Równania i układy równań liniowych i nieliniowych Artur Wymysłowski, prof. PWr.
Plan wykładu Przypomnienie ostatniego wykładu (różniczkowanie i całkowanie numeryczne + zastosowania) Układy i systemy liniowe i nieliniowe Równania definicje opis przykłady Układy równań definicje opis przykłady
Poprzedni wykład Różniczkowanie: wyznaczanie i porównanie wybranych parametrów zmiennych / obiektów, np. v, a, itp. szacowanie błędów rozwiązywanie równań wyznaczanie przybliżonej wartości funkcji Całkowanie: wyznaczanie i porównanie wybranych parametrów zmiennych / obiektów, np. E, itp. suma dla zmiennych niepoliczalnych prognozowanie przybliżone wyznaczanie całki z funkcji
Wstęp W matematyce system liniowy to taki, w przypadku którego funkcja (przekształcenie lub odwzorowanie) f(x) jest liniowa, tzn. (superpozycja): addytywność => f(x+y)=f(x)+f(y) proporcjonalność => f(αx)=αf(x) Natomiast, system nieliniowy to taki, który nie jest liniowy, a zatem nie są spełnione warunki: addytywności i proporcjonalności intuicyjnie => system nieliniowy to taki w przypadku którego zmienne nie mogą być zapisane jako liniowa kombinacja niezależnych komponentów, np. ax+by+...
Funkcja / przekształcenie lub mapa - różnica pomiędzy funkcją y=f(x) a równaniem f(x)=0 (Uwaga: niektóre równania mają rozwiązania funkcyjne) - analiza wariacyjna => zamiana f(x) poprzez całkę na wartości y => przekształcenie - f() nie musi być tylko funkcją ale dowolnym przekształceniem jednej przestrzeni na inną X Y=f(X) Y
Przykład f(x)=ax addytywność: f(x+y)=a(x+y)=ax+ay=f(x) +f(y) proporcjonalność: f(αx)=αax=αf(x) f(x)=ax+b addytywność: f(x+y)=ax+ay+b f(x)+f(y) proporcjonalność: f(αx)=aαx+b αf(x) f(x)=ax2+bx addytywność: f(x+y)=a(x+y)2+b(x+y) f(x) +f(y) proporcjonalność: f(αx)=a(αx)2+bαx αf(x)
Uwagi - liniowość W przypadku ogólnym, x nie jest tylko liczbą ale może być także wektorem [x] Pojęcie liniowości dotyczy nie tylko operatorów liniowych (dodawania, mnożenie) ale także pochodnych jako operatora różniczkowania, itp. Algebra liniowa jest działem matematyki, który zajmuje się wektorami, przekształceniami liniowymi i układami równań liniowych
Uwagi - inne Operacje liniowe są najprostszym przypadkiem analizy matematycznej i są naturalne w tzw. matematyce stosowanej np. w odniesieniu do inżynierii Szacuje się, że 75% problemów inżynierskich i naukowych może być opisanych liniowymi układami równań Słowo liniowy pochodzi od słowa łacińskiego linearis, co oznacza skonstruowany z linii
Funkcja a równanie Funkcja opisuje zależność, która dla wartości zmiennych niezależnych (wejście x) wyznacza wartości zmiennych zależnych (y wyjście). funkcja przypisuje unikalną wartość y dla każdej wartości x zapis y=f(x) oznacza, że funkcja o nazwie f posiada wejście o nazwie x i wyjście o nazwie y Równanie: wyrażenie, które jest równe po obu stronach znaku równości, opisuje miejsca zerowe (inaczej pierwiastki) funkcji f(x)=0
Przykład Funkcja: f(x)=mx-a, np. f(x)=2x-2 Równanie: mx-a=0 lub mx=a np. 2x-2=0 => pierwiastek x=1
Równania W matematyce równaniem określamy równość ("="), które zawiera jedną lub więcej zmiennych: u, v, x, y, t,... Rozwiązanie równania polega na poszukiwaniu takich wartości zmiennej lub zmiennych, które spełniają równość, np.: x2+y2=r2 Rodzaje równań: algebraiczne, np. wielomianowe (kwadratowe, liniowe,...), itp. funkcyjne (tj. rozwiązanie w postaci funkcji), np. różniczkowe (rzędu pierwszego, drugiego, ), całkowe, itp. geometryczne
Równania różniczkowe Równania różniczkowe są opisane równaniem ogólnym, np. w przypadku równań rzędu drugiego, jako: F(x,y,u,ux,uy,uxx,uyy,uxy)=0 gdzie x i y są traktowane jako zmienne niezależne, a u jest traktowana jako zmienna zależna, a ux ( u/ x)i uy ( u/ y) pochodnymi cząstkowymi Rozwiązaniem równania różniczkowego jest funkcja => równanie funkcyjne: u=f(x,y) Równania różniczkowe opisują zależność pomiędzy zmienną zależną u a jej pochodnym ux, np.: ux=u+1
Rodzaje równań różniczkowych Równania różniczkowe należą do równań funkcyjnych, tzn. mają rozwiązanie w postaci funkcji u=f(x,y) Klasyfikacja: zwyczajne (ODE ordinary differential equations) => szukamy funkcji jednej zmiennej: ux=0 cząstkowe (PDE partial differential equations) => szukamy funkcji wielu zmiennych: uxy=0 rząd: pierwszy, drugi: ux, uxx
Zastosowanie w fizyce Równania różniczkowe opisują zależność zmiennych/funkcji i ich pochodnych, np. ux+u=0 gdzie zmienne/funkcje u reprezentują wielkości fizyczne a pochodne ux reprezentują szybkości ich zmian, a równanie definiuje relacje między nimi. Relacje takie są bardzo powszechne w fizyce i odgrywają znaczącą rolę w wielu dziedzinach: inżynieria, fizyka, itp. Równania różniczkowe można sklasyfikować wg pewnych "klasycznych" grup/klas, np.: ux+uy=0 => równanie transportu uxx+uyy=0 => równanie Laplace'a utt+uxx+u3=0 => równanie falowe ut+i*uxx=0 => mechanika kwantowa itp.
Przykład Problem "Drapieżnik i Ofiara" - z matematycznego punktu widzenia problem ten można opisać: układem dwóch równań różniczkowych równania posiadają dwie zmienne zależne i mają charakter sprzężony i zależny od czasu szybkość zmian liczby drapieżników zależy od liczby drapieżników i ofiar szybkość zmian liczby ofiar zależy od liczby ofiar i drapieżników Model został zaproponowany w roku 1926 przez Vito Volterra w celu opisania populacji ryb łowionych w morzu Śródziemnym
Właściwości równań Ogólna postać równania => f(x)=c: x może być: liczbą, wektorem, funkcją, itp. Jeżeli C=0 => równanie jednorodne Jeżeli f(x) zawiera różniczkę x' => równanie różniczkowe rozwiązywanie równań => poszukiwanie pierwiastków Równania liniowe i nieliniowe mogę być stosunkowo często rozwiązane analitycznie lub w przypadku braku takich rozwiązań, analizowane metodami numerycznymi, np. równania różniczkowe => modelowanie i symulacje
Funkcja a równanie liniowe W matematyce termin funkcja liniowa lub odwzorowanie liniowe odnosi się do dwóch powiązanych ze sobą pojęć: wielomian pierwszego stopnia jednej zmiennej => funkcja liniowa odwzorowanie pomiędzy dwoma przestrzeniami, które zachowuje własności addytywności i proporcjonalności => mapa liniowe Uwagi: funkcja f(x)=mx+b jest odwzorowaniem liniowym tylko wtedy, gdy b=0 równanie f(x)=c jest równaniem liniowym: jeżeli f(x) jest odwzorowaniem liniowym => mx=c jeżeli C=0 => równanie jednorodne funkcja: y= f ( x )=mx+ b równanie: Ax+ By+ C=0
Równania nieliniowe Problemy nieliniowe są bardzo istotne w inżynierii, ponieważ większość układów fizycznych występujących w przyrodzie jest nieliniowa Równania nieliniowe są trudne do rozwiązania i prowadzą do ciekawych zjawisk, takich jak chaos i efekt motyla, np. pogoda => małe zmiany w jednej części układu prowadzą do złożonych efektów w całym systemie
Nonlinear algebra
Równanie nieliniowe - kwadratowe Funkcja kwadratowa jest wielomianem drugiego rzędu => f(x)=ax2+bx+c i posiada jeden lub dwa miejsca zerowe (pierwiastki) w zależności od wartości współczynnika Δ: =b 2 4ac jeżeli Δ<0 => pierwiastki nie są liczbami rzeczywistymi lecz urojonymi jeżeli Δ=0 => jeden (podwójny) pierwiastek jeżeli Δ>0 => dwa pierwiastki Równanie kwadratowe => ax2+bx+c=0, gdzie a 0 jeżeli a=0 => równanie liniowe bx+c=0 rozwiązanie równania kwadratowego => pierwiastki f(x)=ax2+bx+c ponieważ są rozwiązaniem równania f(x)=0 if 0 b x1 = 2a b x2 = 2a
Równanie nieliniowe - sześcienne Funkcja sześcienna jest wielomianem trzeciego rzędu => f(x)=ax3+bx2+cx+d: pochodna funkcji sześciennej jest wielomianem drugiego rzędu całka funkcji sześciennej jest wielomianem czwartego rzędu f x =0 ax 3 bx 2 cx d =0 Równanie sześcienne => ƒ(x)=0; gdzie a 0; posiada przynajmniej jeden pierwiastek, który jest liczbą rzeczywistą, w zależności od wartości współczynnika Δ: jeżeli Δ>0, trzy pierwiastki rzeczywiste jeżeli Δ=0, pierwiastek rzeczywisty jeżeli Δ<0, jeden pierwiastek rzeczywisty i dwa zespolone 3 2 2 3 2 =18 a b c d 4 b d b c 4 a c 27 a d 2
Miejsca zerowe dowolnej f(x) - uwagi Pierwiastki funkcji f(x) => f(x)=0 f x i f x j 0 Jeżeli f(x) jest ciągła i zmienia znak to wówczas posiada przynajmniej jeden pierwiastek pomiędzy punktami xi i xj Możliwości: jeżeli f(x) nie zmienia znaku pomiędzy dwoma punktami to pierwiastki mogą występować jeżeli f(x) zmienia znak pomiędzy dwoma punktami to wówczas może być więcej niż jeden pierwiastek Metody poszukiwania pierwiastków: metoda bisekcji metoda Newtona
Metod bisekcji Metoda polega na wielokrotnym zawężaniu / podziale przedziału w którym znajduje się pierwiastek Algorytm: wybierz punkty startowe xi i xj tak, aby funkcja f(x) zmieniała znak, tzn. f(xi)*f(xj)<0 oszacuj położenie miejsca zerowego funkcji jako punkt środkowy xm sprawdź warunki: jeżeli f(xi) f(xm)<0 => zerowe jest pomiędzy xixj=> xi=xi; xj=xm jeżeli f(xi) f(xm)>0 => zerowe jest pomiędzy xixj=> xi=xm ; xj=xj jeżeli f(xi) f(xm)=0 => zerowe jest w xm=> algorytm x j x i xm= oszacuj nowe położenia miejsca zerowego xm i 2 wyznacz wartość błędu względnego εa new old x m x m porównaj wartość błędu względnego εa a= 100 % new wartością założoną εs, jako kryterium xm zakończenia algorytmu iteracyjnego
Metoda bisekcji - uwagi Zalety: zawsze jest zbieżna założenie => przedział poszukiwania jest zawsze dzielony na połowę po każdej iteracji Wady: zbiega się stosunkowo wolno jeżeli punkt początkowy znajduje się blisko miejsca zerowego, wówczas zbieżność jest wolna Problemy: jeżeli f(x) dotyka osi x, wówczas algorytm będzie miał problem z określeniem punktów startowych jeżeli f(x) zmienia znak ale pierwiastki nie występują
Metoda Newtona Przyjmuje się, że jest to jedna z najlepszych metod poszukiwania miejsc zerowych funkcji f(x) Algorytm: wyznacz f'(x) metodą symboliczną lub numeryczną: AB tan = AC f x f ' x = x i 1 x i symbolicznie => jeden punkt startowy numerycznie => dwa punkty startowe przyjmij wartość początkową pierwiastka xi a następnie korzystając z pochodnej wyznacz położenie xi+1 f'(x)<0 => funkcja malejąca f'(x)>0 => funkcja rosnąca oszacuj wartość błędu względnego εa porównaj wartość błędu εa z wartością założoną jako kryterium końca obliczeń εs f ( xi ) x i + 1= x i f ' ( x i) x i + 1 x i εa = 100 % xi + 1
Metoda Newtona - przykład Metoda analityczna f'(x): f(x)=x3+x-1 f'(x)=3x2+1 Metoda numeryczna f'(x): f(x)=x-2sin(x) x0=2.0, x1=1.9 n f ( xn ) x n + 1=x n f ' ( xn ) n xn xn+1 e 0 1.000000 0.750000 0.250000 1 0.750000 0.686047 0,063953 2 0.686047 0.682340 0,003707 3 0.682340 0.682328 0,000012 x n x n 1 x n + 1=x n f ( x n ) f ( x n) f ( x n 1 ) xn-1 xn xn+1 e=xn+1-xn 1 2.000000 1.900000 1.895747 0,004253 2 1.900000 1.895747 1.895494 0,000253 3 1.895747 1.895494 1.895494 0.000000
Metoda Newtona - uwagi Zalety: bardzo szybka zbieżność(zależność kwadratowa) wymaga jednego lub dwóch punktów startowych Wady: duża rozbieżność w przypadku płaskich funkcji => jeżeli punkt z iteracji znajduje się w płaskim przedziale funkcji f(x), położenie kolejnego punktu może wypaść daleko od punktu zerowego Problemy: dzielenie przez zero => jeżeli mianownik jest równy 0 oscylacje w pobliżu lokalnego minimum lub maksimum => tzw. przeskakiwanie pierwiastka
Układ równań liniowych Dwa podstawowe problemy: rozwiązanie układu równań typu: [A][x]=[b] poszukiwanie wartości i wektorów własnych Metody rozwiązywania: klasyczne metody matematyczne bazują na macierzy odwrotnej, tzw. metoda Cramera => prosta ale mało efektywna w przypadku metod numerycznych korzysta się z metod interpolacji i aproksymacji opartych na funkcjach liniowych w przypadku rozwiązywania równań różniczkowych korzysta się z metody różnic skończonych W fizyce, liniowość jest ważną własnością równań różniczkowych, np. równania Maxwella, itp. => jeśli dwie funkcje f(x) i g(x) są rozwiązaniem równania, to ich suma f(x)+g(x) jest również rozwiązaniem równania, tzw. skalowalność rozwiązań
Przykład Równanie Laplace'a: J. f(x) => rozwiązanie J. równanie liniowe => f(ax)=af(x) f(x+y)=f(x)+f(y) div( j)=0 div( ρ grad (V (x, y, z)))=0 2 V (x, y, z)=0
Uwaga Jeżeli rozwiązanie dla skali x to także dla skali ax
Wartości i wektory własne Opisuje odwzorowanie między przestrzeniami liniowymi zachowując ich strukturę: A[ x ]= [ x ] dotyczy takich działań jak dodawania i mnożenia przez skalar wartości własne λ i wektory własne x Poszukiwanie wartości własnych jest typowym problemem w inżynierii, np. wibracje, rezonans (harmoniczne), itp. f [Hz]
Przykład - muzyka Harmonia: chór oktawy (f / 2f / 3f, itp.) niezależnie od miejsca i czasu?!
Podstawowe pojęcia W matematyce układy równań liniowych (lub system liniowy) to zbiór równań liniowych zawierający jednakowe zmienne xi Najprostszym przykładem układu równań liniowych jest system składający się z dwóch równań i dwóch zmiennych x1 i x2 a 11 Ogólny układ równań liniowych a 21 zawiera m równań liniowych a m1 oraz n niewiadomych [ a 11 x 1 a12 x 2 =b 1 a21 x 1 a22 x 2 =b 2 wówczas : A x =b [ a 11 a 21 a12 a 22 a m2 wówczas : a 12 x 1 b = 1 a 22 x 2 b2 ][ ] [ ] a 1n a 2n a mn x 1 b1 x 2 = b2 x n bm ][ ] [ ]
Przykład Możliwe rozwiązania: nieskończenie wiele jedno brak Interpretacja geometryczna: w przypadku przestrzeni dwuwymiarowej każde równania liniowe opisuje linię/prostą na płaszczyźnie xy i zbiór rozwiązań jako przecięcia tych prostych => linii, punkt lub zbiór pusty w przypadku przestrzeni trójwymiarowej każde równanie opisuje płaszczyznę i zbiór rozwiązaniem jako przecięcia tych płaszczyzn => płaszczyzna, linii, punkt lub zbiór pusty w przypadku przestrzeni n-wymiarowej każde z równań liniowych określa płaszczyznę i zestaw rozwiązań jako przecięcie się tych płaszczyzn x y= 1 3x y=9 wówczas : x, y = 2,3
Właściwości Zachowanie systemu liniowego jest definiowanie jako relacja pomiędzy liczbą równań m i liczbą niewiadomych n, tzn. A[xn]=[bm], zazwyczaj: jeżeli m<n => nieskończona liczba rozwiązań, taki układ jest zdefiniowany jako nieokreślony jeżeli m=n => pojedyncze rozwiązanie jeżeli m>n => brak rozwiązań, taki układ jest zdefiniowany jako nadokreślony Algorytmy rozwiązywania układu równań liniowych: małe układy => metody analityczne: eliminacja zmiennych, redukcja wierszy, metoda Cramera, tj. wyznaczników, etc. duże układy => metody numeryczne: Metoda Gaussa, metody iteracyjne oparte na odgadywaniu rozwiązania i następnie aproksymacji lub interpolacji, itp. Układ jednorodny => b=0, tzn. A[x]=0
Metoda Cramera Metoda/wzory Cramera opublikowane w 1750 przez szwajcarskiego matematyka Gabriela Cramera opisują sposób rozwiązywania układu n równań liniowych z n niewiadomymi [ a 11 a 21 a 31 a n1 a12 a 22 a 32 a n2 a13 a 23 a33 an3 a1n a2n a3n a nn x1 b1 x2 b2 x 3 = b3 xn bn ][ ] [ ] det A1 x 1= det A det A1 x 1= det A det An xn = det A gdzie Ai oznacza macierz otrzymaną przez zamianę w macierzy A i-tej kolumny na kolumnę wyrazów wolnych bi danego układu równań
Metoda Gaussa Metoda Gaussa jest algorytmem pozwalającym na optymalne rozwiązywania układów równań liniowych Metoda Gaussa składa się z dwóch części: eliminacji => celem jest przekształcenie układu równań liniowych do postaci macierzy trójkątnej za pomocą elementarnych operacji matematycznych podstawienie => celem jest powrót do stanu pierwotnego rozwiązując układ począwszy od ostatniego wiersza [ a 11 a 21 a 31 a n1 a12 a 22 a 32 a n2 a13 a 23 a33 an3 a1n a2n a3n a nn eliminacja [ a11 a 12 a 13 1 a 1n 1 a 2n 2 2 0 a 22 a 23 0 0 0 0 1 a 33 a 3n 0 0 a n 1 nn x1 b1 x2 b2 x 3 = b3 xn bn ][ ] [ ] ][ ] [ ] b1 x1 1 b2 x2 x 3 = b 23 xn bnn 1 podstawienie xn = b n 1 n a n 1 nn ; etc.
Eliminacja Algorytm: krok 1 => równanie 1 dzielimy przez współczynnik a11 i mnożymy przez współczynnik a21 krok 2 => odejmujemy wynik od równania 2 powtarzamy procedurę (n-1) razy dla kolejnych wierszy [ a 11 a 21 a 31 a n1 a12 a 22 a 32 a n2 a13 a 23 a33 an3 a1n a2n a3n a nn x1 b1 x2 b2 x 3 = b3 xn bn ][ ] [ ] krok 1 a 21 a x a x a x a 1n x n =b1 a 11 11 1 12 2 13 3 a a a a a 21 x1 21 a12 x 2 21 a13 x 3 21 a1n x n= 21 b1 a11 a11 a 11 a 11 [ ] krok 2 a21 x 1 a22 x 2 a 23 x 3 a 2n x n =b 2 a 21 a 21 a 21 a 21 a21 x 1 a x a x a x= b a 11 12 2 a11 13 3 a 11 1n n a11 1 1 1 1 1 0 x 1 a22 x 2 a23 x 3 a2n x n =b 2
Podstawienie Celem jest wykorzystanie wstecznego podstawienia tak, aby znaleźć rozwiązanie dla całego układu, począwszy od ostatniego wiersza Algorytm: krok 1 => należy wyznaczyć wartość xn powtórzyć procedurę (n-1) razy dla następnego wiersza [ a11 a 12 a 13 1 a 1n 1 a 2n 2 2 0 a 22 a 23 0 0 0 0 1 a 33 a 3n 0 0 a n 1 nn b1 x1 1 b2 x2 x 3 = b 23 xn bnn 1 ][ ] [ ] krok 1 n 1 x n= bn a n 1 nn then: b xi = i 1 i n j=i 1 i 1 ii a i 1 a ij x j ; i =n 1,,1
Przykład [ 25 5 1 x 1 106.8 64 8 1 x 2 = 177.2 144 12 1 x 3 279.2 ][ ] [ ] eliminacja [ x1 25 5 1 106.8 0 4.8 1.56 x 2 = 96.21 0 0 0.7 x 3 0.735 ][ ] [ ] podstawienie x3 = 0.735 =1.05 0.7 x 2=... x 1=...
Uwagi Szybkość => metoda Gaussa rozwiązania układu n równań liniowych wymaga następującej liczby operacji: operacje związane z eliminacją: n2/2 n/2 : dzielenie i odejmowanie n3/3 n/3 : mnożenie i dodawanie operacje związane z podstawieniem: n2/2 n/2 : mnożenie i odejmowanie n : dzielenie Niestabilność => istotne jest, aby unikać dzielenia przez małe liczby, ponieważ może to prowadzić do dużych błędów obliczeń, tzw. small pivot
Przykład Macierz 1000 1000 wymagałaby: 333 832 500 operacji związanych z eliminacją 500 500 operacji związanych z podstawieniem Small pivout => prowadzi do: niepewności wyniku w związku ze zbliżaniem się dzielnika do 0, szczególnie w przypadku obliczeń komputerowych jeżeli dla działania a/b dzielnik b dąży to 0 to wynik dąży do nieskończoności 1.23456789 1E0 1.23456789 1.23456789 1.23456789 1.23456789 1.23456789 1E-2 1E-4 1E-6 1E-8 123.456789 12345.6789 1234567.89 123456789 Small pivout
Dzielenie przez 0 Dlaczego nie można dzielić przez 0? a/0 =? Jeżeli nie można dzielić przez 0 to dlaczego można dzielić przez liczby bliskie 0, np.? a/1e-32 =? Jaki wynik otrzymujemy, gdy dzielimy przez liczbę bliską 0? => błędy obliczeniowe
Metoda iteracyjna Znana jako metoda Gaussa-Seidela Podstawowe procedury: wyznaczyć algebraicznie równanie liniowe dla każdej zmiennej xi należy przyjąć punkt startowy [x] rozwiązać dla każdego xi a następnie powtórzyć procedurę iteracyjnie oszacować błąd po każdej iteracji, tzn. czy znajduje się w zadanych granicach Uwagi: metoda pozwala użytkownikowi na kontrolę błędu rozwiązania jeżeli fizyka problemu jest zrozumiała, można próbować odgadnąć rozwiązanie, co pozwala na znaczne ograniczenie liczby iteracji n b i xi = j=1, j i a ii a ij x j ; i=1,, n punkt startowy x1 [ x ]= x 2 xn [] oszacowanie błędu x new x old i i a i= 100 new xi
Wnioski Równania i układy równań liniowych i nieliniowych są najbardziej rozpowszechnionym problemem w zastosowaniach inżynierskich 75% problemów inżynierskich metody rozwiązania można przedstawić w postaci prostych algorytmów Umiejętność rozwiązywania liniowych i nieliniowych układów równań jest podstawowym warunkiem zaawansowanej analizy numerycznej thick-film resistor substrate [ a 11 a 21 a 31 a n1 a12 a 22 a 32 a n2 a13 a 23 a33 an3 a1n a2n a3n a nn x1 b1 x2 b2 x 3 = b3 xn bn ][ ] [ ]
Układy nieliniowe W inżynierii wszystkie układy są nieliniowe a warunek liniowości wiąże się z wieloma założeniami upraszczającymi, np.: żadna ze zmiennych układu nie podlega ograniczeniom przykład operacji nieliniowych => iloczyny lub potęgi zmiennych a dodatkowo współczynniki równań mogą zależeć od zmiennych układy nieliniowe mają także pewien zakres liniowy równania liniowe są łatwe w analizie i w obliczeniach za najbardziej ogólną postać opisu układów równań nieliniowych można uznać równania różniczkowe Uwagi: nie istnieje ogólna analityczna metoda rozwiązywania układów nieliniowych nie można również stosować aparatu pojęciowego związanego z przekształceniem Laplace'a => charakterystyki czasowe i częstotliwościowe nie istnieją wartości własne istnieją metody analityczne rozwiązywania tylko niektórych typów równań nieliniowych, a głównie stosuje się metody numeryczne
Przykład - wahadło Siła działająca na kulkę: F =m a= m g sin a= g sin Przyspieszenie kulki liczone wg drogi s: 2 2 d s d l a= 2 = dt dt 2 Zatem równanie ruchu: 2 d l g sin =0 2 dt Liniowe Nieliniowe
Dziękuję za uwagę