Uppgifter till kurs: Geometriska analys och designmetoder för olinjära system

Relevanta dokument
Vektorgeometri för gymnasister

Konvergens för iterativa metoder

LYCKA TILL! kl 8 13

Övningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad:

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna

LINJÄR ALGEBRA II LEKTION 6

TMV166 Linjär Algebra för M. Tentamen

SKRIVNING I VEKTORGEOMETRI

TMV142/186 Linjär algebra Z/TD

Linjär Algebra, Föreläsning 8

TMV166 Linjär algebra för M, vt 2016

x 1 x 2 T (X) = T ( x 3 x 4 x 5

Hemuppgift 1, SF1861 Optimeringslära för T

1 Linjära ekvationssystem. 2 Vektorer

10.4. Linjära höljet LINJÄRA RUM

16.7. Nollrum, värderum och dimensionssatsen

Basbyten och linjära avbildningar

Algebraiska egenskaper hos R n i)u + v = v + U

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Minsta kvadratmetoden

Övningar. c) Om någon vektor i R n kan skrivas som linjär kombination av v 1,..., v m på precis ett sätt så. m = n.

Vektorgeometri för gymnasister

Feldetektering för diagnos med differentialgeometriska metoder

TSRT09 Reglerteori. Sammanfattning av Föreläsning 1. Sammanfattning av Föreläsning 1, forts. Sammanfattning av Föreläsning 1, forts.

SKRIVNING I VEKTORGEOMETRI

Olinjära system (11, 12.1)

Optimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Vektorgeometri för gymnasister

Andragradspolynom Några vektorrum P 2

Reglerteori. Föreläsning 11. Torkel Glad

16.7. Nollrum, värderum och dimensionssatsen

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28

Definition 1 Ett vektorrum M (över R) är en mängd element, vektorer, sådan att det finns en kommutativ operation + på mängden M som uppfyller

5B1817 Tillämpad ickelinjär optimering. Optimalitetsvillkor för problem med linjära bivillkor.

Vektorgeometri för gymnasister

Föreläsningsanteckningar Linjär Algebra II Lärarlyftet

Robust flervariabel reglering

Vektorgeometri för gymnasister

Linjära ekvationssystem

Vektorrum. EX. Plan och linjer i rummet genom origo. Allmänt; mängden av lösningar till AX = 0.

Chalmers tekniska högskola Datum: kl Telefonvakt: Linnea Hietala MVE480 Linjär algebra S

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

November 17, 2015 (1) en enda lsg. Obs det A = 1 0. (2) k-parameter lsg. Obs det A = 0. k-kolonner efter sista ledande ettan

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl

FFM234, Klassisk fysik och vektorfält - Föreläsningsanteckningar

Crash Course Algebra och geometri. Ambjörn Karlsson c januari 2016

Sammanfattning av föreläsning 11. Modellbygge & Simulering, TSRT62. Föreläsning 12. Simulering. Föreläsning 12. Numeriska metoder och Simulering

LINJÄRA AVBILDNINGAR

Optimeringslära för T (SF1861)

TANA09 Föreläsning 5. Matrisnormer. Störningsteori för Linjära ekvationssystem. Linjära ekvationssystem

e = (e 1, e 2, e 3 ), kan en godtycklig linjär

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005

Linjära avbildningar. Definition 1 En avbildning mellan två vektorrum, F : V U, kallas linjär om. EX. Speglingar, rotationer, projektioner i R 3.

Hemuppgift 1, SF1861 Optimeringslära, VT 2016

SKRIVNING I VEKTORGEOMETRI

Linjär Algebra, Föreläsning 9

GRAM-SCHMIDTS METOD ... Med hjälp av Gram-Schmidts metod kan vi omvandla n st. linjäroberoende vektorer. samma rum dvs som satisfierar

Reglerteori, TSRT09. Föreläsning 8: Olinjäriteter och stabilitet. Torkel Glad. Reglerteknik, ISY, Linköpings Universitet

Ht Läsanvisningar till Hilbertrum och partiella differentialekvationer. Del 1. Ur Anton, Rorres; Elementary Linear Algebra

Veckoblad 4, Linjär algebra IT, VT2010

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A. (1 p) (c) Bestäm avståndet mellan A och linjen l.

Vectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem.

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Lördag 26 maj 2001 TID:

Lösningar av uppgifter hörande till övning nr 5.

Linjära ekvationssystem

Stora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp)

TMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.

MMA132: Laboration 2 Matriser i MATLAB

Lösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 12 mars 2013 kl

1 x. SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

Föreläsning 8. Reglerteknik AK. c Bo Wahlberg. 27 september Avdelningen för reglerteknik Skolan för elektro- och systemteknik

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Måndag 14 januari 2002 TID:

SKRIVNING I VEKTORGEOMETRI

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) Måndagen den 13 juni 2005

Matriser. En m n-matris A har följande form. Vi skriver också A = (a ij ) m n. m n kallas för A:s storlek. 0 1, 0 0. Exempel 1

Preliminärt lösningsförslag

17. Övningar ÖVNINGAR Låt F och G vara avbildningar på rummet, som i basen e = {e 1,e 2,e 3 } ges av. x 1 x 2 2x 2 + 3x 3 2x 1 x 3

Vektorgeometri för gymnasister

Välkomna till TSRT19 Reglerteknik Föreläsning 10

Linjärisering, Jacobimatris och Newtons metod.

SF1624 Algebra och geometri

Kontsys F7 Skalärprodukt och normer

1 Grundläggande kalkyler med vektorer och matriser

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Föreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl

Isometrier och ortogonala matriser

Översikt. TSFS06 Diagnos och övervakning Föreläsning 4 - Linjär residualgenerering och detekterbarhet. Linjär residualgenerering

SKRIVNING I VEKTORGEOMETRI Delkurs

12. SINGULÄRA VÄRDEN. (u Av) u v

ax + y + 4z = a x + y + (a 1)z = 1. 2x + 2y + az = 2 Ange dessutom samtliga lösningar då det finns oändligt många.

Reglerteori. Föreläsning 8. Torkel Glad

SKRIVNING I VEKTORGEOMETRI

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Fredag 30 augusti 2002 TID:

Linjär algebra på 2 45 minuter

Tentamen: Numerisk Analys MMG410, GU

VEKTORRUMMET R n. 1. Introduktion

Transkript:

Uppgifter till kurs: Geometriska analys och designmetoder för olinjära system Erik Frisk 2 juni 200 Uppgift. Antag ett linjärt system som beskrivs av exkvationerna: ẋ = Ax+Bu y = Cx med n = 4 tillstånd, k = 2 insignaler och m = utsignaler. Matriser för denna upgift finns definierade i filen uppg.mat. a) Låt rummet V spännas upp av kolumnerna i matrisen V. Visa (numeriskt) att V är A-invariant. b) Vilka av B:s kolumner ligger i V? c) Hitta en variabeltransformation x = T z så att systemet transformeras till blocktriangulär form. Beskriv metodik, inte bara en numerisk matris. Hur representeras x V i den nya basen? Transformera systemet. d) Gör om c-uppgiften, fast uttryck variabelbytet som z = Tx, dvs. inversen till c-uppgiftens transformation. Såklart är det inte meningen att bara invertera transformationen från c-uppgiften. Tips: noll-rum är användbara. e) Vilket förhållande har V till det styrbara underrumet (från de båda insignalerna respektive), det observerbara underrumet? f) Avgör huruvida insignalerna påverkar utsignalen eller inte. Formulera och verifiera villkoren för detta med hjälp av V. Uppgift 2. Denna uppgift handlar om hur man numeriskt kan räkna med linjära rum. Algoritmer ska konstrueras för att implementera vanliga operationer på linjära rum. Dessa kommer även senare att generaliseras för distributioner. Genomgående gäller konventionen att A (utan krusiduller) är en matris vars kolumner spänner upp rummet A (med krusiduller), dvs. Im A = A a) Implementera en algoritm i Matlab som givet matriserna A och B räknar ut en bas för rummet A + B. b) Givet en avbildningsmatris T och en bas V för V, hitta en bas för TV.

c) Gör om a-uppgiften fast för A B. d) Givet en matris A, hitta en bas för det komplementära rummet A, dvs. rummet av alla vektorer som är ortogonala mot vektorerna i A. Uppgift 3. Matriser för denna upgift finns definierade i filen uppg2.mat. a) Härled och, med hjälp av föregående uppgift, implementera en algoritm som räknar ut en bas för det minsta A-invarianta rummet som innehåller B. Verifiera för exemplet att algoritmen ger förväntat resultat (vad är det förväntade resultatet?) b) Använd algoritmen från a-uppgiften för att beräkna det största underrummet V som är A-invariant och V ker C. Tips: Ett sådant V är nära relaterat till det minsta (duala) rum Ω som är A-invariant och Im C Ω. Uppgift 4. För att bli lite mer bekväm med de differentialgeometriska operationerna: lie-derivata, lie-produkt och derivatan av ett ko-vektorfält utmed ett vektorfält, bevisa Proposition.2. och Proposition.2.2 i kursmaterialet (sid 9-0). Uppgift 5. Låt vara icke-singulär, av dimensiond, och uppspänd avf (x),...,f d (x) i en omgivning U av en punkt x 0. Visa att är involutiv om rank (f (x),...,f d (x)) = rank (f (x),...,f d (x),[f i (x),f j (x)]) för alla x U och alla i,j d. Uppgift 6. Visa att definitionen av en invariant ko-distribution (sid 57) är vettig genom att visa att en mjuk (smooth) och icke-singulär distribution är f-invariant om och endast om ko-distributionen är f-invariant. a) Visa att det gäller i det linjära fallet. b) Visa i det olinjära fallet. Varför är villkoren mjuk och icke-singulär viktiga? Tips: Lemma.6.3 och Proposition.2.2 är nyttiga. Uppgift 7. a) Bevisa att ett linjärt vektorrum alltid är involutivt. b) Bevisa att en -dimensionell distribution alltid är involutiv. c) Antag R n, mjuk, icke-singulär, dimension d, och spänns upp av f (x),...,f d (x). Ge ett tillräckliga villkor för att respeketive ska vara involutiva. Uppgift 8. Visa att lie-produkten [f(x),g(x)] är invariant under variabelbyte z = Φ(x). 2

Uppgift 9. I Proposition.7., sid 50, ges villkor på en distribution för att definiera ett variabelbyte så att modellen delas upp enligt Figur.7. Villkoren är (kortfattat):. icke-singulär och involutiv. 2. invariant under f,g,...,g m. 3. span{g,...,g m } Visa att man får ekvivalenta villkor även om man byter ut det andra villkoret mot 2. invariant under f. Uppgift 0. a) För en modell ẋ = f(x)+g(x)u y = h(x) Ange hur modellen ser ut i efter variabelbytet z = Φ(x). b) Vi har en modell ẋ = x2 2 x 2 +x u ẋ 2 = x3 2 x 3 x 2 +x 2 u Utför variabelbytet z = Φ(x) = ( x x 2 x ) c) Implementera Mathematica-kod som automatiskt gör variabelbytet. Verifiera att din implementation ger samma svar som handräkningen gav i b-uppgiften. Uppgift. En övning i involutiva höljen. Använd med fördel Mathematica för att göra denna uppgift, annars blir det lätt stora räkningar. f (x) = e x 0 0 0,f 2(x) = x e x2 x x 3 x 4 a) Beräkna det involutiva höljet av = span{f }. b) Visa att = span{f,f 2 } ej är involutiv. c) Beräkna det involutiva höljet av = span{f,f 2 }. 3

Uppgift 2. Visa Lie-produktens geometriska tolkning. I figuren nedan så startar vi i punkten x 0, följer f för t [0,h[, f 2 för t [h,2h[, f för t [2h,3h[ och f 2 för t [3h,4h[. x c f x b f 2 f 2 x d f x a x 0 Visa att x d x 0 = [f,f 2 ](x 0 )h 2 +O(h 3 ) Uppgift 3. Låt vara en d-dimensionell, icke-singulär distribution som spänns upp (lokalt) av vektorfälten f (x),...,f d (x). Visa att om λ är en lösning till dλ(x)f(x) = 0 så är även λ = g(λ) en lösning där g(λ) en en godtycklig deriverbar funktion. Uppgift 4. Låt = span{f,f d } vara en icke-singulär distribution. a) Visa hur man genom att endast lösa linjära ekvationssystem kan avgöra om ett vektorfält g. b) Använd lösningen från a-uppgiften för att skissa hur man kan testa om är involutiv. Uppgift 5. Låt = span{f } där ( ) 2 f (x) = a) Verifiera att är icke-singulär i en omgivning runt punkten x 0 = (0,). b) Hitta en lösning λ(x) till dλ(x)f (x) = 0. Testa att fylla ut med både ( ) ( ) 0 f 2 = och f 0 2 = Undersök vilka när F(x) = (f (x),f 2 (x)) är singulär och kommentera skillnaden i resultat. Uppgift 6. Avgör om ω(x) = (x 2,x ), ω(x) = (x 2, x ), och ω(x) = (x,x 2 ) är exakta differentialer eller inte. Kuriosa : Poincare s lemma säger att ett ko-vektorfält ω(x) = (ω (x),...,ω d (x) är en exakt differential (dvs. det existerar en potential för vektorfältet) om och endast om för alla i,j d det gäller att: x 2 2 ω i x j = ω j x i Såklart ej tänkt att ni ska lösa uppgiften med detta resultat 4

Uppgift 7. Ett linjärt rum V kallas controlled invariant om det existerar ett K, dvs. en återkoppling, så att V är (A+BK) invariant. Dualt gäller att ett linjärt rum V är conditioned invariant om det existerar ett K, dvs. en observatörsåterkoppling, så att V är (A+KC) invariant. a) Bevisa att V är en controlled invariant om och endast om AV V + Im B b) Bevisa att V är en conditioned invariant om och endast om A(V kerc) V Hjälpsteg för att göra detta kan vara att visa följande små resultat samt AX Y A T Y X (X Y) = X +Y och visa b via dualitet med a-uppgiften. Uppgift 8. Implementera algoritmen för olinjär residualgenerering som beskrivs i de Persis och Isidori för linjära system. Testa din algoritm på systemet ẋ = Ax+Bu+Pd+Lf y = Cx där numeriska värden på matriserna finns i filen lingeo.mat. Avgör, via villkor i artiklarna, vilka av de två felen som är detekterbara. Uppgift 9. På föreläsningen om residualgenerering togs endast conditioned invariants upp men i artiklarna talas det om så kallade observability (co-)distributions. Detta visar sig också i algoritmerna då ytterligare en iteration, utöver den som presenterades på föreläsningen, används för att räkna ut lämplig distribution. Vad kan det vara för nytta med detta andra steg? Testa på systemet som ges av matriserna i filen lingeo2.mat för att analysera detta andra steg i ett linjärt fall. Uppgift 20. I de Persis/Isidoris artiklar om residualgenerering så beräknas en ko-distribution via iterationerna S 0 = P S k+ = S k + m [g i,s k ker{dh}] i= Ω 0 = S span{dh} ( m ) Ω k+ = S L gi Ω k + span{dh} i= 5

och låt S och Ω beteckna de distributioner där respektive iteration stannar. Antag nu att båda iterationerna stannar, bevisa att Ω är en conditioned invariant. Förklara varför detta är viktigt i residualgenereringsproblemet. Uppgift 2. Visa att Ω O är f, g i-invariant. Uppgift 22. olinjär uppdelning för styrbarhet/observerbarhet. Uppgift 23. En distribution är en controlled-invariant för systemet ẋ = f(x)+g(x)u om och endast om [f, ] +G. Det finns en ekvivalent karaktärisering med ko-vekotrfält enligt nedan Bevisa att den gäller. [f, ] +G L f ( G ) Tips: Formel (.2) i Isidori kan vara till god hjälp. 6