Mat Dynaaminen optimointi, mallivastaukset, kierros 1

Samankaltaiset tiedostot
v 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 = =

Matematiikka B2 - TUDI

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

x = ( θ θ ia y = ( ) x.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

Insinöörimatematiikka D

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Matematiikka B2 - Avoin yliopisto

Käänteismatriisi 1 / 14

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 13: ti klo 13:00-15:30 ja to 1.4.

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan välttämättömät ehdot funktionaalin. g(y(t), ẏ(t),...

k = 1,...,r. L(x 1 (t), x

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Ennakkotehtävän ratkaisu

Ominaisarvo ja ominaisvektori

Insinöörimatematiikka D

Lineaariset yhtälöryhmät ja matriisit

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Vapaus. 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.

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Insinöörimatematiikka D

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

[xk r k ] T Q[x k r k ] + u T k Ru k. }.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Lineaarialgebra ja matriisilaskenta I

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Determinantti 1 / 30

1 Matriisit ja lineaariset yhtälöryhmät

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

MS-C1340 Lineaarialgebra ja

Käänteismatriisin ominaisuuksia

6 MATRIISIN DIAGONALISOINTI

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

7 Vapaus. 7.1 Vapauden määritelmä

Normaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

Insinöörimatematiikka D

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät y' P. α φ

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Lineaariset kongruenssiyhtälöryhmät

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

3x + 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

. Mitä olisivat y 1 ja y 2, jos tahdottaisiin y 1 (0) = 2 ja y 2 (0) = 0? x (1) = 0,x (2) = 1,x (3) = 0. Ratkaise DY-ryhmä y = Ay.

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

MS-A0004/A0006 Matriisilaskenta

s = 11 7 t = = 2 7 Sijoittamalla keskimmäiseen yhtälöön saadaan: k ( 2) = 0 2k = 8 k = 4

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

Ominaisarvo ja ominaisvektori

ominaisvektorit. Nyt 2 3 6

2.5. Matriisin avaruudet ja tunnusluvut

MS-C1340 Lineaarialgebra ja

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Ratkaisuehdotukset LH 7 / vko 47

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Lineaarialgebra ja matriisilaskenta I

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Ortogonaalisen kannan etsiminen

JAKSO 2 KANTA JA KOORDINAATIT

Similaarisuus. Määritelmä. Huom.

Mat Dynaaminen optimointi, mallivastaukset, kierros 11

BM20A0700, Matematiikka KoTiB2

Vektoreiden virittämä aliavaruus

Determinantti. Määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Jos siis ohjausrajoitusta ei olisi, olisi ratkaisu triviaalisti x(s) = y(s). Hamiltonin funktio on. p(0) = p(s) = 0.

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

ACKERMANNIN ALGORITMI. Olkoon järjestelmä. x(k+1) = Ax(k) + Bu(k)

17. Differentiaaliyhtälösysteemien laadullista teoriaa.

1 Ominaisarvot ja ominaisvektorit

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 5, Syksy 2015

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

AS Automaation signaalinkäsittelymenetelmät. Laskuharjoitus 8. Ackermannin algoritmi Sumea säätö

5 Ominaisarvot ja ominaisvektorit

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Tyyppi metalli puu lasi työ I II III

Luento 8: Epälineaarinen optimointi

802320A LINEAARIALGEBRA OSA III

5 Differentiaaliyhtälöryhmät

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.

Lineaarikuvauksen R n R m matriisi

Transkriptio:

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 B ulos liuosta virtauksella v B Virtaus on kokoonpuristumaton, joten Säiliöiden tilavuudet v A v AB v B gal/min V B gal Olkoot q(t) säiliön A suolan määrä ja p(t) säiliön B suolan määrä Säiliöstä A aikayksikössä t poistuvan suolan määrä on verrannollinen siellä jäljellä olevan suolan suhteelliseen osuuteen sekä virtauksen nopeuteen: q(t + t) q(t) t q(t) v AB q(t) q(t) v AB Vastaavasti säiliön B suolan määrälle saadaan yhtälö: Tilaesitys: [ q(t) ṗ(t) [ v AB ṗ(t) q(t) v AB v AB v B VB [ q(t) p(t) p(t) v B V B [ Lineaarisen aikainvariantin systeemin tilansiirtomatriisi on Φ(t, τ) e A(t τ) [ q(t) p(t) Matriisieksponentti lasketaan yleisesti sarjakehitelmän avulla e A I + A + A2 2! + A3 3! + Koska matriisi on valmiiksi alakolmiomuodossa, voidaan laskea suoraan 1 exp(a(t τ)) exp(a D (t τ)) exp(a N (t τ)) exp(a D (t τ)) (I + A N (t τ)) 1 Huom! Yleisesti neliömatriiseille A ja B on exp(a + B) exp(a) exp(b) Jos kuitenkin AB BA, niin silloin pätee exp(a + B) exp(a) exp(b) Diagonaalimatriisihan tunnetusti kommutoi kaikkien matriisien kanssa 1

missä Silloin e A(t τ) A D [ [ e (t τ) e (t τ) [ [, A N [ 1 (t τ) 1 e (t τ) (t τ)e (t τ) e (t τ) b) RLC-piirin tilayhtälöitä varten kirjoitetaan kirjoitetaan yhtälöt jännitteelle sekä virralle yli piirin: u C e u R + u L + u C Ri L + L di L dt + u C i L C du C dt Tästä saadaan tilayhtälöt [ [ [ i L R/L 1/L il 1/C u C + [ 1/L e, missä lähdejännite e tulkitaan ohjaukseksi Sijoitetaan arvot R 3Ω, L 1 H ja C 5 F paikoilleen, ja muodostetaan numeeriselle matriisille A ominaisarvohajotelma missä Λ [ 2 1 A V ΛV 1, Nyt voidaan laskea tilansiirtomatriisi [ 1 1, V 1 2 Φ(t, τ) exp(a(t τ)) V exp(λ(t τ))v 1 ja tulokseksi saadaan [ 2e Φ(t, τ) 2(τ t) e τ t e τ t e 2(τ t) 2e 2(τ t) 2e τ t 2e τ t e 2(τ t) 2

2 Lineaarinen aikainvariantti systeemi [ [ 1 ẋ(t) x(t) + 1 u(t) Ax(t) + Bu(t) on täydellisesti ohjattava jos ja vain jos n mn- ohjattavuusmatriisin [ E B AB A 2 B A n 1 B rangi on n Miksi näin? Ajatellaan yksinkertaisuuden vuoksi diskreettiaikaista systeemiä x k+1 Ax k + Bu k, missä u k R Koska lineaariseen systeemin origo voidaan valita mielivaltaisesti, niin ilman yleisyyden menetystä oletetaan, että x Silloin x 1 Ax + Bu Bu x 2 Ax 1 + Bu 1 ABu + Bu 1 x k k 1 (A j B)u j j Nyt siis kierroksella k voidaan systeemi ohjata mihin tahansa tilaan, joka kuuluu aliavaruuteen Lisäksi todetaan, että V k : span{b, AB,, A k 1 B} V m V n, m n Jotta systeemi voitaisiin ohjata mielivaltaiseen lopputilaan x f R n, tulee olla V n R n, joka vastaa edellä esitetty rangiehtoa Vastaavanlainen päättely yleistyy vektoriarvoiselle ohjaukselle Täsmälleen sama ehto voidaan todistaa myös jatkuva-aikaisille systeemeille 3

Tehtävän systeemille ohjattavuusmatriisi on [ 1 E, 1 jonka rivit (tai sarakkeet) ovat selvästi lineaarisesti riippumattomia Siis systeemi on täysin ohjattava Entä jos tehdään muunnos missä α β? Nyt siis z 1 (t) x 1 (t) + αx 2 (t) z 2 (t) x 1 (t) + βx 2 (t) z(t) [ 1 α 1 β x(t) Cx(t) Koska C on kääntyvä, kun α β, niin voidaan kirjoittaa uusi systeemiyhtälö ż(t) Cẋ(t) CAx(t) + CBu(t) CAC 1 z(t) + CBu(t) Muodostamalla ohjattavuusmatriisi saadaan [ [ α 1 E CB CAB β 1 jonka rivit (tai sarakkeet) ovat lineaarisesti riippumattomia täsmälleen silloin, kun α β Siis myös tämä systeemi on täydellisesti ohjattava Itse asiassa täydellisesti ohjattava systeemi pysyy täydellisesti ohjattavana aina koordinaatiston vaihdoksen x(t) Cx(t) jälkeenkin, mikäli n n matriisi C on kääntyvä Tällöin ohjattavuusmatriisiksi tulee CE, missä E on alkuperäisen tehtävän ohjattavuusmatriisi 3 Lineaarisen aikainvariantin systeemin λ 1 b 1 ẋ(t) λ 2 λ 3 x(t) + b 2 b 3 λ 4 b 4 4, u(t) Ax(t) + Bu(t)

ohjattavuusmatriisiksi saadaan E b 1 λ 1 b 1 λ 2 1b 1 λ 3 1b 1 b 2 λ 2 b 2 λ 2 2b 2 λ 3 2b 2 b 3 λ 3 b 3 λ 2 3b 3 λ 3 3b 3 b 4 λ 4 b 4 λ 2 4b 4 λ 3 4b 4 Matriisin E rivien (tai sarakkeiden) lineaarista riippuvuutta voidaan tutkia suorittamalla Gaussin eliminaatio determinantin määrittämiseksi Kerrotaan jokainen sarake λ 4 :llä ja lisätään viereiseen sarakkeeseen: b 1 λ 1 b 1 λ 2 1b 1 λ 3 1b 1 b 2 λ 2 b 2 λ 2 2b 2 λ 3 2b 2 b 3 λ 3 b 3 λ 2 3b 3 λ 3 3b 3 b 4 λ 4 b 4 λ 2 4b 4 λ 3 4b 4 b 1 (λ 1 λ 4 )b 1 (λ 1 λ 4 )λ 1 b 1 (λ 1 λ 4 )λ 2 1b 1 b 2 (λ 2 λ 4 )b 2 (λ 2 λ 4 )λ 2 b 2 (λ 1 λ 4 )λ 2 2b 2 b 3 (λ 3 λ 4 )b 3 (λ 3 λ 4 )λ 3 b 3 (λ 1 λ 4 )λ 2 3b 3 b 4 Jatketaan eliminaatiota vastaavasti kertomalla sarakkeita ensin λ 3 :lla ja lopuksi λ 2 :lla Saadaan eliminoitua systeemi muotoon b 1 (λ 1 λ 4 )b 1 (λ 1 λ 4 )(λ 1 λ 3 )b 1 (λ 1 λ 4 )(λ 1 λ 3 )(λ 1 λ 2 )b 1 b 2 (λ 2 λ 4 )b 2 (λ 2 λ 4 )(λ 2 λ 3 )b 2 b 3 (λ 3 λ 4 )b 3 b 4 Tästä voidaan kirjoittaa ehdot E:n sarakkeiden lineaariselle riippumattomuudelle Jos kehitetään determinantti alideterminanttien avulla, niin nähdään että vinodiagonaalin alkioiden tulo on täsmälleen E:n determinantti, joten sen tulee olla nollasta poikkeava Tämä toteutuu jos ja vain jos pätee ehdot b 1, b 2, b 3, b 4 λ i λ j, i j Se, että nämä ehdot ovat välttämättömiä, nähdään suoraan matriisista E (miten?) Laskun perusteella ne ovat siis myös riittävät ehdot Jos b 1 b 2 b 3 b 4 1, niin ohjattavuusmatriisi on nk Vandermondematriisi Se tulee vastaan mm interpolaatiopolynomien teoriassa, jossa tarvitaan myös kyseisen matriisin determinanttia Edellä olevan laskun ymmärtämisestä saattaa siis olla hyötyä myös muilla matematiikan kursseilla 5