Interpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne

Podobne dokumenty
DOPASOWYWANIE KRZYWYCH

Metody numeryczne. Sformułowanie zagadnienia interpolacji

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

Metody numeryczne. Sformułowanie zagadnienia interpolacji

INTERPOLACJA I APROKSYMACJA FUNKCJI

Matematyka stosowana i metody numeryczne

MATLAB Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący

Elementarna analiza statystyczna

Interpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski

INFORMATYKA ELEMENTY METOD NUMERYCZNYCH.

x y

Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a

ĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów

Bardzo łatwa lista powtórkowa

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja Interpolacja wielomianowa Przykłady. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer.

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku

Całkowanie numeryczne przy użyciu kwadratur

Ćwiczenie nr 6 Charakterystyki częstotliwościowe

Metody Obliczeniowe w Nauce i Technice

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Technologie informatyczne

Analiza numeryczna Kurs INP002009W. Wykład 8 Interpolacja wielomianowa. Karol Tarnowski A-1 p.223

PROTOKÓŁ POMIAROWY - SPRAWOZDANIE

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1

dr inż. Damian Słota Gliwice r. Instytut Matematyki Politechnika Śląska

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

Metody numeryczne w przykładach

Egzamin z Metod Numerycznych ZSI, Egzamin, Gr. A

Rozwiązywanie równań nieliniowych

ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.

Interpolacja i modelowanie krzywych 2D i 3D

Ćwiczenie - 1 OBSŁUGA GENERATORA I OSCYLOSKOPU. WYZNACZANIE CHARAKTERYSTYKI AMPLITUDOWEJ I FAZOWEJ NA PRZYKŁADZIE FILTRU RC.

Aproksymacja funkcji a regresja symboliczna

Filtry aktywne filtr środkowoprzepustowy

Metody numeryczne Wykład 6

Rachunek całkowy - całka oznaczona

Tranzystor bipolarny LABORATORIUM 5 i 6

Aproksymacja linią prostą. dane. X dane 0. Y dane 1. p q. line X, Y. Tablica z danymi do aproksymacji

Lista zadań nr 2 z Matematyki II

Metody numeryczne I Równania nieliniowe

Egzamin z Metod Numerycznych ZSI, Grupa: A

1 Funkcje dwóch zmiennych podstawowe pojęcia

Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h)

ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

2) R stosuje w obliczeniach wzór na logarytm potęgi oraz wzór na zamianę podstawy logarytmu.

Metody rozwiązywania równań nieliniowych

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH

Procedura modelowania matematycznego

1 Równania nieliniowe

Grafika komputerowa Wykład 7 Modelowanie obiektów graficznych cz. I

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

MATeMAtyka klasa II poziom rozszerzony

Dział I FUNKCJE I ICH WŁASNOŚCI

Rozkład Gaussa i test χ2

Całkowanie numeryczne - metoda Simpsona

MATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony

WYMAGANIA WSTĘPNE Z MATEMATYKI

Czym jest całka? Całkowanie numeryczne

Obliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński

Interpolacja. Interpolacja wykorzystująca wielomian Newtona

( 1+ s 1)( 1+ s 2)( 1+ s 3)

1.1. Rachunek zdań: alternatywa, koniunkcja, implikacja i równoważność zdań oraz ich zaprzeczenia.

Teoria sterowania - studia niestacjonarne AiR 2 stopień

KADD Minimalizacja funkcji

WYDZIAŁ INFORMATYKI I ZARZĄDZANIA, studia niestacjonarne ANALIZA MATEMATYCZNA1, lista zadań 1

Metody numeryczne rozwiązywania równań różniczkowych

Filtry aktywne filtr górnoprzepustowy

Własności dynamiczne przetworników pierwszego rzędu

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r

Wprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE

Całkowanie numeryczne

Regresja nieparametryczna series estimator

Rozwiązania zadań. Arkusz Maturalny z matematyki nr 1 POZIOM ROZSZERZONY. Aby istniały dwa różne pierwiastki równania kwadratowego wyróżnik

Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga.

Opis matematyczny. Równanie modulatora. Charakterystyka statyczna. Po wprowadzeniu niewielkich odchyłek od ustalonego punktu pracy. dla 0 v c.

Wprowadzenie do metod numerycznych Wykład 9 Różniczkowanie numeryczne

Interpolacja i aproksymacja, pojęcie modelu regresji

Całkowanie numeryczne

Analiza numeryczna kolokwium2a-15grudnia2005

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/ ZAKRES PODSTAWOWY

Pojęcia, wymagania i przykładowe zadania na egzamin poprawkowy dla klas II w roku szkolnym 2016/2017 w Zespole Szkół Ekonomicznych w Zielonej Górze

83 Przekształcanie wykresów funkcji (cd.) 3

LABORATORIUM PODSTAW TELEKOMUNIKACJI

Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013

Sposoby opisu i modelowania zakłóceń kanałowych

ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH

Całkowanie numeryczne

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu

Elementy projektowania inzynierskiego Przypomnienie systemu Mathcad

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści

Laboratorum 2 Badanie filtru dolnoprzepustowego P O P R A W A

PLAN WYNIKOWY Z MATEMATYKI DLA KLASY II TECHNIKUM 5 - LETNIEGO

Wstęp do metod numerycznych Zadania numeryczne 2016/17 1

Charakterystyka amplitudowa i fazowa filtru aktywnego

Transkrypt:

Interpolacja, aproksymacja całkowanie Interpolacja Krzywa przechodzi przez punkty kontrolne Aproksymacja Punkty kontrolne jedynie sterują kształtem krzywej

INTERPOLACJA Zagadnienie interpolacji można sformułować następująco: na przedziale [a; b] danych jest n+1 różnych punktów x, x 1,..., x n, które nazywamy węzłami interpolacji, oraz wartości pewnej funkcji y=f(x) w tych punktach f(x )=y, f(x 1 )=y 1,..., f(x n )=y n. Zadaniem interpolacji jest wyznaczenie przybliżonych wartości funkcji w punktach nie będących węzłami oraz oszacowanie błędu tych przybliżonych wartości.

INTERPOLACJA W tym celu należy znaleźć funkcję F(x), zwaną funkcją interpolującą, która w węzłach interpolacji przyjmuje takie same wartości co funkcja y=f(x). Interpolacja jest w pewnym sensie zadaniem odwrotnym do tablicowania funkcji. Przy tablicowaniu mając analityczną postać funkcji budujemy tablicę wartości, przy interpolacji natomiast na podstawie tablicy wartości funkcji określamy jej postać analityczną.

INTERPOLACJA Standardowe procedury Matlaba realizują interpolację za pomocą wielomianów pierwszego i trzeciego stopnia oraz funkcji sklejanych stopnia trzeciego.

Funkcje interpolujące yi=interp1(x,y,xi,metoda) Zwraca wektor yi, będący wartościami funkcji jednej zmiennej y=f(x) w punktach określonych wektorem xi; węzły interpolacji określają wektory x i y; metoda - łańcuch znaków określający metodę interpolacji 5

Metody interpolacji linear interpolacja liniowa, spline interpolacja funkcjami sklejanymi stopnia trzeciego, cubic interpolacja wielomianami stopnia trzeciego. Wszystkie metody interpolacji wymagają, aby ciąg x był monotoniczny.

Metoda najbliższego sąsiada z ang. nearest Węzły interpolacji: x 1 3 4 7 9 y 2-3 5 8-1 8 6 4 2-2 -4 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: x x x x = +, = 1,..., 1 i+ 1 i y yi yi+ 1 i n xi xi + 1 xi + 1 xi Metoda liniowa z ang. linear x 1 3 4 7 9 y 2-3 5 8-1 x 4 x 3 y = ( 3) + 5 3 4 3 4 x 3 x 1 y = 2 + ( 3) 1 3 3 1 8 6 4 2-2 x 7 x 4 y = 5 + 8 4 7 7 4 x 9 x 7 y = 8 + ( 1) 7 9 9 7-4 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: Metoda funkcji sklejanych-przykład z ang. spline x 1 3 4 7 9 y 2-3 5 8-1 Interpolacja przeprowadzana jest za pomocą wielomianów 3-ciego stopnia. Każdy wielomian ma cztery współczynniki. W naszym przykładzie mamy również cztery wielomiany (p, p 1, p 2, p 3 ), zatem należy ułożyć 16 rówń. Przyjmując, że wielomiany dokładnie muszą przechodzić przez dwa kolejne węzły otrzymamy 8 równań. Ponadto chcemy, aby pierwsze i drugie pochodne kolejnych wielomianów dla wewnętrznych węzłów były równe, otrzymujemy następne 6 równań. Do dyspozycji pozostają, zatem dwa wolne współczynniki, jeden dla p, a drugi dla p 3. Mamy więc pewną dowolność. Możemy np. przyjąć, że pierwsza pochodna p( x) p3 ( x) =, = dx dx x= 1 x= 9 Otrzymujemy wówczas, tzw. funkcje sklejane naturalne.

Węzły interpolacji: Wielomian p (x) Metoda funkcji sklejanych z ang. spline 2 x 1 3 4 7 9 y 2-3 5 8-1 15 1 5-5 -1-15 -2 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: Wielomian p 1 (x) Metoda funkcji sklejanych z ang. spline 2 x 1 3 4 7 9 y 2-3 5 8-1 15 1 5-5 -1-15 -2 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: Wielomian p 2 (x) Metoda funkcji sklejanych z ang. spline 2 x 1 3 4 7 9 y 2-3 5 8-1 15 1 5-5 -1-15 -2 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: Wielomian p 3 (x) Metoda funkcji sklejanych z ang. spline 2 x 1 3 4 7 9 y 2-3 5 8-1 15 1 5-5 -1-15 -2 1 2 3 4 5 6 7 8 9 1

Węzły interpolacji: p( x) p3( x) = 1, = 1 dx dx x= 1 x= 9 2 Metoda funkcji sklejanych z ang. spline x 1 3 4 7 9 y 2-3 5 8-1 Warunki brzegowe przyjęte w przykładzie 15 1 5-5 -1-15 Warunki brzegowe przyjęte w Matlabie dp x dp x dx dx o( ) 1( ) 649 = =, x= 1 x= 1 x= 9 x= 9 35 dp2 ( x) dp3( x) 172 = = dx dx 35-2 1 2 3 4 5 6 7 8 9 1

Aproksymacja Jest to zagadnienie bardziej ogólne. Funkcja dana i funkcja szukana nie muszą przyjmować tych samych wartości w punktach węzłowych. Funkcję f(x), znaną lub określoną tablicą wartości, będziemy aproksymować (zastępować) inną funkcją F(x), zwaną funkcją aproksymującą lub przybliżeniem funkcji f(x).

Kryteria błędu aproksymacji Dobiera się tak parametry funkcji F(x) tak, aby suma kwadratów różnic między wartością zmierzoną, a wynikającą z przybliżonej funkcji była możliwie najmniejsza N 1 J = yi F( xi ) min. N i = 1 ( ) 2 Dobiera się tak parametry funkcji F(x) tak, aby maksymalna wartość bezwzględna różnicy między wartością zmierzoną, a wynikającą z przybliżonej funkcji była możliwie najmniejsza max y F( x ) min. i i

Aproksymacja Standardową metodą aproksymacji w Matlabie jest aproksymacja średniokwadratowa wielomianami wybranego stopnia. Polecenie: a=polyfit(x,y,n) znajduje wektor a współczynników wielomianu stopnia n najlepiej dopasowanego do danych wektorów x, y. Wartość wielomianu aproksymującego w dowolnym punkcie x (wektorze x) można wyznaczyć, korzystając z polecenia polyval(a,x).

Aproksymacja Najbardziej podstawową, a zarazem najprostszą metodą aproksymacji średniokwadratowej jest aproksymacja funkcją liniową, zwana także regresją liniową. %Przyklad na regresje liniowa clear all close all x=[1 3 4 7 9];y=[2-3 5 8-1]; a=polyfit(x,y,1); xp=linspace(,1,3); yp=polyval(a,xp);grid plot(x,y,'or',xp,yp,'b'),grid,title('regresja liniowa'); 8 6 4 2-2 Regresja liniowa -4 1 2 3 4 5 6 7 8 9 1 F( x) =.1765x+ 1.3529

Aproksymacja n=1 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12 Mamy 12 wartości pomiarowych (maksymalny stopień wielomianu aproksymującego wynosi 11, wówczas mamy wielomian Lagrange a)

Aproksymacja n=2 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=3 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=4 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=5 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=6 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=7 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=8 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=9 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=1 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Aproksymacja n=11 2 15 1 5-5 -1-15 -2 2 4 6 8 1 12

Dane są punkty pomiarowe charakterystyki amplitudowej pewnego filtru elektrycznego. Pomiary wykonano co 1Hz. 5s H ( s) = ; 2 5 s + 5.5* s + 2.5*1 A( ω) = A(2 π f ) = H ( s) ; s= j2π f Znajdź współczynniki wielomianu aproksymującego stopnia czwartego (i ewentualnie wyższego, takiego by uznać wyniki aproksymacji za zadowalające). Wykreśl na jednej figurze charakterystykę otrzymaną z aproksymacji oraz teoretyczną.

1 Charakterystyka teoretyczna.9.8.7.6 A(f).5.4.3.2.1 5 1 15 2 25 3 Czestotliwosc [Hz]

1 Punkty pomiarowe.9.8.7.6 A(f).5.4.3.2.1 5 1 15 2 25 3 Czestotliwosc [Hz]

1.2 Charakterystyka aproksymowana n=4 1.8.6 A(f).4.2 -.2 5 1 15 2 25 3 Czestotliwosc [Hz]

1 Charakterystyka aproksymowana n=7.9.8.7.6 A(f).5.4.3.2.1 5 1 15 2 25 3 Czestotliwosc [Hz]

1 Charakterystyka aproksymowana n=9.9.8.7.6 A(f).5.4.3.2.1 5 1 15 2 25 3 Czestotliwosc [Hz]

Klasyfikacja metod całkowania numerycznego Najbardziej ogólną metodą całkowania numerycznego jest metoda Newtona-Cotesa. Jest ona oparta na interpolacji funkcji y = f(x) w m odcinkach przez wielomian interpolujący Lagrange a stopnia n. Metody Newtona -Cotesa Metody równomierne Metody nierównomierne Metody prostokątów Metoda trapezów Metoda Simpsona Metoda Gaussa

Metoda prostokątów Przedział całkowania <x p,x k > dzielimy na n + 1 równo odległych punktów x o, x 1, x 2,..., x n : dla i =,1,2,...,n x i = x p + i (x k - x p ) /n Dla każdych dwóch sąsiednich punktów wyznaczamy punkt środkowy t i wg wzoru: dla i = 1,2,...,n t i = (x i-1 + x i )/2 Obliczamy odległość między dwoma sąsiednimi punktami. dx = (x k - x p )/n

Metoda prostokątów Pole prostokąta jest równe; dla i = 1,2,...,n P i = t dx i Wartość całej całki otrzymamy sumując te pola, czyli: xk = P f ( x) dx P x n i= 1 i

Metoda trapezów Przedział całkowania <x p,x k > dzielimy na n + 1 równo odległych punktów x o, x 1, x 2,..., x n : dla i =,1,2,...,n x i = x p + i (x k - x p ) /n Obliczamy odległość między dwoma sąsiednimi punktami. dx = (x k - x p )/n

Metoda trapezów Pole trapezu jest równe; dla i = 1,2,...,n P i ( x+ x ) i i 1 = Wartość całej całki otrzymamy sumując te pola, czyli: 2 dx xk = P f ( x) dx P x n i= 1 i

Metoda Simpsona (http://edu.i-lo.tarnow.pl/inf/alg/4_int/4.php) Przedział całkowania <x p,x k > dzielimy na n + 1 równo odległych punktów x o, x 1, x 2,..., x n : dla i =,1,2,...,n x i = x p + i (x k - x p ) /n Dla każdych dwóch sąsiednich punktów wyznaczamy punkt środkowy t i wg wzoru: dla i = 1,2,...,n t i = (x i-1 + x i )/2 Obliczamy odległość między dwoma sąsiednimi punktami. dx = (x k - x p )/n

Metoda Simpsona Dla każdego wyznaczonego w ten sposób punktu obliczamy wartość funkcji f(x) w tym punkcie:

Metoda Simpsona W każdym podprzedziale <x i-1,x i > przybliżamy funkcję za pomocą paraboli g(x) o następującej postaci: dla i = 1,2,...,n g i (x) = a i x 2 + b i x + c i, x <x i-1, x i > Parabola g i (x) musi przechodzić przez punkty: (x i-1, f i-1 ), (t i,f ti ), (x i,f i ). Współczynniki a i, b i i c i wyznaczymy zatem z układu trzech równań: dla i = 1,2,...,n 2 a x b x c f a t bt c f a x b x c f, i i 1 + i i 1 + i = i 1 2 i i + i i + i = ti, 2 i i + i i + i = i,

Metoda Simpsona Pole pod parabolą w przedziale <x i-1,x i > będzie równe całce oznaczonej: dla i = 1,2,...,n x i i 1 i 1 x i 2 ( ) P = g ( x) dx = a x + b x + c dx, x < x ; x > i i i i i i 1 i x x Po kilku przekształceniach i uproszczeniach otrzymujemy ostateczny wzór: dla i = 1,2,...,n x x P g x dx f f f xi k p i = i ( ) = i 1 + i + 4 ti 6n x i 1 ( )

Metoda Simpsona Po przekształceniach można otrzymać wzór pozwalający obliczyć pole obszaru pod parabolą aproksymującą funkcję f(x) w przedziale <x i-1 x i >. Wartość całej całki otrzymamy sumując te pola, czyli: xk x n n n k xp P = f ( x) dx fi 1 fi 4 fti 6n + + i= 1 i= 1 i= 1 x Jest to wzór wyliczania przybliżonej wartości całki oznaczonej za pomocą metody Simpsona. Ponieważ w obliczanych sumach wartości funkcji się powtarzają dwukrotnie (z wyjątkiem pierwszej i ostatniej), do obliczeń komputerowych stosujemy efektywniejszy wzór otrzymywania powyższej sumy:

Metoda Simpsona x x P = f x dx f + f + f + f x k n 1 n k p ( ) n 2 i 4 ti 6n x i= 1 i= 1

Metoda Simpsona

Metoda Simpsona Lista kroków

Metoda Simpsona Schemat blokowy

Charakterystyki częstotliwościowe układów Dana jest funkcja układu BIBO stabilnego: a s + a s +... + a s + a L( s) H ( s) = =, n m, b s b s... b s b M ( s) n n 1 1 2 n n+ 1 m m 1 1 + 2 + + m + m+ 1 Charakterystyka widmowa dana jest zależnością: H ( jω ) = H ( s) s = j ω

Amplitudowa charakterystyka widmowa: w db: ω ω ω A( ) = H ( j ) = A( ) A ( ω ) 2lg ( ) db = A ω Fazowa charakterystyka widmowa: ( ) = arg( H ( j )) = ( ) φ ω ω φ ω Odpowiedź impulsowa układu dana jest zależnością: 1 h( t) =L { H ( s)}

Wykreślanie charakterystyk w Matlabie Dana jest funkcja układu: H ( s) = 2 5s + 1 + 25 + 1 + 1 4 3 2 s s s s Wykreślić charakterystyki amplitudową i fazową tego układu w przedziale.1 1 Hz Charakterystyki wykreślić zarówno w liniowej jak i logarytmicznej skali częstotliwości. Amplitudę liniowo i w db, fazę w stopniach. f

f= ; w=2*pi*f; s=j*w; 1. H1=5*s.^2./(s.^4+1*s.^3+25*s.^2+1*s+1); 2. H2=polyval([5 ],s)./polyval([1 1 25 1 1],s); lub: H2=polyval(L,s)./polyval(M,s); ale wtedy należy zadeklarować L i M: L=[5 ]; M=[1 1 25 1 1] 3. H3=freqs([ 5 ], [1 1 25 1 1],w); lub: H3=freqs(L, M,w); ale wtedy należy zadeklarować L i M: L=[5 ]; M=[1 1 25 1 1]

freqs(l,m) tworzy wykresy charakterystyk amplitudowej i fazowej, oś x pulsacja w radianach, 2 punktów! freqs(l,m,w) j.w., ale w jest zadanym wektorem pulsacji, H=freqs(L,M,w) nie tworzy wykresu lecz wektor odpowiedzi częstotliwościowych, który można potem wykreślić [H,w]=freqs(L,M) nie tworzy wykresu lecz wektor odpowiedzi częstotliwościowych i wektor pulsacji

Charakterystyka amplitudowa Amplitudowa charakterystyka czestotliwosciowa -1-2 Amplituda [db] -3-4 -5-6 1-1 1 1 1 Czestotliwosc [Hz]

Charakterystyka fazowa 2 Fazowa charakterystyka czestotliwosciowa 15 1 5 Faza [deg] -5-1 -15-2 1-1 1 1 1 Czestotliwosc [Hz]

Odpowiedź impulsowa impulse(l,m) wykres, czas odpowiedzi dobrany przez Matlaba impulse(l,m,t) T oznacza końcowy czas odpowiedzi impulsowej impulse(l,m,t) t zadany wektor czasu h= impulse(l,m) nie wykonuje wykresu lecz tworzy wektor odpowiedzi impulsowej h, który można potem wykreślić

Odpowiedź impulsowa 3 Odpowiedz impulsowa 2 1 Ampiltuda [V] -1-2 -3-4.5 1 1.5 2 2.5 3 Czas [s]

Odpowiedź jednostkowa step(l,m) wykres, czas odpowiedzi dobrany przez Matlaba step(l,m,t) T oznacza końcowy czas odpowiedzi impulsowej step(l,m,t) t zadany wektor czasu k= step(l,m) nie wykonuje wykresu lecz tworzy wektor odpowiedzi impulsowej h, który można potem wykreślić

Odpowiedź jednostkowa.3 Odpowiedz jednostkowa.2.1 amplituda [V] -.1 -.2 -.3 -.4 2 4 6 8 1 12 czas [s]