Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
|
|
- Κητώ Μανιάκης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1
2 Δομή της Ύλης του Μαθήματος Εισαγωγη στο Χώρο Κατάστασης Μοντελοποίηση στο Χώρο Κατάστασης Ανάλυση Συστημάτων στο Χώρο Κατάστασης Δομικές Ιδιότητες Συστημάτων Ελεγξιμότητα Παρατηρησιμότητα Ευστάθεια Σχεδίαση Συστημάτων Ελέγχου Ποιοτικά Κριτήρια Σχεδίασης Ανατροφοδότηση Κατάστασης Εισαγωγή στον Βέλτιστο Έλεγχο Εισαγωγή στην Βελτιστοποίηση σε χώρουν πεπερασμένων και απείρων διαστάσεων. Εισαγωγή στο Λογισμό των Μεταβολών Βέλτιστος Έλεγχος μέσω Λογισμού των Μεταβολών Αναγκαίες Συνθήκες Βελτίστου Ελέγχου Προβληματα τύπου «Γραμμικού Ρυθμιστή» Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 2
3 Βέλτιστος Έλεγχος Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 3
4 Εισαγωγή στο Βέλτιστο Έλεγχο Παραδείγµατα όπου προκύπτει η ανάγκη Βελτιστοποίησης σε άπειρες διαστάσεις Παρουσίαση της δοµής ενός γενικευµένου προβλήµατος βελτίστου ελέγχου Εξειδίκευση στο πρόβληµα τετραγωνικού ρυθµιστή για ΓΧΑΣ Εισαγωγή στο Λογισµό των µεταβολών Η στατική βελτιστοποίηση ως πρόβληµα βελτιστοποπίηση πεπερασµένης διάστασης Λογισµός των µεταβολών Το πρόβληµα Ελάχιστης Ενέργειας. Ο Γραµµικός Τετραγωνικός Ρυθµιστής (ΓΤΡ) ΓΤΡ Μόνιµης Κατάστασης Παρακολούθηση Τροχιάς Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 4
5 Παραδείγματα χρήσης Βελτίστου Ελέγχου 1 Καμπύλη Ελάχιστου Μήκους Να ευρεθεί η συνάρτηση x : 0,1 με x( t = 0) = 0, x( t = 1) = b έτσι ώστε να ελαχιστοποιείται το μήκος 1 Το πρόβλημα τίθεται ως [ ]! ds = dt = 1+!x ( ) 2 + ( dx) ( ) 2 dt Και η λύση που ευρίσκεται μετά από κατάλληλη ανάλυση είναι η «ευθεία γραμμή» δηλ. η γραμμική συνάρτηση με άκρα τα x( t = 0) = 0, x( t = 1) = b Προσοχή: ΔΕΝ ψάχνουμε κάποιο διάνυσμα x αλλά μία συνάρτηση x(t)!!! Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 5
6 Παραδείγματα χρήσης Βελτίστου Ελέγχου 2 Το Ισοπεριμετρικό Πρόβλημα της Διδούς ή το Πρόβλημα Ίδρυσης της Καρχηδόνας Να μεγιστοποιηθεί το εμβαδον επιφάνειας που περικλείεται από καμπύλη δεδομένου μήκους Α και συγκεκριμένων αρχικών & τελικών σημείων. Αναζητούμε την συνάρτηση x(t) που προκύπτει απο τη επίλυση του προβληματος x=0 x=1 Θάλασσα Προσοχή: ΔΕΝ ψάχνουμε κάποιο διάνυσμα x αλλά μία συνάρτηση x(t)!!! 6
7 Παραδείγματα χρήσης Βελτίστου Ελέγχου 3 Πρόβλημα Επιχειρηματικής Στρατηγικής Από τη παραγωγή x(t) ενός (μοναδικού) προϊόντος μπορεί Ένα τμήμα (1-u(t)) x(t) να πωληθεί με (πάντοτε σταθερή) τιμή P > 0, και Το άλλο τμήμα u(t) x(t) να επενδυθεί για να αυξήσει τη παραγωγή, δηλ. Αν η αρχική παραγωγή είναι x(t)=α να βρεθεί η «συνάρτηση του ποσοστού επανεπένδυσης» u(t) ώστε να μεγιστοποιηθούν οι πωλησεις εντός χρονικού ορίζοντα [0,Τ]. Δηλαδή το πρόβλημα τίθεται ως:!x = u x Προσοχή: ψάχνουμε μία συνάρτηση u(t)!!! Κατά τμήματα συνεχείς συναρτήσεις στο [t 0,t 1 ] Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 7
8 Παραδείγματα χρήσης Βελτίστου Ελέγχου 4 Το πρόβλημα Χάραξης Ορεινού Αυτοκινητοδρόμου Για δεδομένο υψόμετρο y :C t 0,t 1 να ευρεθεί η συνάρτηση x :[ t 0,t 1 ]! του υψόμετρου του αυτοκινητοδρόμου ώστε: Δηλαδή το πρόβλημα τίθεται ώς: [ ]! Nα είναι φραγμένη η κλίση του, δηλ.!x α, και Να ελαχιστοποιηθεί το «Κόστος Κατασκευής» ( x( t) y( t) ) 2 dt t 1 t 0 y(t) x(t) t Προσοχή: ψάχνουμε μία συνάρτηση u(t)!!! Κατά τμήματα συνεχείς συναρτήσεις στο [t 0,t 1 ] Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 8
9 Παραδείγματα χρήσης Βελτίστου Ελέγχου 5 υ0 Η Βάρκα του Pontryagin d0 Μία βάρκα πρέπει να οδηγηθεί σε ελάχιστο χρόνο απο αρχική θέση d0 και ταχύτητα υ0 στην αρχή των αξόνων με μηδενική τελική ταχύτητα, υπο την επιδραση επιτάχυνσης φραγμένης στο [- 1,+1]. T Το πρόβλημα τιθεται ως = min 1 dt u C 0 Προσοχή: ψάχνουμε μία συνάρτηση u(t)!!! Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 9
10 Παραδείγματα χρήσης Βελτίστου Ελέγχου 6 Το Πρόβημα της Προσελήνωσης Επιδιώκουμε προσελήνωση (μηδενική ταχύτητα προσέγγισης) από αρχικό ύψος h 0 - ταχύτητα υ 0, μέσα σε καθορισμένο χρόνο [0, Τ] και με φραγμένη συνάρτηση ώθησης u(t). Επιθυμούμε ελάχιστη κατανάλωση καυσίμου, δηλαδη «μεγιστοποιημένη» τη τελική ολική μάζα (αεροσκάφος + καύσιμα) m(t) του διαστημοπλοίου. Εξέλιξη ύψους Επιτάχυνση Καταναλωση καυσίμου Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 10
11 Παραδείγματα χρήσης Βελτίστου Ελέγχου 7 Οριζόντια Κίνηση «Πυραύλου» Thrust: u mass: x 3 velocity: x 2 Ανισοτικός Περιορισμός: H ώθηση είναι φραγμένη Ισοτικός Περιορισμός: Το μοντέλλο κίνησης του πυραύλου Αρχικές Τελικές Συνθήκες: posi)on: x 1!x 1!x 2!x 3 = ( ) = s a υ a m a x 0 T!s!υ!m = [ ] u Ω = 0,F max Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 11 x 2 1 u 1 x 3 2 Aρc x 2 w 2 x t f α u ( ) = s b υ b free Σε συγκεκριμένο χρόνο, ΟΧΙ ασυμπτωτικά T
12 Παραδείγματα χρήσης Βελτίστου Ελέγχου 7 Οριζόντια Κίνηση «Πυραύλου» Thrust: u mass: x3 velocity: x2 posi)on: x1 Το πρόβλημα του Βελτίστου Ελέγχου: Να ευρεθεί η (κατά τμήματα συνεχής) συνάρτηση της ώθησης u :. 0,t f [ 0, F max ] που ικανοποιεί όλους τους περιορισμούς, ισοτικούς- ανισοτικούς- αρχικούς- τελικούς, και ελαχιστοποιεί την κατανάλωση καυσίμου: t f J ( u ) = u ( t ) dt 0 Εναλλακτικά, αλλά ισοδύναμα, θα μπορούσε να χρησιμοποιηθεί το κριτήριο J ( u ) = x 3 ( t f ) Γιατί το J εξαρτάται μόνο το απο το u ενώ εμπεριέχει μόνο το x3(tf)? Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ x= s υ m T 12
13 Το Πρόβλημα του Βελτίστου Ελέγχου Στην πιο γενική περίπτωση, θεωρούµε τη ΔΕ που περιγράφει την δυναµική της εγκατάστασης Εισάγουµε την έννοια του Δείκτη Απόδωσης (performance index) ή Συνάρτησης Κόστους (cost function) ή Αντικειµενικής Συνάρτησης (objective function) η οποία πρέπει να ελαχιστοποιηθεί: Η «Συνάρτηση Απώλειας» (Loss Function) αντιπροσωπεύει κάποια ποινή που: Εξαρτάται από τη κατάσταση, την είσοδο ή από συνδυασµό τους, και Αναφορικα µε το χρόνο, είναι στατική ή χρονικά εξαρτώµενη. Παραδείγµατα: L x( t),u( t),t = 1 : ελαχιστοποίηση χρόνου, L x( t),u( t),t = u 2 ( t) : ελαχιστοποίηση ενέργειας, L x( t),u( t),t = u( t) : ελαχιστοποίηση καυσίµου Μπορεί να υπάρχουν και περιορισµοί (constraints) που συνδέουν είτε τη κατάσταση, είτε την είσοδο ή και τις 2, συνδυασµένα. Μπορεί να είναι : Ισοτικοί D( x( t), u( t), t) = 0 t t0, t f Ανισοτικοί C x( t) u( t) t t t t ( ) 0,, 0, f L x( t),u( t),t Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 13
14 Το Πρόβλημα του Βελτίστου Ελέγχου Κατά συνέπεια, το πρόβληµα βελτιστοποιήσεως έγγυται στην ανεύρεση εκείνης της συνάρτησης εισόδου u(t) t [t 0,t f ] η οποία : u * (t) Ελαχιστοποιεί (min) την αντικειµενική συνάρτηση J(u) και Υπόκειται (subject to s.t.) σε περιορισµούς : τόσο κατάστασης-εισόδου (ισοτικοί/ανισοτικοί) όσο και αυτούς που εισάγει η ΔΕ της δυναµικής του συστήµατος Αυτό το πρόβληµα βελτιστοποίησης εφράζεται µαθηµατικά ως min u ( ) J u ( ) ( ) ( ) ( ) ( ) ( ) ( ) Η προκύπτουσα ελαχιστοποιούσα συνάρτηση συµβολίζεται ως u (t) t [t 0,t f ] Προφανώς αυτή η βέλτιστη συνάρτηση εισόδου u (t) t [t 0,t f ], όταν εισαχθεί στη ΔΕ της δυναµικής του συστήµατος και αυτή συνεπώς επιλυθεί, οδηγεί στη αντιστοιχούσα βέλτιστη πορεία x (t) t [t 0,t f ], x (t 0 )=x 0 του συστήµατος Γι αυτό και το εκφράσθηκε ως J(u) ( )! = 0 = 0 x 0 st.. x f x, u, t x t x D x t, u t, t = 0 C x t, u t, t 0 x * (t) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 14
15 Το Πρόβλημα του Βελτίστου Ελέγχου Το προηγούµενο γενικευµένο πρόβληµα µπορεί να αναχθεί σε απλούστερες µορφές όπου π.χ. το σύστηµα είναι γραµµικό ή οι ισοτικοί /ανισοτικοί περιορισµοί είναι απλά φράγµατα της κατάστασης ή της εισόδου κλπ. Σε αυτό το µάθηµα θα δοθεί έµφαση (αλλά όχι αποκλειστικότητα) σε µία από τις απλούστερες δυνατές µορφές, όπου: Το σύστηµα είναι ΓΧΑΣ Δεν υπάρχουν ισοτικοί / ανισοτικοί περιορισµοί εισόδων-καταστάσεων, και Η αντικειµενική συνάρτηση είναι «τετραγωνική» Ό όρος «τετραγωνική» πηγάζει από το ότι τόσο η Loss Function όσο και το τελικό κόστος είναι τετραγωνικοί όροι ϕ ( x( t f )) = 1 ( 2 xt t f ) S x( t f ) Παρατηρούµε ότι: Η Loss Function επιβαρύνει «µεγάλες καταστάσεις» και µεγάλη «κατανάλωση ενέργειας» Το τελικό κόστος επιβαρύνει την απόκλιση από τη µηδενική κατάσταση Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 15
16 min X s.t. ( ) ( ) = 0 ( ) 0 J X G X F X Εισαγωγή στο Λογισμό των Βελτιστοποίηση πεπερασµένης διάστασης (δηλ. Χ R d ) Μεταβολών Βελτιστοποίηση άπειρης διάστασης (δηλ. u(t) t [t 0,t f ] ) Η επίλυση των διατυπωθέντων προβληµάτων βελτίστου ελέγχου απαιτεί τη χρήση εννοιών πέρα της κλασσικής θεωρίας (στατικής) βελτιστοποίησης. Θα εισαχθούν έννοιες από τη περιοχή του Λογισµού των Μεταβολών (Calculus of Variations). Προφανώς, δεδοµένου ότι η εδώ παρουσίαση θα είναι εισαγωγική ( light ) θα την δούµε απλοποιηµένα θεωρώντας τα εξης: Όλες οι συναρτήσεις που ορίζονται εδώ έχουν συνεχείς µερικές παραγώγους, σε όλο το πεδίο ορισµού τους, ως πρός όλες τις µεταβλητές τους (εκτός αν ξεκάθαρα ορίζεται το αντίθετο), και Το πρόβληµα βελτιστοποίσης ορίζεται εδώ στην συνολική (global) µορφή του και δεν υπάρχουν ανισοτικοί περιορισµοί που το περιορίζουν. min u ( ) J u ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) st.. x! = f x, u, t x t = x D x t, u t, t = 0 C x t, u t, t Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 16
17 Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις d Θεωρούµε τη συνάρτηση f :!! την οποία θέλουµε να d ελαχιστοποιήσουµε σε όλο το πεδίο ορισµού της z!, δηλαδή ψάχνουµε : Την ελάχιστη τιµή της συνάρτησης : min d f ( z), και z! Το σηµείο του πεδίου ορισµού που επιτυγχάνεται η ελαχιστοποίηση: z = arg min d f ( z) z! Αναζητούµε τις αναγκαίες συνθήκες ώστε το z* να ελαχιστοπoιεί την f (z). Προφανώς: d υ!, υ 0 f z + υ > ( ) f ( z ) Δηλαδή η κατευθυνόµενη πάραγωγος (directional derivative) της f (z) στο z*, ώς προς την κατεύθυνση του υ, είναι µηδενική που σηµαίνει ότι... f(z * +υ) f(z * ) z * +υ f(z * ) f(z* +υ) z * +υ z Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ * 17 *
18 Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις ( + ε υ) ( ) f z f z f ( z ) υ = lim 0 + ε f ( z ± ε υ) > f ( z ) ε > 0 f ( z f ( z ε υ) f ( z ) f ( z ) ( υ) = f ( z ) υ = lim 0 + ε 0 ε Τ f ( z + ε υ) f ( z ) f ( z ) υ = lim 0 + ε 0 ε f ( z ) υ = 0 Τ Τ f ( z ε υ) f ( z ) f ( z ) ( υ) = f ( z ) υ = lim 0 + ε 0 ε ε 0 ) ( ) z + ε υ f z 0 ε f T ( z ) υ 0 Τ f ( z ) υ = 0 f ( z ε υ f ) T f( z( z) υ 0 ) = lim 0 + ε 0 ε f(z * +υ) f(z * ) z * +υ z * ( ) 0 Επειδή αυτό ισχύει για κάθε υ, τότε f z = Όλα τα σηµεία z* που ικανοποιούν αυτή τη σχέση λέγοντα «κρίσιµα σηµεία». Αν ένα σηµείο z* ελαχιστοπoιεί την f (z) τότε είναι και κρίσιµο σηµείο της. To «αντίστροφο»? Θέλει συζήτηση... Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 18
19 Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις Ένα κρίσιµο σηµείο µίας συνάρτησης ΔΕΝ την ελαχιστοποιεί όµως αναγκαστικά π.χ.: ( ) ( ) ( ) [ ] T [ ] 2 2 ü f. z = z1 + z2 2 f z = z1 z2 z = 0 0 το µοναδικό κρίσιµο σηµείο ΔΕΝ ελαχιστοποιεί τη συνάρτηση ΑΛΛΑ... την µεγιστοποιεί. T z * ( ) ( ) ( ) [ ] [ ] 2 2 ü f. z = z1 z2 2 f z = z1 z T 2 z = 0 0 το µοναδικό κρίσιµο σηµείο ΔΕΝ ελαχιστοποιεί τη συνάρτηση ΑΛΛΑ είναι «σηµείο σάγµατος». T Η εξαγωγή συµπερασµάτων για το είδος του κρίσιµου σηµείου απαιτεί την εξέταση της 2 ας παραγώγου (Hessian). z * Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 19
20 Μιά Ειδική Περίπτωση ( ) H Hessian είναι 2 f z. Άρα για τα κρίσιμα σημεία z * έχουμε: Αντιστοιχούν σε ελάχιστα αν: 2 f(z * ) > 0 (o πίνακας Hessian είναι θετικά ορισμένος (PosiŒve Definite - pd) Αντιστοιχούν σε μεγιστα άν: 2 f(z * ) < 0 (o πίνακας Hessian είναι αρνητικά ορισμένος (NegaŒve Definite - nd) Αντιστοιχούν σε σημεία σάγματος αν: 2 f(z * ) (δηλ. ο πίνακας Hessian είναι ακαθόριστος (Indefinite id). Αντιστοιχούν σε ιδιόμορφα σημεία αν: 2 f(z * ) =0 χρήζει περαιτέρω ανάλυσης για να καθορισθεί η «φύση» του κρίσιμου σημείου). Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 20
21 Παράδειγμα - 1 Να βρεθούν & χαρακτηριστούν τα ακρότατα της T με 10 ( )( 2x 1 2) x T = x 1 x 2 Προφανώς f ( x) = f ( x) x 1 f ( x) x 2 = {( x 1 1) 2 + ( x 2 2) 2 +10} 2 ( 10) ( 2x 2 4) ( x 1 1) 2 + x 2 2 { ( ) 2 +10} 2 και τα ακρότατα (κρίσιμα σημεία) είναι... 2 f ( x ) = f ( x) = f ( x ) = 0 x = Για να βρεθεί το είδος του ενός και μόναδικού ακροτάτου βρίσκουμε την Hessian 2 f ( x) 2 f ( x) 2 x 1 x 1 x 2 10 ( x 1 1) 2 + x 2 2 ( ) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 21 x 1 x 2 = f ( x) 2 f ( x) x 2 x 1 x 2 5 x=x Δεδομένου ότι η Hessian είναι αρνητικά ορισμένη (δηλ. 2 f ( x ) < 0 ) συνάγουμε ότι το ακρότατο x T = 1 2 είναι σημείο μεγίστου της f (x), δηλαδή f x. ( ) < f x ( ) = 1 x x * = 1 5 0
22 Μιά Ειδική Περίπτωση Έστω η συνάρτηση f ( z) = 1 όπου,, 2 zt Qz + S T z z R 2 Q = Q T = T q 12 q 22 και. S = s 1 s 2 Για τα κρίσιμα σημεία H Hessian είναι 2 f z ( ) = Q f z ( ) = 0 Q z + S = 0 z = Q 1 S q 11 q 12. Άρα για τα κρίσιμα σημεία z * έχουμε: Αντιστοιχούν σε ελάχιστα αν: 2 f(z * ) > 0 Q > 0 (o πίνακας Q είναι θετικά ορισμένος (PosiŒve Definite - pd) Περι Τετραγωνικών Μορφων Αντιστοιχούν σε μεγιστα άν: 2 f(z * ) < 0 Q < 0 (o πίνακας Q είναι αρνητικά ορισμένος (NegaŒve Definite - nd) Αντιστοιχούν σε σημεία σάγματος αν: 2 f(z * ) (δηλ. ο πίνακας Q) είναι ακαθόριστος (Indefinite id). Αντιστοιχούν σε ιδιόμορφα σημεία αν: 2 f(z * ) =0 (δηλ. Q = 0) χρήζει περαιτέρω ανάλυσης για να καθορισθεί η «φύση» του κρίσιμου σημείου). Αν δέν έχουμε περίπτωση ιδιομορφίας τότε μπορούμε να έχουμε ( ) = 1 2 zt Qz + S T z f z z = Q 1 S ( ) T Q( Q 1 S) + S T ( Q 1 S) = 1 2 ST Q 1 S = 1 2 Q 1 S Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 22 Γιατί?
23 Παράδειγμα - 2 Έστω η περίπτωση όπου Q = Q T = 1 2 Τότε επειδή Q > 0 (γιατί?) το ακρότατο z = Q 1 S = αντιστοιχεί σε ελάχιστο, ( ) = 1 2 και f z Οι ισοϋψείς της f (z) έχουν τη μορφή ελλείψεων. Κάθε «βέλος» δείχνει την κατεύθυνση της κλισης f z της f (z) σε κάθε σημείο z και είναι κάθετο στη από το z διερχόμενη ισοϋψή. 1 ( ) = Qz + S 0 1 = Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ S = 0 1 T f ( z) = 1 2 zt Qz + S T z 23
24 Άσκηση - Θέμα (9/2017) Έστω η συνάρτηση Q = f z S = 1 1 και. όπου ( ) = 1 2 zt Qz + S T z z R 2 Να ευρεθούν και χαρακτηρισθούν τα κρίσιμα σημεία της ( ) f z Επίλυση: Το Q δεν ειναι συμμετρικό επομένως λύνουμε το ίδιο πρόβλημα με τον συμμετρικό, ( ) Q s! ( Q + Q T ) 2 = δηλ. θεωρούμε το πρόβλημα εύρεσης ακροτάτων... T = Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 24
25 Άσκηση - Θέμα (9/2017)... ( ) = 1 2 zt Q s z + S T z f z Για τα κρίσιμα σημεία αυτής της συνάρτησης ισχύει f ( z ) = 0 Q s z + S = 0 z = Q 1 s S = Παρατηρούμε ότι 2 f(z * ) = Q s = O πίνακας Q s είναι θετικά ορισμένος (Q s >0) γιατι για τις κυριαρχούσες ορίζουσες (leading minors): m 1 =1>0 m 2 =1>0. Επομένως το z* αντιστοιχεί σε ελάχιστο = Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ
26 Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις Όπως είδαµε στα προηγούµενα παραδείγµατα, η εξαγωγή συµπεράσµατος για το είδος του κρίσιµου σηµείου έγινε µέσω της 2 ης παραγώγου (Hessian). d Εναλλακτικά: Μιά συνάρτηση f :!! λέµε ότι είναι : d κυρτή (convex) άν f z+ υ f z f z υ z υ! ( ) ( ) ( ), αυστηρά κυρτή (strictly convex) άν είναι κυρτή και ισχύει f z+ υ f z = f z υ υ =! ( ) ( ) ( ) 0 d f(z)+ f(z) υ f(z+υ) f(z) z+υ υ z f(z ) υ z z +υ f(z +υ )=f(z )+ f(z ) υ f(z ) ( ) 0 Έστω z* κρίσιµο σηµείο της αυστηρά κυρτής f (z) δηλαδή f z =. d Εποµένως f z υ f z f z υ υ f z υ f z υ ( ) ( ) ( ) ( ) ( ) + > = 0 0! + > 0! Συµπέρασµα: Ένα κρίσιµο σηµείο z* µιάς αυστηρά κυρτής συνάρτησης f (z) την ελαχιστοποιεί, δηλαδή z = arg min d f ( z) z! d 26
27 APPENDIX: Τετραγωνικές Μορφές Για το διάνυσµα x R n η ευκλίδεια νόρµα είναι x 2 = x T x Αν S µη ιδιόµορφος πίνακας τότε η ευκλείδια νόρµα του διανύσµατος Sx (µετασχηµατισµός του x) ορίζεται ώς η P-νόρµα του διανύσµατος x. P! Sx 2 = Sx x = x T 2 Px " x P Γενικά, η (µονόµετρη) µορφή x T Qx, Q R n n λέγεται τετραγωνική και ενδιαφερόµαστε να αναλύσουµε τη συµπεριφορά της ώς προς το πρόσηµό της. Ορίζουµε τους πίνακες Q s! Q + Q T T ( ) 2 =Q s :συµµετρικος Q = Q Q a! ( Q Q T T s + Q a ) 2 = Q a :αντι συµµετρικος Παρατηρείστε ότι: µονοµετρο! x T Q a x = x T Q a x Οπότε ( ) ( ) T Sx = x T S T S ( ) T = x T Q a T x = x T Q a x x T Q a x = 0 x x T Qx = x T ( Q s + Q a )x = x T Q s x Κατά συνέπεια: όταν θεωρούµε το πρόσηµο της τετραγωνικής µορφής x T Qx αν ο Q δεν είναι συµµετρικός θεωρούµε τον συµµετρικό παράγοντά του Q s. Εποµένως στην ανάλυση της τετραγωνικής µορφής ο Q θεωρείται πάντα ως συµµετρικός. Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 115
28 APPENDIX: Τετραγωνικές Μορφές Λέµε ότι ο συµµετρικός πίνακας Q είναι: Θετικά ορισµένος (Q > 0) αν x T Qx > 0, x 0. Θετικά ηµι-ορισµένος (Q 0) αν x T Qx 0, x 0. Αρνητικά ηµι-ορισµένος (Q 0) αν x T Qx 0, x 0. Αρνητικά ορισµένος (Q < 0) αν x T Qx < 0, x 0. Αόριστος αν x T Qx > 0 για κάποια x και x T Qx < 0 για άλλα x. Μπορούµε να ελέγξουµε τα παραπάνω ανεξάρτητα από τα x, µέσω των εξής τρόπων: TEST-1: ορίζουµε τις ιδιοτιµές λ i i=1 n του πίνακα Q. Αν λ i > 0 γιά όλες τι ιδιοτιµές τότε Q > 0. Αν λ i 0 γιά όλες τι ιδιοτιµές τότε Q 0. Αν λ i 0 γιά όλες τι ιδιοτιµές τότε Q 0. Αν λ i < 0 γιά όλες τι ιδιοτιµές τότε Q < 0. TEST-2: Ορίζουµε τις leading minors m i, i = 1 n και principal minors M ij, i,j=1 n Πίσω... Q > 0 αν m i > 0 i=1 n Q 0 αν m i 0 i=1 n και M ij 0 i,j=1 n Q 0 αν - Q 0 Q < 0 αν m i < 0 m i > 0 i :περιττο i :αρτιο m i = q 11! q 1i " # " q i1! q ii M ij = j-στήλη q 11! q 1n " # " i-γραµµή q n1! q nn Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 116
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/)
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h9p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/)
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h9p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή
Βέλτιστος Έλεγχος μέσω Λογισμού των. Μεταβολών ( )
Βέλτιστος Έλεγχος μέσω Λογισμού των ( ) Μεταβολών Εστω σύστημα!x ( t) = a x( t),u( t),t με t 0, x(t 0 ) καθορισμένα. Ζητείται η εύρεση κατάλληλης συνάρτησης ελέγχου u*(t) που, παράγοντας τη τροχιά x*(t)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (http://)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (http://) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (http://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του Μαθήματος Εισαγωγη
Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις
Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις Όπως είδαµε στα προηγούµενα παραδείγµατα, η εξαγωγή συµπεράσµατος για το είδος του κρίσιµου σηµείου έγινε µέσω της 2 ης παραγώγου
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml2347/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ Δομή της
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://courseware.mech.ntua.gr/ml23147/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή
Εισαγωγή στο Λογισμό των Μεταβολών : Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις & Ισοτικοί Περιορισμοί
Βελτιστοποίηση σε Πεπερασμένες Διαστάσεις & Ισοτικοί Περιορισμοί Τι θα γίνει όμως αν μας ζητηθεί να ελαχιστοποιήσουμε ως προς το R την f ( ) = Q + S Q = Q = S = με ταυτόχρονη ικανοποίηση της g( ) = c b
Έλεγχος «Ελάχιστης Ενέργειας»
Έλεγχος «Ελάχιστης Ενέργειας» Σε πολλές εφαρµογές, τόσο της αεροδιαστηµικής όσο και άλλων µορφών της τεχνολογίας µεταφορών κλπ, η βελτιστοποίηση επικεντρώνεται στο ζήτηµα της ενέργειας κατά την επίτευξη
Το Πρόβλημα Ελευθέρων Αρχικών & Τελικών: Χρόνου & Οριακών Συνθηκών
ο Πρόβλημα Ελευθέρων Αρχικών & ελικών: Χρόνου & Οριακών Συνθηκών Θεωρούμε το πρόβλημα της εύρεσης ακροτάτων του t συναρτησιακού f F = F(z) = f ( z( t), z ( t),t) dt Θεωρούμε την «γενική» περίπτωση όπου
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του Μαθήματος Εισαγωγη
Ενότητα 2: Εισαγωγή στη Θεωρία Βέλτιστου Ελέγχου. Νίκος Καραμπετάκης Τμήμα Μαθηματικών
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2: Εισαγωγή στη Θεωρία Βέλτιστου Ελέγχου Νίκος Καραμπετάκης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (h>p://) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h>p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του Μαθήματος Εισαγωγη
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (hhp://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του Μαθήματος Εισαγωγή στο Χώρο
Έλεγχος «Ελάχιστης Ενέργειας»
Έλεγχος «Ελάχιστης Ενέργειας» Σε πολλές εφαρµογές, τόσο της αεροδιαστηµικής όσο και άλλων µορφών της τεχνολογίας µεταφορών κλπ, η βελτιστοποίηση επικεντρώνεται στο ζήτηµα της ενέργειας κατά την επίτευξη
2. Ανάλυση Γραμμικών Χρονικά Αμετάβλητων Συστημάτων (ΓΧΑΣ) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1
2. Ανάλυση Γραμμικών Χρονικά Αμετάβλητων Συστημάτων (ΓΧΑΣ) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Επίλυση Εξισώσεων Κατάστασης Δεδοµένου του ΓΧΑΣ nn nm pn pm όπου A R B R C R D R Τίθεται το ζήτηµα της επίλυσης
Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange
64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από
Σημειώσεις διαλέξεων: Βελτιστοποίηση πολυδιάστατων συνεχών συναρτήσεων 1 / 20
Σημειώσεις διαλέξεων: Βελτιστοποίηση πολυδιάστατων συνεχών συναρτήσεων Ισαάκ Η Λαγαρής 1 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιον Ιωαννίνων 1 Με υλικό από το υπό προετοιμασία βιβλίο των: Βόγκλη,
Εισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί
Κατηγορίες προβλημάτων (σε μια διάσταση) Εισαγωγικές έννοιες Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc164.materials.uoi.gr/dpapageo Το πρόβλημα
Μηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν
Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 7/5/2000 Μηχανική ΙI Μετασχηµατισµοί Legendre Έστω µια πραγµατική συνάρτηση. Ορίζουµε την παράγωγο συνάρτηση της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα).
Δυναµική των Ροµποτικών Βραχιόνων. Κ. Κυριακόπουλος
Δυναµική των Ροµποτικών Βραχιόνων Κ. Κυριακόπουλος Ροµποτική Αρχιτεκτονική: η Δυναµική Περιβάλλον u Ροµποτική Δυναµική q,!q Ροµποτική Κινηµατική Θέση, Προσανατολισµός και αλληλεπίδραση Η δυναµική ασχολείται
Ο Γραμμικός Τετραγωνικός Ρυθμιστής: Ευρεση Νόμου Ελέγχου
Ο Γραμμικός Τετραγωνικός Ρυθμιστής: Ευρεση Νόμου Ελέγχου Για την ανεύρεση της µορφής των λύσεων στρεφόµαστε προς τις αναγκαίες συνθήκες, αρχικά στις Εξισώσεις Euler-Lagrange: Τ Τ Τ! f d! f = 0 t t0, t
Γεωµετρικη Θεωρια Ελεγχου
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων Τµηµα Μαθηµατικων Χειµερινό Εξάµηνο 2016-2017 Γεωµετρικη Θεωρια Ελεγχου εύτερη Εργασία 1. Βρείτε δύο διαφορετικά παραδείγµατα συστηµάτων στο
ή J (u * ) = 0 (2) J(u) = u 3 στο σηµείο u * = 0 J (1) = 3 u 2 = 0 J (2) = 6 u = 0 J (3) = 6 > 0
KΕΦΑΛΑΙΟ Κλασσικές Μέθοδοι Βελτιστοποίησης Χωρίς Περιορισµούς. ΕΙΣΑΓΩΓΗ Το γενικό πρόβληµα βελτιστοποίησης διατυπώνεται ως εξής: Ζητούνται οι τιµές των µεταβλητών απόφασης u που ελαχιστοποιούν την αντικειµενική
Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:
Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Φάμπιο Αντωνίου Στοιχεία Επικοινωνίας: email: fantoniou@cc.uoi.gr Τηλ:651005954 Προσωπική Ιστοσελίδα: fantoniou.wordpress.com Γραφείο: Κτίριο
Θεωρία Βέλτιστου Ελέγχου Ασκήσεις
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Θεωρία Βέλτιστου Ελέγχου Νικόλαος Καραμπετάκης Τμήμα Α.Π.Θ. Θεσσαλονίκη, Οκτώβριος 3 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Cretive
min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +
KΕΦΑΛΑΙΟ 4 Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ανισότητες 4. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΑΝΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση
Εφαρμοσμένη Βελτιστοποίηση
Εφαρμοσμένη Βελτιστοποίηση Ενότητα 4: Αναλυτικές μέθοδοι βελτιστοποίησης για συναρτήσεις πολλών μεταβλητών Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας
1. Τετραγωνικές μορφές. x y 0. 0x y 0 1α 1β 2α 2β 3. 0x + y 0
Β4. ΕΣΣΙΑΝΟΣ ΠΙΝΑΚΑΣ-ΚΥΡΤΟΤΗΤΑ 1.Τετραγωνικές μορφές.χαρακτηρισμός συμμετρικών πινάκων 3.Δεύτερες μερικές παράγωγοι-εσσιανός πίνακας 4.Συνθήκες για ακρότατα 5.Κυρτές/κοίλες συναρτήσεις 6.Ολικά ακρότατα
Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων.
4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές
Ευστάθεια Συστηµάτων Αυτοµάτου Ελέγχου: Αλγεβρικά κριτήρια
ΚΕΣ : Αυτόµατος Έλεγχος ΚΕΣ Αυτόµατος Έλεγχος Ευστάθεια Συστηµάτων Αυτοµάτου Ελέγχου: Αλγεβρικά κριτήρια 6 Nicol Tptouli Ευστάθεια και θέση πόλων Σ.Α.Ε ΚΕΣ : Αυτόµατος Έλεγχος Βιβλιογραφία Ενότητας Παρασκευόπουλος
ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ
ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ Ακρότατα Δρ. Ιωάννης Ε. Λιβιέρης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. TEI Δυτικής Ελλάδας 2 Ακρότατα συνάρτησης Έστω συνάρτηση f A R 2 R και ένα σημείο P(x, y ) A. Η τιμή f(x, y )
ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2013 ÁÍÅËÉÎÇ
ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 3 ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Ηµεροµηνία: Μ. Τρίτη 3 Απριλίου 3 ιάρκεια Εξέτασης: 3 ώρες ΑΠΑΝΤΗΣΕΙΣ Α. Σχολικό βιβλίο,
KΕΦΑΛΑΙΟ 3. Πλεγµένες συναρτήσεις- Ανάπτυγµα Taylor-Aκρότατα
KΕΦΑΛΑΙΟ 3 Πλεγµένες συναρτήσεις- Ανάπτυγµα Talor-Aκρότατα 3 Πλεγµένες συναρτήσεις Σε πολλές περιπτώσεις συναντούµε µία (ή και περισσότερες) εξισώσεις µεταξύ διαφόρων µεταβλητών πχ της µορφής e + συν (
1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ
. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ. Μέγιστα και Ελάχιστα Συναρτήσεων Χωρίς Περιορισμούς Συναρτήσεις μιας Μεταβλητής Εστω f ( x) είναι συνάρτηση μιας μόνο μεταβλητής. Εστω επίσης ότι x είναι ένα σημείο στο πεδίο ορισμού
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑΤΙΚΑ Ι ΕΡΓΑΣΙΑ 6 ΛΥΣΕΙΣ
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ 00- ΜΑΘΗΜΑΤΙΚΑ Ι ΕΡΓΑΣΙΑ 6 ΛΥΣΕΙΣ. (5 µον.) ίνεται ο πίνακας 0 0 A. 0 (α) (α) Να βρεθούν όλες οι ιδιοτιµές και τα ιδιοδιανύσµατα του πίνακα Α. (β) Είναι δυνατή η διαγωνιοποίηση
III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE
III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE 1.Ισοτικός περιορισμός.περιορισμένη στασιμότητα 3.Πολλαπλασιαστής Lagrange 4.Συνάρτηση Lagrange 5.Ερμηνεία του πολλαπλασιαστή Lagrange 6.Περιορισμένη τετραγωνική μορφή 7.
Η έννοια του συναρτησιακού (functional).
ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΛΟΓΙΣΜΟΥ ΤΩΝ ΜΕΤΑΒΟΛΩΝ (CALCULUS OF VARIATIONS) Η έννοια του συναρτησιακού (fnctionl). Ορισµός : Εάν σε κάθε συνάρτηση που ανήκει σε κάποιο χώρο συναρτήσεων A, αντιστοιχεί µέσω κάποιου
ΑΡΙΣΤΕΣ ΤΙΜΕΣ ΚΑΙ ΑΚΡΟΤΑΤΕΣ ΤΙΜΕΣ
ΑΡΙΣΤΕΣ ΤΙΜΕΣ ΚΑΙ ΑΚΡΟΤΑΤΕΣ ΤΙΜΕΣ Κοινό κριτήριο επιλογής µεταξύ εναλλακτικών τρόπων παραγωγής είναι η µεγιστοποίηση (κέρδος ήηελαχιστοποίηση (κόστος κάποιου µεγέθους. Αυτά τα προβλήµατα µεγιστοποίησης
ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ ΠΡΩΤΟ - Διατύπωση προβλημάτων - Κατηγορίες εφαρμογών - Πράξεις με πίνακες ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ (in short) Που
για κάθε x 0. , τότε f x στο Απάντηση είναι εσωτερικό σημείο του Δ και η f παρουσιάζει σ αυτό τοπικό μέγιστο, υπάρχει 0 τέτοιο, ώστε (x , ισχύει
ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΠΕΜΠΤΗ 9 ΙΟΥΝΙΟΥ 6 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ (ΝΕΟ ΣΥΣΤΗΜΑ) & ΚΑΤΕΥΘΥΝΣΗΣ (ΠΑΛΑΙΟ ΣΥΣΤΗΜΑ) ΘΕΜΑ Α Α Έστω
min f(x) x R n (1) x g (2)
KΕΦΑΛΑΙΟ Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ισότητες. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση κάτω από
Ανάλυση Σ.Α.Ε στο χώρο κατάστασης
ΚΕΣ : Αυτόµατος Έλεγχος ΚΕΣ Αυτόµατος Έλεγχος Ανάλυση Σ.Α.Ε στο χώρο 6 Nicola Tapaouli Λύση εξισώσεων ΚΕΣ : Αυτόµατος Έλεγχος Βιβλιογραφία Ενότητας Παρασκευόπουλος [4]: Κεφάλαιο 5: Ενότητες 5.-5. Παρασκευόπουλος
Βασικές έννοιες και ορισµοί. Ευθεία
Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Βασικές έννοιες και ορισµοί Ευθεία
III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE
III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE 1.Ισοτικός περιορισμός.περιορισμένη στασιμότητα 3.Πολλαπλασιαστής Lagrange 4.Συνάρτηση Lagrange 5.Ερμηνεία του πολλαπλασιαστή Lagrange 6.Περιορισμένη τετραγωνική μορφή 7.
Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης
Τίτλος Μαθήματος: Γραμμική Άλγεβρα ΙΙ Ενότητα: Παραγοντοποιήσεις Πινάκων και Γραµµικών Απεικονίσεων Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης Τμήμα: Μαθηματικών 82 13 Παραγοντοποιήσεις
6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ
6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. Διανυσματικοί χώροι παραμέτρων και μετρήσεων. Θα δανειστούµε για µία ακόµη φορά έννοιες της Γραµµικής Άλγεβρας προκειµένου να δούµε πως µπορούµε να χειριστούµε
Βασικές έννοιες και ορισµοί. Ευθεία
Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Βασικές έννοιες και ορισµοί Ευθεία
ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX
ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX Θεμελιώδης αλγόριθμος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού που κάνει χρήση της θεωρίας της Γραμμικής Άλγεβρας Προτάθηκε από το Dantzig (1947) και πλέον
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Bέλτιστος σχεδιασμός με αντικειμενική συνάρτηση και περιορισμούς
Βασική Εφικτή Λύση. Βασική Εφικτή Λύση
Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n
Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα
Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Ενότητα: Πραγματικές Συναρτήσεις Πολλών Μεταβλητών (μέρος 1) Ανδριανός Ε Τσεκρέκος Τμήμα Λογιστικής & Χρηματοοικονομικής
Ευκλείδειοι Χώροι. Ορίζουµε ως R n, όπου n N, το σύνολο όλων διατεταµένων n -άδων πραγµατικών αριθµών ( x
Ευκλείδειοι Χώροι Ορίζουµε ως R, όπου N, το σύνολο όλων διατεταµένων -άδων πραγµατικών αριθµών x, x,, x ) Tο R λέγεται ευκλείδειος -χώρος και τα στοιχεία του λέγονται διανύσµατα ή σηµεία Το x i λέγεται
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 13 ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15 ΚΕΦΑΛΑΙΟ 1: ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 17 1. Εισαγωγή 17 2. Πραγματικές συναρτήσεις διανυσματικής μεταβλητής
Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου
Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου wwwaskisopolisgr έκδοση 5-6 wwwaskisopolisgr ΣΥΝΑΡΤΗΣΕΙΣ 5 Τι ονομάζουμε πραγματική συνάρτηση; Έστω Α ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση
Καµπύλες στον R. σ τελικό σηµείο της σ. Το σ. σ =. Η σ λέγεται διαφορίσιµη ( αντιστοίχως
Καµπύλες στον R 9. Ορισµός Μια καµπύλη στον R είναι µια συνεχής συνάρτηση σ : Ι R R όπου Ι διάστηµα ( συνήθως κλειστό και φραγµένο ) στον R. Συνήθως φανταζόµαστε την µεταβλητή t Ι ως τον χρόνο και την
ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ ΙΙ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΤΟΜΕΑΣ ΑΣΤΡΟΝΟΜΙΑΣ ΑΣΤΡΟΦΥΣΙΚΗΣ ΚΑΙ ΜΗΧΑΝΙΚΗΣ ΣΠΟΥΔ ΑΣΤΗΡΙΟ ΜΗΧΑΝΙΚΗΣ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΤΙΚΗΣ ΔΥΝΑΜΙΚΗΣ Μεθοδολογία Κλεομένης Γ. Τσιγάνης Λέκτορας ΑΠΘ Πρόχειρες
Θέμα 1. με επαυξημένο 0 1 1/ 2. πίνακα. και κλιμακωτή μορφή αυτού
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (ΘΕ ΠΛΗ ) ΕΝΔΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ΕΠΑΝΑΛΗΠΤΙΚΗΣ ΕΞΕΤΑΣΗΣ Ιουλίου 0 Θέμα α) (Μον.6) Να βρεθεί η τιμή του πραγματικού
ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ ΑΚΑΔ. ΥΠΟΤΡΟΦΟΣ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ ΔΕΥΤΕΡΟ - Διανύσματα - Πράξεις με πίνακες - Διαφορικός λογισμός (1D) ΜΑΘΗΜΑΤΙΚΟ ΥΠΟΒΑΘΡΟ
Κεφάλαιο 5 Ευστάθεια Ελεγξιµότητα - Παρατηρησιµότητα
Κεφάλαιο 5 Ευστάθεια Ελεγξιµότητα - Παρατηρησιµότητα u Συστήµατα από Δειγµατοληπτικά Δεδοµένα (Επανάληψη Ασκήσεις) u Στο πεδίο Συχνότητας (Συναρτήσεις Μεταφορά) u Στο πεδίο Χρόνου (Εξισώσεις Κατάστασης)
Μαθηματική Ανάλυση ΙI
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Μαθηματική Ανάλυση ΙI Ενότητα 6: Παράγωγος κατά κατεύθυνση, κλίση, εφαπτόμενα επίπεδα Επίκουρος Καθηγητής Θ. Ζυγκιρίδης e-mail: tzygiridis@uowm.gr Τμήμα Μηχανικών
III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ
III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ.Ολικά και τοπικά ακρότατα..εσωτερικά και συνοριακά ακρότατα 3.Χωριζόμενες μεταβλητές 4.Συνθήκες για ακρότατα 5.Ολικά ακρότατα κυρτών/κοίλων συναρτήσεων 6.Περισσότερες μεταβλητές.
Κλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Πρώτη Εργασία, 2018-19 1 Προαπαιτούµενες γνώσεις και ϐασική προετοιµασία
Για να εκφράσουμε τη διαδικασία αυτή, γράφουμε: :
Η θεωρία στα μαθηματικά προσανατολισμού Γ υκείου Τι λέμε συνάρτηση με πεδίο ορισμού το σύνολο ; Έστω ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το μία διαδικασία (κανόνα), με την
Έλεγχος Κίνησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα 1501 - Έλεγχος Κίνησης Ενότητα: Συστήματα Ελέγχου Κίνησης Μιχαήλ Παπουτσιδάκης Τμήμα Αυτοματισμού Άδειες Χρήσης Το παρόν εκπαιδευτικό
Γραµµική Αλγεβρα. Ενότητα 3 : ιανυσµατικοί Χώροι και Υπόχωροι. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Γραµµική Αλγεβρα Ενότητα 3 : ιανυσµατικοί Χώροι και Υπόχωροι Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 4 Ιουνίου 7 Από τα κάτωθι Θέµατα καλείστε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη
Μοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ
3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. Διαφορά μετρήσεων από εκτιμήσεις μετρήσεων. Όταν επιλύοµε ένα αντίστροφο πρόβληµα υπολογίζοµε ένα διάνυσµα παραµέτρων est m το οποίο αντιπροσωπεύει
ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση
44 ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση F : U R R. Για εµάς φυσικά µια τέτοια συνάρτηση θα θεωρείται ότι είναι τουλάχιστον συνεχής και συνήθως C και βέβαια
Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων
4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές
(S k R n ) (C k R m )
KΕΦΑΛΑΙΟ 7 υναµικός Προγραµµατισµός 7.1 ΕΙΣΑΓΩΓΗ Η θεωρία αποφάσεων διακρίνεται σε δύο µεγάλες κατηγορίες, µε βάση το αν ο υπεύθυνος απόφασης είναι µοναδικός φορέας ή πολλοί φορείς. Μέχρι τώρα αναπτύχθηκαν
Γεωµετρικη Θεωρια Ελεγχου
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων Τµηµα Μαθηµατικων Χειµερινό Εξάµηνο 2018-2019 Γεωµετρικη Θεωρια Ελεγχου εύτερη Εργασία, 2018-2019 1. ώστε δύο διαφορετικά παραδείγµατα συστηµάτων
Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα
Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία
ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ. Το 1ο Θέμα στις πανελλαδικές εξετάσεις
Επιμέλεια Καραγιάννης Β. Ιωάννης Σχολικός Σύμβουλος Μαθηματικών ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Το ο Θέμα στις πανελλαδικές εξετάσεις Ερωτήσεις+Απαντήσεις
HMY 220: Σήματα και Συστήματα Ι
Σύγκλιση Σειρών Fourier Ιδιότητες Σειρών Fourier Παραδείγματα HMY 0: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #10 Σειρές Fourier: Προσέγγιση Οι Σειρές Fourier μπορούν να αναπαραστήσουν μια πολύ μεγάλη κλάση περιοδικών
Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής
Θεωρία Παιγνίων και Αποφάσεων Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Παίγνια μηδενικού αθροίσματος PessimisIc play Αμιγείς max-min και
3.7 Παραδείγματα Μεθόδου Simplex
3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x
Μαθηµατικά Θετικής και Τεχνολογικής Κατεύθυνσης ΚΕΦΑΛΑΙΟ. 1 ο :Μιγαδικοί Αριθµοί
ΚΕΦΑΛΑΙΟ ο :Μιγαδικοί Αριθµοί. Ποιο σύνολο ονοµάζεται σύνολο των µιγαδικών αριθµών ;. Tι ονοµάζεται µιγαδικός αριθµός; Ποιο είναι το πραγµατικό και ποιο το φανταστικό του µέρος ; 3. Tι ονοµάζεται εικόνα
Εισαγωγή. Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση. υϊσµός
Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Σε περιπτώσεις
Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α
ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΘΕΜΑ Α ΕΚΦΩΝΗΣΕΙΣ Α. Έστω µια συνάρτηση f παραγωγίσιµη σ ένα διάστηµα (α, β), µε εξαίρεση ίσως ένα σηµείο του, στο
Συστήματα Αυτομάτου Ελέγχου ΙΙ Ασκήσεις Πράξης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΑΤΤΙΚΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΗΣ ΣΧΕΔΙΑΣΗΣ & ΠΑΡΑΓΩΓΗΣ ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ ΙΙ ΑΣΚΗΣΕΙΣ ΠΡΑΞΗΣ Αν Καθ: Δ ΔΗΜΟΓΙΑΝΝΟΠΟΥΛΟΣ Επικ Καθ: Σ ΒΑΣΙΛΕΙΑΔΟΥ Συστήματα
Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Γραµµική Αλγεβρα Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΝΕΟ & ΠΑΛΑΙΟ ΣΥΣΤΗΜΑ Γ ΗΜΕΡΗΣΙΩΝ
ΑΡΧΗ ΗΣ ΣΕΛΙΔΑΣ ΝΕΟ & ΠΑΛΑΙΟ ΣΥΣΤΗΜΑ Γ ΗΜΕΡΗΣΙΩΝ ΘΕΜΑ Α ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 8 ΜΑΪΟΥ 06 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ (ΝΕΟ
ΕΝΔΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ 2017
ΕΝΔΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ 7 ΘΕΜΑ Α A Έστω συνάρτηση f, η οποία είναι συνεχής σε ένα διάστημα Δ Αν f σε κάθε εσωτερικό σημείο του Δ, τότε να αποδείξετε ότι η f είναι γνησίως αύξουσα
Ενότητα 8: Συναρτησιακά καμπύλων οι οποίες υπόκεινται σε δεσμούς. Νίκος Καραμπετάκης Τμήμα Μαθηματικών
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 8: Συναρτησιακά καμπύλων οι οποίες υπόκεινται σε δεσμούς Νίκος Καραμπετάκης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ
48 49 5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ 5 ΕΙΣΑΓΩΓΗ ΟΡΙΣΜΟΣ: Κάθε συνάρτηση : A B με Α R n και Β R ονομάζεται πραγματική συνάρτηση n μεταβλητών ΠΑΡΑΤΗΡΗΣΕΙΣ: Ι Αν Α R n και Β R n τότε έχουμε διανυσματική συνάρτηση
( 1)( 3) ( ) det( ) (1 )( 1 ) ( 2)( 2) pl( ) det( L ) (5 )( 7 ) ( 1) ( ) det( M ) (1 )(1 )
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (ΘΕ ΠΛΗ ) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 9 Ιουνίου 0 Θέμα Δίδονται οι πίνακες K= 5 4, L=, M=. 9 7 A) (8 μονάδες) Για κάθε
Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι
Μέγιστα & Ελάχιστα. ΗΥ111 Απειροστικός Λογισμός ΙΙ
ΗΥ-111 Απειροστικός Λογισμός ΙΙ Μέγιστα & Ελάχιστα 1 μεταβλητή: Τύπος Taylor Aν y=f(x) είναι καλή συνάρτηση f '( a) f ''( a) f ( a) f x f a x a x a x a R x 1!! n! n + 1 f ( c) n + 1 Rn ( x) = ( x a), a
Λύσεις στο Επαναληπτικό Διαγώνισμα 2
Τμήμα Μηχανικών Οικονομίας και Διοίκησης Απειροστικός Λογισμός ΙΙ Γ. Καραγιώργος ykarag@aegean.gr Λύσεις στο Επαναληπτικό Διαγώνισμα 2 Για τυχόν παρατηρήσεις, απορίες ή λάθη που θα βρείτε, στείλτε μου
HMY 220: Σήματα και Συστήματα Ι
Σύγκλιση Σειρών Fourier Ιδιότητες Σειρών Fourier Παραδείγματα HMY 220: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #10 Τρεις ισοδύναμες μορφές: () = = = = Σειρές Fourier j( 2π ) t Τ.. x () t FS a jω0t xt () = ae =
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (http://)
Συστήματα Αυτομάτου Ελέγχου & Ρυθμίσεως Μηχανών (http://) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (http://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του Μαθήματος Εισαγωγη
Τετραγωνικά μοντέλα. Τετραγωνικό μοντέλο συνάρτησης. Παράδειγμα τετραγωνικού μοντέλου #1. Παράδειγμα τετραγωνικού μοντέλου #1
Τετραγωνικό μοντέλο συνάρτησης Τετραγωνικά μοντέλα Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo Για συνάρτηση μιας
Επιστηµονικός Υπολογισµός Ι
Επιστηµονικός Υπολογισµός Ι Ενότητα 5 : Επίλυση Γραµµικών Συστηµάτων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Ενότητα 11: Βέλτιστος Έλεγχος με φραγμένη είσοδο - Αρχή ελαχίστου του Pontryagin. Νίκος Καραμπετάκης Τμήμα Μαθηματικών
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 11: Βέλτιστος Έλεγχος με φραγμένη είσοδο - Αρχή ελαχίστου του Pontryagin Νίκος Καραμπετάκης Το παρόν εκπαιδευτικό υλικό υπόκειται