9 Singulaariset ratkaisut
|
|
- Hannes Jääskeläinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 9 Singulaariset ratkaisut Singulaarisuus tarkoittaa, että Hamiltonin funktion minimiehto ei ksikäsitteisesti määrää ohjausta Singulaarisuus liitt usein ohjauksen suhteen lineaarisiin ssteemeihin ja kohdefunktioihin 91 Lineaariset minimiaikaongelmat Ssteemi ẋ(t) = A(t) + bu(t), (t) R n, A on n n-matriisi ja u(t) skalaari, on ohjattava minimiajassa 0 :sta maaliin G(t), kun u(t) 1 Hamiltonin funktio: Ktkentäfunktio s(t) = p T (t)b H ((t), u(t),p(t)) = 1 + p T (t)a(t) + p T (t)bu(t) Vapaa loppuaika ja H ei ole eksplisiittisesti ajan funktio H ( (t), u (t),p (t)) 0, t Onko mahdollisesti singulaarista aikaväliä [t 1, t 2 ]? Toisin sanoen milloin s(t) = 0, eli p T (t)b = 0, t [t 1, t 2 ]? 1 Toteutuu, jos p (t) = 0 t [t 1, t 2 ] Tämä ehto ei voi toteutua optimiradalla, koska tällöin H ( (t), u (t),p (t)) = 1 0, mikä johtaa ristiriitaan minimiperiaatteen kanssa 2 Toteutuu, jos b = 0, toisin sanoen kun ohjaus ei vaikuta ssteemin kättätmiseen 3 Milloin tulo p T (t)b voi hävitä jollain välillä? Koska p T (t)b 0, niin sen kaikki derivaatat häviävät ko välillä: d dt s(t) = ṗ T (t)b = 0 d k dt ks(t) = p(k) T (t)b = 0 Toisaalta singulaarivälillä p(t):n tät liittotilahtälön toteutua Tämän ratkaisu on muotoa missä c on vakiovektori ṗ (t) = A T p (t) p (t) = e AT t c, 61
2 Sijoitetaan tämä singulaarisuusehtoihin: [ T p T (t)b = 0 e c] AT t b = 0 [ ] T [ T ṗ T (t)b = 0 p T (t)ab = A T e AT t c b = e c] AT t Ab = 0 p T (t)b = 0 ṗ T (t)ab = [ p T (t)a ] [ T Ab = e c] AT t A 2 b = 0 p (n 1) T (t)b = ( 1) n [ e AT t c] T A n 1 b = 0 Kootaan n htälöä matriisimuotoiseksi htälörhmäksi [ e AT t c] T [ b Ab A 2 b A n 1 b ] = 0 T Transponoidaan: [ b Ab A 2 b A n 1 b ] [ ] T e AT t c = 0 }{{} ohjattavuusmatriisi E T Kohdasta 1 tiedetään, että p (t) 0 millään t [0, t f ], joten välttämättömäksi singulaarisuusehdoksi jää, että ohjattavuusmatriisi E on singulaarinen E on ei-singulaarinen jos ja vain jos ssteemi on tädellisesti ohjattava Näin ollen lineaarisille, stationaarisille minimiaikaongelmille: 1 Singulaarivälin olemassaolon ehto on, että ssteemi ei ole tädellisesti ohjattava 2 Jos ssteemi on tädellisesti ohjattava, singulaariväliä ei ole 92 Lineaariset minimipolttoainetehtävät Ssteemi ẋ(t) = A(t) + bu(t), (t) R n, A on n n-matriisi ja u(t) skalaari, on ohjattava minimaalisella polttoaineenkulutuksella 0 :sta maaliin G(t), kun u(t) 1 Kriteeri on muotoa J(u) = tf 0 u(t) dt, t f vapaa Hamiltonin funktio: H ((t), u(t),p(t)) = u(t) + p T (t)a(t) + p T (t)bu(t) Minimiperiaate: u (t) +p T (t)a (t) + p T (t)bu(t) u(t) + p T (t)a (t) + p T (t)bu(t) 62
3 Singulaariväli voi siis olla olemassa, jos s(t) = p T (t)b = ±10, t [t 1, t 2 ] Jos u (t) minimoi Hamiltonin funktion ja edellä mainittu ehto pätee, niin koska H :n tät olla identtisesti nolla, p T (t)a (t) = 0 Koska s(t) = ±1 koko aikavälin [t 1, t 2 ], pätee d k dt ks(t) = 0, k = 1, 2,, t [t 1, t 2 ] Välttämättömästä ehdosta H ( (t),u (t),p (t)) 0 ja minimiaikatehtävää vastaavasta analsistä saadaan Transponoidaan: [ e AT t c] T [ Ab A 2 b A n b ] = 0 T [ b Ab A 2 b A n 1 b ] T A T e AT t c = 0 }{{} ohjattavuusmatriisi E T Nt e AT t c = p (t) 0, t [t 1, t 2 ], koska jos p (t) = 0, niin p T (t)b = 0, mikä rikkoo singulaarisuusehtoa p T (t)b = ±10 Välttämätön ehto singulaarivälin olemassaololle: matriisin E T A T tulee olla singulaarinen: joko E, A tai molemmat niistä ovat singulaarisia 93 Singulaariratkaisujen analsointi Tutkitaan mahdollisuus s(t) 0 ja johdetaan siitä välttämättömät ehdot singulaariosalle 1 derivoimalla ktkentäfunktiota kerran tai tarvittaessa useammin, jolloin saadaan lisähtälöt u:n määräämiseksi (kun min H on tehoton ehto) 2 Kätä sopivissa tapauksissa ehtoa H ( (t),u (t),p (t)) 0 t (H aikainvariantti, t f vapaa) 3 Vapaan lopputilan ja kiinteän loppuajan tehtävissä reunaehdosta p(t f ) = 0 ja liittotilahtälöstä seuraa usein, että p(t) 0 koko välillä Tutkitaan saaduilla ohjauksilla tila-avaruuden alueet, joilla singulaarisuus voi esiintä ja vastaavat radat Tutkitaan, onko singulaariohjaus optimaalinen Singulaariväli voi merkitä, että optimiohjaus ei ole ksikäsitteinen Huom! Vektoriohjauksella singulaarisuus saattaa liittä vain osaan ohjauksen komponenteista 63
4 94 Esimerkki Määritä ssteemille optimaalinen ohjaus annetulla kriteerillä Hamiltonin funktio min 1 2 tf 0 ẋ 1 (t) = 2 (t) ẋ 2 (t) = u(t), u(t) 1 [ 2 1 (t) (t)] dt, t f ja (t f ) vapaat H ((t), u(t),p(t)) = (t) (t) + p 1(t) 2 (t) + p 2 (t)u(t) on lineaarinen u:n suhteen, joten ktkentäfunktio on s(t) = p 2 (t) H :n minimoiva ohjaus: u (t) = { 1, kun p2 (t) > 0 +1, kun p 2 (t) < 0 Liittotilahtälöt: ṗ 1(t) = H 1 = 1(t) ṗ 2 (t) = H = 2 (t) p 1 (t) 2 Onko singulaariväliä? Tällöin s(t) = p 2 (t) = 0, t [t 1, t 2 ] Jos p 2 (t) 0 em välillä, niin ṗ 2(t) 0 samalla välillä Sijoitetaan liittotilahtälöön: ṗ 2 (t) = 2 (t) p 1 (t) = 0, eli singulaarivälillä 2(t) = p 1(t) Kätetään ehtoa H = 0 (t f vapaa eikä H ole eksplisiittisesti ajan funktio), jolloin H ((t), u(t),p(t)) = (t) Singulaariehto toteutuu, kun 2 (t) + p 1 (t) 2 }{{ (t) } = 2 2 (t) + p 2 1 (t) (t) (t) = (t) 2 2 (t) = 0 [ 1 (t) 2 (t)][ 1 (t) + 2 (t)] = 0 1 (t) 2 (t) = 0 tai 1 (t) + 2 (t) = 0, t [t 1, t 2 ], 2 }{{} (t) u (t) = 0 =0 eli mahdolliset singulaaritrajektorit voivat sijaita vaihetason suorilla 1 = ± 2 Ratkaistaan singulaarinen ohjaus: ẋ 1(t) = ±ẋ 2(t) = 2(t) (viimeinen htäsuuruus seuraa ssteemihtälöstä) Edelleen ssteemihtälön perusteella saadaan u (t) = ± 2 (t) Huomioidaan vielä ohjausrajoitus u(t) 1, mikä rajaa mahdolliset singulaariradat oheisen kuvan katkoviivalla esitetn alueen sisäpuolelle 64
5 Koska ssteemi liikkuu origosta poispäin trajektorilla 1 = 2, tämä ei voi kuulua optimaaliseen trajektoriin Siispä ainoa singulaarisen trajektorin kandidaatti on u (t) = 2(t), kun 2 (t) 1 Kokonaisratkaisu: ohjauksilla u = ±1 trajektorit vaihetasossa ovat paraabeleja (kts edellinen luento) 2 u = 1 u =+1 1 Ktkentähetkellä t 1 { u : +1 1, kun ṗ 2(t 1 ) > 0 u : 1 +1, kun ṗ 2 (t 1) < 0 sekä s(t 1 ) = p 2(t 1 ) = 0 Koska H 0, niin p 1(t 1 ) = (t 1 ) (t 1 ) 2 (t 1) Sijoitetaan liittotilahtälöön ṗ 2 (t) = 2 (t) p 1 (t), jolloin 1 ṗ 2 (t) = 2 [ 1 (t 1) + 2 (t 1)][ 1 (t 1) 2 (t 1)] 2(t 1 ) Nt ṗ 2(t):n merkinvaihdokset vain suorilla 1 = ± 2 sekä koordinaattiakseleilla 1 = 0 ja 2 = 0 Näiden rajoittamissa alueissa vain tiett ktkennät ovat mahdollisia 65
6 1= 2 = p 2 > 0 u: u: 1 p +1 2< 0 Mitä tapahtuu, kun trajektori kohtaa singulaariosan? Jos mennään singulaariosan li, niin ei ole sallittua ktkentää (u : 1 +1), on siis jatkettava singulaaripolkua origoon 0 2 u = 1 u =+1 1 A Esim eo kuvan pisteessä A ktkentä u : 1 +1 ei kä, vaan ktkentä on tehtävä singulaariosalla Missä sitten ktketään? Olkoon hetki t 2 ja 2 (t 2 ) piste, jossa saavutetaan singulaarirata tai origo Silloin p 2 (t 2 ) = 0, vastaava p 1 (t 2 ) saadaan singulaariradan htälöstä p 1 (t 2 ) = 2 (t 2 ) Nt liittotilalle on loppuehdot, kun 2 (t 2 ) tulkitaan annetuksi parametriksi Tila- ja liittotilahtälöt on mahdollista integroida (esim numeerisesti) lopputilasta taaksepäin, kun u(t) = 1 tai u(t) = 1 Ktkentähetki on kohta, missä p 2 (t) = 0 eli edellä mainittu integrointi eri loppuarvoista (t 2 ) antaa niihin liittvät ktkentäpisteet, jotka määrittelevät ktkentäkärän: 66
7 C 2 D E 1 F Optimaalinen ohjaus on muotoa u (t) = 1, (t) C-0-F:n oikealla puolella +1, (t) C-0-F:n vasemmalla puolella 1, (t) osalla C-D +1, (t) osalla E-F 2 (t), (t) osalla D-0-E Huom! Ktkentäkärä ei ole trajektori muuta kuin singulaariosalla D-0-E 67
8 10 Ratkaisujen kvalitatiivinen vaihetasoanalsi Tarkastellaan differentiaalihtälöparia ẋ(t) = a 1 (t) + b 1 (t) ẏ(t) = a 2 (t) + b 2 (t) Ssteemin tasapainopiste, missä siis ẋ(t) = ẏ(t) = 0, on origo (t) = (t) = 0 Ratkaisu ritteellä (t) = Ae rt, (t) = Be rt, Sijoittamalla rite llä olevaan ssteemiin saadaan [ ][ ] a1 r b 1 A = a 2 b 2 r B }{{} K [ ] 0 0 Ssteemillä on ei-triviaali ratkaisu, jos Det(K) = (a 1 r)(b 2 r) b 1 a 2 = 0 Esitelln ssteemin karakteristinen htälö ja sen ratkaisut r 1 ja r 2 ovat ssteemin kerroinmatriisin ominaisarvot, jotka saadaan ratkaistua htälössteemistä Det(K) = 0 Jos r 1 r 2, ratkaisu on tppiä { (t) = A1 e r 1t + A 2 e r 2t (t) = B 1 e r 1t + B 2 e r 2t, missä B 1 = (r 1 a 1 )A 1 /b 1 ja B 2 = (r 2 a 1 )A 2 /b 1 Jos r 1 = r 2, niin ratkaisu on tppiä { (t) = (A1 + A 2 t)e rt (t) = 1 b 1 [(r a 1 )(A 1 + A 2 t) + A 2 ] e rt Ominaisarvot määräävät tasapainopisteen laadun: r 1 ja r 2 reaalisia: 1 r 1 > r 2 > 0 epästabiili napa ((t) ja (t) kasvavat rajatta) 2 r 2 < r 1 < 0 stabiili napa 3 r 1 > 0 > r 2 ja A 1 = 0 sekä A 2 0 satulapiste r 1 ja r 2 kompleksisia: 1 Re(r 1 ), Re(r 2 ) > 0 epästabiili polttopiste 2 Re(r 1 ), Re(r 2 ) < 0 stabiili polttopiste 3 Re(r 1 ), Re(r 2 ) = 0 keskus (ellipsejä tasapainopisteen mpärillä) 68
9 101 Esimerkki Tarkastellaan ssteemiä { ẋ(t) = a(t) ẏ(t) = b(t) { (t) = (0)e at (t) = (0)e bt [ ] 1 (t) (0) a = [ (t) (0) ]1 b =0 =0 a>b> 0 tasapainop =0 a<b< 0 =0 a) epästabiili napa b) stabiili napa a<0<b c) satulapiste d) epästabiili polttopiste e) keskus f) stabiili polttopiste 102 Epälineaarisen ssteemin lokaali tasapainoanalsi Olkoon ssteemihtälöt muotoa ẋ(t) = f((t), (t)), f( s, s ) = 0 ẏ(t) = g((t), (t)), g( s, s ) = 0 Linearisoidaan ssteemi tasapainopisteen ( s, s ) mpäristössä ẋ(t) = f( s, s ) +f }{{} ( s, s )( s ) + f ( s, s )( s ) =0 ẏ(t) = g( s, s ) +g }{{} ( s, s )( s ) + g ( s, s )( s ), =0 minkä jälkeen tutkitaan kerroinmatriisien ominaisarvot Tämä on Lapunovin 1 eli Lapunovin epäsuora menetelmä 69
10 103 Epälineaarisen ssteemin globaali tasapainoanalsi Kaksiulotteisille tapauksille eräs tapa on tutkia liikettä vaihetasossa Piirtäminen helpottuu etsimällä isokliinit ẋ = 0 ja ẏ = 0 Trajektorit voivat leikata isokliineja vain pst- (ẋ = 0) tai vaakasuunnassa (ẏ = 0) =0 =0 104 Esimerkki 1 Tarkastellaan liikkeen suuntaa eri alueissa =0 =0 =0 a) stabiili napa b) satulapiste =0 Ssteemiä ei linearisoida, joten saadaan globaaleja tuloksia 105 Lapunovin funktiot Lapunovin 2 eli Lapunovin suora menetelmä Lapunovin funktio kuvaa leisesti esim fsikaalisen ssteemin kokonaisenergiaa Olkoon s ssteemin ẋ = f() tasapainopiste Tasapainoon s ja ssteemiin f liittvä Lapunovin funktio V : Ω R, Ω R n ja s Ω, toteuttaa seuraavat ehdot: 1 V on jatkuva ja V () 0 kaikilla 0 (eli positiividefiniitti) 2 s on V :n ksikäsitteinen minimi Ω:ssa 3 Jos (t) Ω kaikilla t V ((t)) on t:n funktiona vähenevä n V ((t)) 0 t V V ((t)) = ẋ i (t) i i=1 = [ V ((t))] T f((t)) 0 se (t) Ω t }{{} ẋ(t) 70
11 Edellä esitett ehdot voidaan lausua seuraavassa muodossa: V : Ω R, joka on positiividefiniitti) on Lapunovin funktio, jos s Ω ja 1 V :llä on jatkuvat osittaisderivaatat Ω:ssa 2 s on V :n ksikäsitteinen minimi Ω:ssa 3 [ V ((t))] T f() 0 Ω Lause Jos alueessa Ω = B( s, R 0 ) on olemassa Lapunovin funktio V, niin tasapainopiste s on stabiili Jos lisäksi [ V ((t))] T f() < 0 (tai V () < 0), s, niin s on asmptoottisesti stabiili 106 Esimerkki 2 Olkoon ssteemihtälöt muotoa Tasapainopiste s = [ 0 0 ] T ẋ 1 = 2 ẋ 2 = 1 2, Olkoon V ( 1, 2 ) = Ehdot 1 ja 2 voimassa V ( 1, 2 ) = 2 1 ẋ ẋ 2 = ( 1 2 ) = s stabiili Huom! Asmptoottista stabiiliutta ei voi päätellä lläolevasta, sillä V ( 1, 0) = Esimerkki 3 Olkoon ssteemihtälöt muotoa ẋ 1 = 2 ẋ 2 = 1, V ( 1, 2 ) = Nt V ( 1, 2 ) = 0, eli V on liikevakio (kokonaisenergia; ẋ 1 = v, ẍ 1 = a) Trajektorit kulkevat tässä tapauksessa pitkin V :n tasa-arvokäriä 108 Esimerkki 4 Tarkastellaan alla olevassa kuvassa esitettä heiluria k g θ R heiluri M 71
12 Ssteemi MR θ = Mg sin θ Mk θ ja sen tilaesits θ = ω ω = g R sin θ k R ω Lapunovin funktio V (θ, ω) = 1 2 MR2 ω 2 + MgR(1 cosθ) on kineettisen ja potentiaalienergian summa Tasapaino [ θ ω ] T = [ 0 0 ] T V (0, 0) = 0 on ksikäsitteinen minimi V (θ, ω) = MR 2 ω ω + MgR θ sin θ = MRgω sin θ kmrω 2 + MgRω sin θ = kmrω 2 0 V on heilurin Lapunovin funktio ja tasapaino on stabiili 109 Diskontattu kohdefunktio ja -aikaväli [KS ] -aikavälin tehtävissä lopputila korvataan usein tasapainoehdolla, jos sellainen on olemassa: ẋ 0, ṗ 0 kun t Tästä saadaan tasapainoratkaisu Tämän jälkeen tulee tarkistaa, onko olemassa ksittäistä trajektoria eri alkutiloista ko tasapainoratkaisuun Jos satulapiste-ehto toteutuu, niin on olemassa ksittäinen, konvergoiva rata tasapainopisteeseen (ẋ = 0, ṗ = 0) (vain, kun ja p ovat skalaareja) Huom koska liittotila/ohjaus ovat muuttujia, ne voidaan valita niin että alkutilassa ollaan (, p)-tason sellaisessa osassa, josta päädtään tasapainoon Analsoidaan ssteemi-liittotilassteemin ominaisuuksia, mikä ei ole sama asia kuin itse ssteemin stabiilius Mös äärellisen aikavälin tehtävässä saattaa esiintä ns pikatieominaisuus: ollaan lähellä tasapainoarvoa tai tasapainoarvossa pitkän aikaa 1010 Diskonttausfunktio Liitt usein -aikavälin tehtäviin Termistä e rt aiheutuu, että liittotilahtälö on eksplisiittisesti aikariippuva Tehdään muuttujanvaihdos: p(t) = e rt p(t) H = e rt H nkarvoliittotila nkarvo-hamilton 72
13 Tästä seuraa ṗ(t) = re rt p(t) + e rt ṗ(t) = H ṗ(t) = rp(t) e rt H = rp(t) H sekä Minimiperiaate: H u = e rt H u = 0 H u = 0 ẋ (t) = f( (t), u (t)) ṗ (t) = rp (t) H ( (t), u (t), p (t)) H ( (t), u (t), p (t)) H ( (t), u(t), p (t)) Talouspuolella kätetään usein tätä minimiperiaatteen muotoa 1011 Esimerkki Onko ksikäsitteistä globaalia stead state-investointipolitiikkaa? ehdolla ma 0 e rt [P[(t)] C[u(t)]]dt, ẋ(t) = b(t) + u(t), (0) = 0 0, u(t) 0, (t) on pääoman määrä hetkellä t P[(t)] on pääoman höt u(t) on investoinnin määrä hetkellä t C[u(t)] on investoinnin kustannus b on koneiden kuluminen Oletetaan lisäksi, että C u = C uu > 0 ja C(0) = C u (0) = 0, eli C[u(t)] on konveksi ja P > 0, P < 0 ja P(0) = 0 eli P[(t)] on konkaavi H = P[(t)] C[u(t)] + p[u(t) b(t)] Liittotilahtälö H u = 0 C u[u (t)] + p = 0 C u [u (t)] = p(t) ṗ(t) = rp(t) H = rp(t) P() p(t)b = (r + b)p(t) P ((t)) Vaihetasoanalsi (, p)-tasossa: merkitään htälön C u (u ) = p ratkaisua u = g(p) = C 1 u (p) 73
14 Tämä on olemassa, koska C u on kasvava Ssteemi { ẋ = b + g(p) ṗ = (r + b)p P () 1 Isokliini ẋ = 0 g(p) = b Oletettiin, että C u (0) = 0 C 1 u (0) = 0 eli g(0) = 0 Differentioimalla C u (u) = p C uu (u)du = dp du dp = 1 C uu (u) > 0 Toisaalta du = g dp p, siis g p > 0 Toisin sanoen g kasvava p:n suhteen ja kulkee origon kautta _ p = 0 g ( p ) = b 2 Isokliini ṗ = 0 (r + b)p = P () p = P() r+b Osittaisderivoimalla :n suhteen koska P () < 0 ja r + b > 0 Isokliini on siis laskeva _ p p = P () r + b < 0, p=0 _ 3 Liikkeen suunta eri alueissa Kun g(p) > b, niin ẋ > 0 Toisin sanoen isokliinin ẋ = 0 läpuolella ẋ > 0, koska g(p) on kasvava Vastaavasti ẋ < 0 alapuolella ṗ:n merkki nähdään htälöstä ṗ = (r + b)p P () ṗ = 0:n läpuolella (r + b)p > P () ṗ > 0 ja vastaavasti alapuolella ṗ < 0 74
15 _ p _ p s ẋ=0 p=0 _ Eli stead state ( s, p s ) on satulapiste on olemassa ksikäsitteinen optimirata, joka vie stead stateen 4 Lokaali analsi Linearisoitu ssteemi ( s, p s ):n mpäristössä { ẋ = b( s ) + g p (p s )(p p s ) s ṗ = P ( s )( s ) + (r + b)(p p s ) Kerroinmatriisin ominaisarvot b k g p P r + b k = 0 k = r ± (r + 2b) 2 4g p P 2 Juurten etumerkit? g p > 0, P < 0 4g p P > 0, > 0 juuret ovat reaaliset Lisäksi > r, joten juuret ovat erimerkkiset ja kseessä on satulapiste On siis olemassa ksikäsitteinen stead state-ratkaisu ainakin lokaalisti 75
Jos siis ohjausrajoitusta ei olisi, olisi ratkaisu triviaalisti x(s) = y(s). Hamiltonin funktio on. p(0) = p(s) = 0.
Mat-.148 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 1 1. Olkoon maaston korkeus y(s) derivoituva funktio ja etsitään tien profiilia x(s). Päätösmuuttuja on tien jyrkkyys
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros 11
Mat-.148 Dynaaminen optimointi, mallivastaukset, kierros 11 1. Olkoon tehtaan tuotanto x(t) ajan hetkellä t ja investoitava osuus tuotannosta u(t). Tehdasta kuvaa systeemiyhtälö ẋ(t) = u(t)x(t) x() = c
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ
Mat-48 Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ L ẋ = x ẋ = g L sin x rx Epälineaarisen systeemin tasapainotiloja voidaan
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.
Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 9 1. Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle. Tilayhtälö on x k+1 = f k (x k, u k ), k = 1,..., N 1 alkuehdolla
Lisätiedot[xk r k ] T Q[x k r k ] + u T k Ru k. }.
Mat-2.48 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 3. Johdetaan lineaarisen aikainvariantin seurantatehtävän yleinen ratkaisu neliöllisellä kustannuksella. Systeemi: x k+
LisätiedotDynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II
Dynaamisten systeemien teoriaa Systeemianalyysilaboratorio II 15.11.2017 Vakiot, sisäänmenot, ulostulot ja häiriöt Mallin vakiot Systeemiparametrit annettuja vakioita, joita ei muuteta; esim. painovoiman
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
LisätiedotDI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30
DI matematiikan opettajaksi: Tädennskurssi, kevät Luentorunkoa ja harjoituksia viikolle : ti 6 klo :-5: Kädään läpi: funktioita f : D f R n R m ja integrointia R n :ssä Oletetaan, että, R n ovat mielivaltaisia
Lisätiedot17. Differentiaaliyhtälösysteemien laadullista teoriaa.
99 17. Differentiaaliyhtälösysteemien laadullista teoriaa. Differentiaaliyhtälön x'(t) = f(x(t),t), x(t) n määrittelemän systeemin sanotaan olevan autonominen, jos oikea puoli ei eksplisiittisesti riipu
LisätiedotSuoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on
Suoran htälöt Suoran ratkaistu ja leinen muoto: Suoran htälö ratkaistussa, eli eksplisiittisessä muodossa, on ANALYYTTINEN GEOMETRIA MAA5 = k + b, tai = a missä vakiotermi b ilmoittaa suoran ja -akselin
Lisätiedot6. Differentiaaliyhtälösysteemien laadullista teoriaa.
1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun
Lisätiedot1 Di erentiaaliyhtälöt
Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y
Lisätiedot5 Differentiaaliyhtälöryhmät
5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =
LisätiedotDifferentiaaliyhtälöt II, kevät 2017 Harjoitus 5
Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)
LisätiedotTehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla.
Tehtävä.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. x = (a + b cos(θ)) cos(ψ) y = (a + b cos(θ)) sin(ψ) = b sin(θ), a > b, θ π, ψ π Figure. Toruksen hajoituskuva Oletetaan,
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista
Lisätiedot(s 2 + 9)(s 2 + 2s + 5) ] + s + 1. s 2 + 2s + 5. Tästä saadaan tehtävälle ratkaisu käänteismuuntamalla takaisin aikatasoon:
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2429 Systeemien Identifiointi 2 harjoituksen ratkaisut Yhtälö voitaisiin ratkaista suoraankin, mutta käytetään Laplace-muunnosta tehtävän ratkaisemisessa
LisätiedotMat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5
Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros 3
Mat-2.48 Dynaaminen optimointi, mallivastaukset, kierros 3. Johdetaan lineaarisen aikainvariantin seurantatehtävän yleinen ratkaisu neliöllisellä kustannuksella. Systeemi: Kustannusfunktio: J = 2 xt NHx
LisätiedotMat. tukikurssi 27.3.
Mat. tukikurssi 7.. Tänään oli paljon vaikeita aiheita: - suunnattu derivaatta - kokonaisdierentiaali - dierentiaalikehitelmä - implisiittinen derivointi Nämä kaikki liittvät aika läheisesti toisiinsa.
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 3 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 28 R. Kangaslampi Matriisihajotelmista
Lisätiedot6 Variaatiolaskennan perusteet
6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.
Lisätiedot(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut
BM0A5830 Differentiaalihtälöiden peruskurssi Harjoitus 7, Kevät 07 Päivitksiä: Tehtävän b tehtävänantoa korjattu, tehtävän 5 vastaus korjattu. b tehtävänantoa sujuvoitettu. Vastauksia lisätt.. Monasti
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros 1
Mat-214 Dynaaminen optimointi, mallivastaukset, kierros 1 1 a) Sekoitussäiliöön A virtaa puhdasta vettä virtauksella v A, säiliöstä A säiliöön B täysin sekoittunutta liuosta virtauksella v AB ja säiliöstä
LisätiedotEnsimmäisen ja toisen kertaluvun differentiaaliyhtälöistä
1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 9 Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
LisätiedotVärähdysliikkeet. q + f (q, q, t) = 0. q + f (q, q) = F (t) missä nopeusriippuvuus kuvaa vaimenemista ja F (t) on ulkoinen pakkovoima.
Torstai 18.9.2014 1/17 Värähdysliikkeet Värähdysliikkeet ovat tyypillisiä fysiikassa: Häiriö oskillaatio Jaksollinen liike oskillaatio Yleisesti värähdysliikettä voidaan kuvata yhtälöllä q + f (q, q, t)
Lisätiedotz Im (z +1) 2 = 0. Mitkä muut kompleksitason pisteet toteuttavat tämän yhtälön? ( 1) 0 z ( 1) z ( 1) arg = arg(z 0) arg(z ( 1)), z ( 1) z ( 1)
. Osoita geometrisesti, että jos = ja niin pätee Im +) = 0. Mitkä muut kompleksitason pisteet toteuttavat tämän htälön? Kirjoitetaan +) = 0 ) ), ) 0 jossa, ja 0 vastaavat kolmion pisteitä kompleksitasossa.
Lisätiedot3.4 Käänteiskuvauslause ja implisiittifunktiolause
3.4 Käänteiskuvauslause ja implisiittifunktiolause Tässä luvussa käsitellään kahta keskeistä vektorianalyysin lausetta. Esitellään aluksi kyseiset lauseet ja tutustutaan niiden käyttötapoihin. Lause 3.4.1
LisätiedotMatematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista
Matematiikan johdantokurssi, sks 07 Harjoitus 8, ratkaisuista. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa hdistetstä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen? Ratkaisu.
Lisätiedotv AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =
Mat-214 Dynaaminen optimointi Mitri Kitti Mallivastaukset kierros 1 1 a) Sekoitussäiliöön A virtaa puhdasta vettä virtauksella v A säiliöstä A säiliöön B täysin sekoittunutta liuosta virtauksella v AB
Lisätiedotf(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.
Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina
Lisätiedot3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta
LisätiedotInsinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 06 laskuharjoituksien esimerkkiratkaisut Alla olevat esimerkkiratkaisut ovat melko ksitiskohtaisia Tenttivastauksissa ei leensä tarvitse muistaa lauseiden, määritelmien, esimerkkien
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Lokaalit ääriarvot Yhden muuttujan funktion f (x) lokaali maksimi on piste x 0, jossa f (x) on suurempi kuin muualle pisteen x 0 ympäristössä, eli kun f (x 0 )
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan välttämättömät ehdot funktionaalin. g(y(t), ẏ(t),...
Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 6 1. Johdetaan välttämättömät ehdot funktionaalin J(y) = g(y(t), ẏ(t),..., dr y(t), t) dt dt r ekstremaalille, kun ja t f ovat kiinteitä ja tiedetään
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 1 R. Kangaslampi Matriisihajotelmista
Lisätiedot2 Osittaisderivaattojen sovelluksia
2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä
Lisätiedotläheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä?
BM20A5840 - Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2017 1. Tunnemme vektorit a = [ 1 2 3 ] ja b = [ 2 1 2 ]. Laske (i) kummankin vektorin pituus (eli itseisarvo, eli normi); (ii) vektorien
LisätiedotHarjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,
Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä
Lisätiedot5 OMINAISARVOT JA OMINAISVEKTORIT
5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön
LisätiedotJAKSO 2 KANTA JA KOORDINAATIT
JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
LisätiedotPyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 352 Päivitetty Pyramidi 4 Luku Ensimmäinen julkaistu versio
Pramidi 4 Analttinen geometria tehtävien ratkaisut sivu 5 Päivitett 9..7 Pramidi 4 Luku 8..6 Ensimmäinen julkaistu versio 7.5.6 Korjattu tehtävän 865 ratkaisua. 8..7 Korjattu tehtävässä 85 luku 5 luvuksi
Lisätiedotk = 1,...,r. L(x 1 (t), x
Mat-2.148 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 6 1. Johdetaan välttämättömät ehdot funktionaalin J(y) = t g(y(t), ẏ(t),..., dr y(t), t) dt dt r ekstremaalille, kun
Lisätiedot3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h
HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)
LisätiedotLineaariset yhtälöryhmät ja matriisit
Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää
Lisätiedot10. Toisen kertaluvun lineaariset differentiaaliyhtälöt
37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.
MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto
LisätiedotKuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x
Lisätiedot2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre.
2. Viikko Keskeiset asiat ja tavoitteet: 1. Peruskäsitteet: kertaluku, lineaarisuus, homogeenisuus. 2. Separoituvan diff. yhtälön ratkaisu, 3. Lineaarisen 1. kl yhtälön ratkaisu, CDH: luvut 19.1.-19.4.
LisätiedotNäihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,
TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D Demonstraatio 7, 6.7... Ratkaise dierentiaalihtälöpari = = Vastaus: DY-pari voidaan esittää muodossa ( = Matriisin ominaisarvot ovat i ja i ja näihin kuuluvat ominaisvektorit (
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a
Lisätiedotx + 1 πx + 2y = 6 2y = 6 x 1 2 πx y = x 1 4 πx Ikkunan pinta-ala on suorakulmion ja puoliympyrän pinta-alojen summa, eli
BM0A5810 - Differentiaalilaskenta ja sovellukset Harjoitus, Syksy 015 1. a) Funktio f ) = 1) vaihtaa merkkinsä pisteissä = 1, = 0 ja = 1. Lisäksi se on pariton funktio joten voimme laskea vain pinta-alan
LisätiedotVakiokertoiminen lineaarinen normaaliryhmä
1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 29 Vakiokertoiminen lineaarinen normaaliryhmä Todetaan ensin ilman todistuksia (tulos on syvällinen) ratkaisujen
LisätiedotUsean muuttujan funktiot
Usean muuttujan funktiot Johdantoa Kertauksen vuoksi seuraavassa kuviossa on joitakin asioita, joita olemme laskeneet hden muuttujan funktioista f() : [a, b] R Kuvion kärä on funktion f() kuvaaja = f()
LisätiedotOminaisarvo ja ominaisvektori
Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotOletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti
LisätiedotKun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.
DEE-00 Lineaariset järjestelmät Harjoitus, ratkaisuehdotukset Järjestelmien lineaarisuus ja aikainvarianttisuus Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotLuento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään
Lisätiedoty + 4y = 0 (1) λ = 0
Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 6 mallit Kevät 2019 Tehtävä 1. Ratkaise yhtälöt a) y + 4y = x 2, b) y + 4y = 3e x. Ratkaisu: a) Differentiaaliyhtälön yleinen
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
Lisätiedotx = ( θ θ ia y = ( ) x.
Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan systeemianalyysin laitos Mat-2429 Systeemien Identifiointi 5 harjoituksen ratkaisut Esitetään ensin systeemi tilayhtälömuodossa Tiloiksi valitaan
Lisätiedot4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä
1 Laaja matematiikka 5 Kevät 010 4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa esiintyvistä matemaattisista malleista on differentiaaliyhtälö.
LisätiedotLUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k
LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1
LisätiedotLineaarikuvauksen R n R m matriisi
Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:
LisätiedotMatriisialgebra harjoitukset, syksy x 1 + x 2 = a 0
MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 22 Virittääkö vektorijoukko S vektoriavaruuden V, kun a V = R 3 ja S = {(1,0, 1,(2,0,4,( 5,0,2,(0,0,1} b V = P 2 (R ja S = {t1,t 2 1,t 2 t} ( ( 1 0 c
LisätiedotIV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
Lisätiedot2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.
2. kl:n DY:t Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.) Lause Olkoon f(x 2, x 1, t) funktio, ja oletetaan, että f, f/ x 1 ja f/ x
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Lisätiedot1 Rajoitettu optimointi I
Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause
Lisätiedot5 DIFFERENTIAALIYHTÄLÖRYHMÄT
5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5. Ensimmäisen kl:n DY-ryhmät Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Useimmat voidaan mallintaa ensimmäisen kertaluvun DY-ryhmien avulla. Ensimmäisen kl:n
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
LisätiedotRatkaisuehdotukset LH 3 / alkuvko 45
Ratkaisuehdotukset LH 3 / alkuvko 45 Tehtävä : Olkoot A, B, X R n n, a, b R n ja jokin vektorinormi. Kätetään vektorinormia vastaavasta operaattorinormista samaa merkintää. Nätä, että. a + b a b, 2. A
Lisätiedot1 Perusteita lineaarisista differentiaaliyhtälöistä
1 Perusteita lineaarisista differentiaaliyhtälöistä Johdetaan lineaarisen aikavariantin systeemin ẋ(t) = A(t)x(t) + B(t)u(t), x(t 0 ) = x 0 yleinen ratkaisu. Tarkastellaan ensin homogeenistä yhtälöä. Lause
LisätiedotTalousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu
Talousmatematiikan perusteet: Luento 14 Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Luennolla 6 Tarkastelimme yhden muuttujan funktion f(x) rajoittamatonta optimointia
Lisätiedotw + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.
Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)
Lisätiedot13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Differentiaaliyhtälöt, kesä 00 Tehtävät 3-8 / Ratkaisuehdotuksia (RT).6.00 3. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: y = + y + y = + y + ( y ) (y
LisätiedotNumeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
LisätiedotLuento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori = (,..., ). Reaalisten m n-matriisien joukkoa merkitään
LisätiedotKKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
LisätiedotDiskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
Lisätiedotl 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto)
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /
MS-A3/A5 Matriisilaskenta, II/27 MS-A3/A5 Matriisilaskenta Laskuharjoitus 3 / 3. 7..27 Tehtävä (L): Etsi kaikki yhtälön Ax = b ratkaisut, kun 3 5 4 A = 3 2 4 ja b = 6 8 7 4. Ratkaisu : Koetetaan ratkaista
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat
.9. Kaksiulotteiset satunnaismuuttujat MS-A Todennäköisslaskennan ja tilastotieteen peruskurssi Viikko Moniulotteiset satunnaismuuttujat sekä niiden jakaumat ja tunnusluvut; Moniulotteisia jakaumia Usein
Lisätiedotl 1 2l + 1, c) 100 l=0
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)
LisätiedotMS-A0004/A0006 Matriisilaskenta
4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin
LisätiedotRatkaisuehdotus 2. kurssikokeeseen
Ratkaisuehdotus 2. kurssikokeeseen 4.2.202 (ratkaisuehdotus päivitetty 23.0.207) Huomioitavaa: - Tässä ratkaisuehdotuksessa olen pyrkinyt mainitsemaan lauseen, johon kulloinenkin päätelmä vetoaa. Näin
Lisätiedot= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.
HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (
LisätiedotRatkaisuehdotus 2. kurssikoe
Ratkaisuehdotus 2. kurssikoe 4.2.202 Huomioitavaa: - Tässä ratkaisuehdotuksessa olen pyrkinyt mainitsemaan lauseen, johon kulloinenkin päätelmä vetoaa. Näin opiskelijan on helpompi jäljittää teoreettinen
LisätiedotYhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
LisätiedotFunktio. Funktio on kahden luvun riippuvuuden ilmaiseva sääntö, joka annetaan usein laskulausekkeena.
n ja muuttujan arvon laskeminen on kahden luvun riippuvuuden ilmaiseva sääntö, joka annetaan usein laskulausekkeena. ESIMERKKI Tarkastele funktiota f() = + 7. a) Laske funktion arvo, kun =. b) Millä muuttujan
Lisätiedot