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 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 szczegółowoSYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac:
SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ Ewa Madalińska na podstawie prac: [1] Lukaszewicz,W. (1988) Considerations on Default Logic: An Alternative Approach. Computational Intelligence, 44[1],
Bardziej szczegółowoWykład 3 Równania rózniczkowe cd
7 grudnia 2010 Definicja Równanie różniczkowe dy dx + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to równanie (1) czyli równanie dy dx + p (x) y = 0 nazywamy
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 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 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
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoWyk lad 6 Podprzestrzenie przestrzeni liniowych
Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)
Bardziej szczegółowoMatematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia
Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej
Bardziej 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 szczegółowoMatematyka licea ogólnokształcące, technika
Matematyka licea ogólnokształcące, technika Opracowano m.in. na podstawie podręcznika MATEMATYKA w otaczającym nas świecie zakres podstawowy i rozszerzony Funkcja liniowa Funkcję f: R R określoną wzorem
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 szczegółowoz n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1
3 Szeregi zespolone 3. Szeregi liczbowe Mówimy, że szereg o wyrazach zespolonych jest zbieżny, jeżeli ci ag jego sum czȩściowych {S n }, gdzie S n = z + z +... + jest zbieżny do granicy w laściwej. Granicȩ
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 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 szczegółowoStabilność II Metody Lapunowa badania stabilności
Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli
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 szczegółowoEGZAMIN MAGISTERSKI, 18 września 2013 Biomatematyka
Biomatematyka Liczebność populacji pewnego gatunku jest modelowana przez równanie różnicowe w którym N k stałymi. rn 2 n N n+1 =, A+Nn 2 oznacza liczebność populacji w k tej generacji, a r i A są dodatnimi
Bardziej szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2018 Wstęp Stabilność O układzie możemy mówić, że jest stabilny jeżeli jego odpowiedź na wymuszenie (zakłócenie)
Bardziej szczegółowo14 Modele z czasem dyskretnym
14 Modele z czasem dyskretnym Przykłady i zadania z tego rozdziału ilustrują materiał zawarty w rozdziałach 12 i 15 książki 141 Metoda pajęczynowa PRZYŁAD 141 Na poniższych rysunkach zilustrowano metodę
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
22 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 szczegółowoJeden przyk lad... czyli dlaczego warto wybrać MIESI.
Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Micha l Ramsza Szko la G lówna Handlowa Micha l Ramsza (Szko la G lówna Handlowa) Jeden przyk lad... czyli dlaczego warto wybrać MIESI. 1 / 13 Dlaczego
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 szczegółowoProste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
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 szczegółowoZajęcia nr. 3 notatki
Zajęcia nr. 3 notatki 22 kwietnia 2005 1 Funkcje liczbowe wprowadzenie Istnieje nieskończenie wiele funkcji w matematyce. W dodaktu nie wszystkie są liczbowe. Rozpatruje się funkcje które pobierają argumenty
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c = a
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.
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 szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c,
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \
Bardziej szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność - definicja 1 O układzie możemy mówić, że jest stabilny gdy wytrącony ze stanu równowagi
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 szczegółowoDwie proste mogą być względem siebie prostopadłe, równoległe albo przecinać się pod kątem innym niż prosty..
4. Proste równoległe i prostopadłe Dwie proste mogą być względem siebie prostopadłe, równoległe albo przecinać się pod kątem innym niż prosty.. Jeśli przecinają się w dowolnym miejscu, i to pod kątem prostym,
Bardziej szczegółowoSZKO LA PODSTAWOWA HELIANTUS WARSZAWA ul. BAŻANCIA 16. Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA
SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 z y 0 x Szeṡcian w uk ladzie wspȯ lrzȩdnych x, y, z GEOMETRIA PRZESTRZENNA STEREOMETRIA Prof. dr. Tadeusz STYŠ Warszawa 2018 1 1 Projekt trzynasty
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 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 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 szczegółowoSuma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
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 szczegółowoWyk 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 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 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 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 szczegółowoZadania. kwiecień 2009. Ćwiczenia III. Zadanie 1. Uk lad A o energii E A skontaktowano termicznie z uk ladem B o energii E B.
kwiecień 009 Ćwiczenia III Zadania Zadanie 1 Uk lad A o energii E A skontaktowano termicznie z uk ladem B o energii E B Udowodnić że jeżeli ln Ω A (E A < ln Ω B(E B E A E B to energia przep lynie z uk
Bardziej szczegółowoW. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1
W. Guzicki Próbna matura, grudzień 01 r. poziom rozszerzony 1 Próbna matura rozszerzona (jesień 01 r.) Zadanie 18 kilka innych rozwiązań Wojciech Guzicki Zadanie 18. Okno na poddaszu ma mieć kształt trapezu
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 szczegółowoDZYSZKOLNE ZAWODY MATEMATYCZNE. Eliminacje rejonowe. Czas trwania zawodów: 150 minut
XLIII MIE DZYSZKOLNE ZAWODY MATEMATYCZNE Eliminacje rejonowe Czas trwania zawodów: 150 minut Każdy uczeń rozwia zuje dwadzieścia cztery zadania testowe, w których podano za lożenia oraz trzy (niekoniecznie
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
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 szczegółowoFUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH
FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH PROPORCJONALNOŚĆ PROSTA Proporcjonalnością prostą nazywamy zależność między dwoma wielkościami zmiennymi x i y, określoną wzorem: y = a x Gdzie a jest
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 szczegółowoP. 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 szczegółowoOtrzymaliśmy w ten sposób ograniczenie na wartości parametru m.
Dla jakich wartości parametru m dziedziną funkcji f ( x) = x + mx + m 1 jest zbiór liczb rzeczywistych? We wzorze funkcji f(x) pojawia się funkcja kwadratowa, jednak znajduje się ona pod pierwiastkiem.
Bardziej szczegółowoWykład z modelowania matematycznego.
Wykład z modelowania matematycznego. Modele z jedną populacją. Problem. Szybkość zmian zagęszczenia populacji. Założenia. Ciągłość procesów zachodzących w populacji (nawet w najkrótszym przedziale czasowym
Bardziej szczegółowoep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 9 Analiza pewnego problemu i krótkie przypomnienie, czyli Powtarzanie jest matka nauki.
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 9 Analiza pewnego problemu i krótkie przypomnienie, czyli Powtarzanie jest matka nauki. 1 Zadanie (29) zawar l umowe kredytu w momencie ukończenia
Bardziej szczegółowoRotacje i drgania czasteczek
Rotacje i drgania czasteczek wieloatomowych Gdy znamy powierzchnie energii potencjalnej V( R 1, R 2,..., R N ) to możemy obliczyć poziomy energetyczne czasteczki. Poziomy te sa w ogólności efektem: rotacji
Bardziej szczegółowoFUNKCJE LICZBOWE. x 1
FUNKCJE LICZBOWE Zbiory postaci {x R: x a}, {x R: x a}, {x R: x < a}, {x R: x > a} oznaczane sa symbolami (,a], [a, ), (,a) i (a, ). Nazywamy pó lprostymi domknie tymi lub otwartymi o końcu a. Symbol odczytujemy
Bardziej szczegółowoPisemny egzamin dyplomowy. na Uniwersytecie Wroc lawskim. na kierunku matematyka. zadania testowe. 22czerwca2009r. 60 HS-8-8
EGZAMIN DYPLOMOWY, cze ść I (testowa) 22.06.2009 INSTRUKCJE DOTYCZA CE WYPE LNIANIA TESTU 1. Nie wolno korzystać z kalkulatorów. 2. Sprawdzić, czy wersja testu podana na treści zadań jest zgodna z wersja
Bardziej szczegółowoFUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(
Zad Przedstaw funkcję kwadratową w postaci ogólnej Przykład y = ( x ) + 5 (postać kanoniczna) FUNKCJA KWADRATOWA Postać ogólna funkcji kwadratowej to: y = ax + bx + c;( a 0) Aby ją uzyskać pozbywamy się
Bardziej szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność O układzie możemy mówić, że jest stabilny gdy układ ten wytrącony ze stanu równowagi
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 szczegółowoParadygmaty programowania. Paradygmaty programowania
Paradygmaty programowania Paradygmaty programowania Dr inż. Andrzej Grosser Cz estochowa, 2013 2 Spis treści 1. Zadanie 2 5 1.1. Wprowadzenie.................................. 5 1.2. Wskazówki do zadania..............................
Bardziej szczegółowoMatematyka dyskretna dla informatyków
Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności
Bardziej szczegółowoWzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych
Wzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych Pawe l Józiak 007-- Poje cia wste pne Wielomianem zmiennej rzeczywistej t nazywamy funkcje postaci:
Bardziej szczegółowoWyk lad 3 Wyznaczniki
1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1
Bardziej szczegółowoWYKŁAD 3. DYNAMIKA ROZWOJU
WYKŁAD 3. DYNAMIKA ROZWOJU POPULACJI MODELE Z CZASEM DYSKRETNYM DR WIOLETA DROBIK- CZWARNO MODELE ZMIAN ZAGĘSZCZENIA POPULACJI Wyróżniamy modele: z czasem dyskretnym wykorzystujemy równania różnicowe z
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 szczegółowoRównania różniczkowe liniowe wyższych rzędów o stałych współcz
Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym
Bardziej szczegółowoNormy 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 szczegółowoMatematyka A, egzamin, 17 czerwca 2005 rozwia zania
Matematyka A, egzamin, 7 czerwca 00 rozwia zania Mam nadzieje, że nie ma tu b le dów poza jakimiś literówkami, od których uwolnić sie trudno. Zache cam do obejrzenia rozwia zań zadań z egzaminu dla matematyki
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 szczegółowoW. Guzicki Zadanie IV z Informatora Maturalnego poziom rozszerzony 1
W. Guzicki Zadanie IV z Informatora Maturalnego poziom rozszerzony 1 Zadanie IV. Dany jest prostokątny arkusz kartony o długości 80 cm i szerokości 50 cm. W czterech rogach tego arkusza wycięto kwadratowe
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 szczegółowoMatematyka A kolokwium, 27 maja 2015, godz. 18:15 20:10
Matematyka A kolokwium, 7 maja, godz 8: : Poprawiłem: godz :, 4 września r 3 p Rozwiazać x t x t xt = x t x t xt = 6 + t cos3t + 36te 3t 7e 3t Pierwiastkami równania charakterystycznego = λ λ = λ + 3λ
Bardziej szczegółowo