KVANDI EKSAM Lineaarsed planeerimisülesanded: Mõisted: · Matemaatilised meetodid võimaldavad majandusprobleeme formaliseerida ja neid lahendada. Tegelevad optimaalsete lahendite väljatöötamisega · Lineaarne planeerimisülesanne ülesanne leida tundmatutele sellised mittenegatiivsed väärtused mis kajastaksid sihifunktsiooni optimaalset väärtust, rahuldades kõiki kitsendusi. · Lubatav lahend ehk plaan - sellised lahendid, mis rahuldavad kõiki kitsendusi ja tingimussüsteemi mittenegatiivsuse nõuet · Optimaalne lahend tundmatute väärtused, mis muudavad sihifunktsiooni kas maksimaalseks või minimaalseks · Optimaalsuskriteerium juhtimiseesmärgi kvantitatiivne hinnang( sihifunktsioon ) · Optimeerimine vastavalt sihifunktsioonile ja kitsendustele parima lahendi leidmine Max põhikujuline ülesanne:
Seejärel määratakse prob matemaatiliseks formuleerimiseks vajalikud andmed ning selgitatakse nende olemasolu. 1. Optimaalse tootmisplaane koostamine (eesmärk: olemasolevate ressurssidega koostada selline tootmisplaan, mille puhul tootmisest ja toodedete müügist saadav kasum oleks suurim) 2. Optimaalse segu (dieedi) koostamine (etteantud nõuetele vastava odavaima segu kosotamine) Põhireeglid majandusprobleemi formuleerimiseks LPÜ-na 1. Defineerida majandusprobleem, analüüsida seda. Määratleda muutujad, mille väärtused on otsitavad ( nende suuruste kohta langetatakse otsus xj) 2. Defineerida sihifunktsioon. Määratleda sihifunktsiooni kordajad, mis otseselt mõjutavad z-ni kuuluvate muutujate väärtuse kujunemist. 3. Määratleda kitsendused, nende sisu ja mõju juhtimiseesmärkide saavutamisele. 4. Selgitada ressursside olemasolu ja nende kulunormid (kitsendussüsteemi kordajad) 5. Mittenegatiivsuse nõue 6
juhtkond saab otsustada, kui palju toorainet, tööjõudu ja kapitali tootmiseks kasutada) b. Endogeenseteks muutujateks ehk süsteemisisesteks muutujad. Need on muutujad, mille suuruse üle vaadeldava protsessi teostaja otsustada ei saa (näiteks turul saadaoleva kapitali, tööjõu ja tooraine hinnad) 5. Milline on lineaarse planeerimise ülesande standardne kuju? Nimetada, mis on sihifunktsioon, põhikitsendused ja kitsendused muutujatele. Min või max (sihifunktsioon(id)) (põhikitsendused) (kitsendused otsustusmuutujatele) Sihifunktsioon: funktsioon, mille optimaalset (maksimaalset või minimaalset) 2 väärtust kindlustavat otsustusmuutujate väärtuste komplekti otsitakse Põhikitsendused:
.......... x = n Süsteemi lahendiks nimetatakse suurusi n , mis rahuldavad antud süsteemi. Süsteemi on võimalik kirjutada maatriksite abil: A = (aik) süsteemi maatriks, mis koosneb tundmatute kordajatest, B = (bi) _ vabaliikmete maatriks-veerg, X = (xk) tundmatute maatriks-veerg. Nende maatriksite abil on lineaarse võrrandisüsteemi kuju AX = B. a. Antud võrrandisüsteemil võib leiduda ainult üks lahend, kui m = n ja DA 0. b. Süsteemil puudub lahend, kui võrrandid on vastuolulised. c. Süsteemil on lõpmata palju lahendeid,kui tundmatute arv on suurem võrrandite arvust või võrrandid on lineaarselt sõltuvad s.t. DA = 0. Sel juhul kasutatakse üldlahendit ja erilahendeid. Süsteemide lahendamise meetodid. 1. Lineaarse võrrandisüsteemi lahendamine maatrikskujul:
.......... x n =n mis rahuldavad antud süsteemi. Süsteemi on võimalik kirjutada maatriksite abil: A = (aik) süsteemi maatriks, mis koosneb tundmatute kordajatest, B = (bi) _ vabaliikmete maatriks-veerg, X = (xk) tundmatute maatriks-veerg. Nende maatriksite abil on lineaarse võrrandisüsteemi kuju AX = B. a. Antud võrrandisüsteemil võib leiduda ainult üks lahend, kui m = n ja DA 0. b. Süsteemil puudub lahend, kui võrrandid on vastuolulised. c. Süsteemil on lõpmata palju lahendeid,kui tundmatute arv on suurem võrrandite arvust või võrrandid on lineaarselt sõltuvad s.t. DA = 0. Sel juhul kasutatakse üldlahendit ja erilahendeid. Süsteemide lahendamise meetodid. 1. Lineaarse võrrandisüsteemi lahendamine maatrikskujul:
.. , An ja b. Uue süsteemi leidmiseks tuleb süsteemi igas reas vasakul pool korrutada vastava järjekorranumbriga tundmatu veerumaatriks esimese tundmatu veerumaatriksiga, seejärel teisega jne. Paremale poole jääb vastava järjekorranumbriga tundmatu veerumaatriksi korrutis vabaliikmete veerumaatriksiga. Märkused. 1) Saame võrrandisüsteemi lahendid, kui projekteerime parema poole b veergude ruumi. 2) Kui parem pool b kuulub veergude ruumi, on Ax = b täpne lahend leitav Gaussi meetodiga. 3) TEOREEM: Normaalvõrrandisüsteemil ATA = ATb on ühene lahend, kui maatriksi A veerud on lineaarselt sõltumatud. 4) Gaussi teisenduste korral vähimruutude lahend muutub, see pole vähimruutude ülesandes lubatud. 4. Kumerad hulgad Def: Hulk QcR2 on kumer, kui kõikide punktipaaride x1,x2 jaoks kogu neid punkte ühendav sirglõik kuulub sellesse hulka. Teoreem: Kumerate hulkade Q1...Qk ühisosa on kumerhulk. Tõestus: =!!!! !
1. Kontrollida sirgete õigsust (märgistada teljed) Sirged lõikavad koordinaattelge järgmistes punktides: 1. kitsendus 2. kitsendus x1 x2 x1 x2 0 15 0 9 10 0 15 0 2. Märgistada lubatud lahendite piirkond. A x1 + 2x2 <= 22 D 3x1 + 5x2 >= 45 C 3. Lubatud lahendite piirkonna moodustavad järgmised punktid,
1. Kontrollida sirgete õigsust (märgistada teljed) Sirged lõikavad koordinaattelge järgmistes punktides: 1. kitsendus 2. kitsendus x1 x2 x1 x2 0 15 0 9 10 0 15 0 2. Märgistada lubatud lahendite piirkond. A x1 + 2x2 <= 22 D 3x1 + 5x2 >= 45 C 3. Lubatud lahendite piirkonna moodustavad järgmised punktid,
4 ebamäärane info 4.1 ebamäärane deterministlik info 4.2 ebamäärane tõenäosuslik info 3. Informatsiooni hulk (Shannoni valem), edastatava info hulk. Maksimaalne info hulk , mis teates sisaldub, on võrdeline tema pikkusega. Hmax=log2N. Tegelik info hulk sõltub mitte üksi võimalike teadete maksimaalsest arvust, vaid ka nende tõenäosusest. Shannoni valem: keskmise info hulga leidmiseks bittides H(x)= -p(xi)*log2p(xi). Teate kätte saamine kõrvaldab täielikult esialgse määramatuse. Seetõttu info hulk on H bitti. Kui kõik teated on võrdse tõenäosusega, siis p(xi)=1/N kõikide sündmuste xi jaoks ning H=log2N=Hmax. See Hmax on maksimaalne entroopia ehk info hulga ülempiir. P(xi) on aga tõenäosus, et süsteem asub seisundis xi. N on süsteemi võimalike seisundite koguarv. Kui mõne teate tõenäosus peaks olema 1, siis H=0. Järelikult suurus H näitab ka sündmuse esialgset määramatust ja seda nimetatakse juhusliku sündmuse entroopiaks, mille
vähendada 1,5 ühikut. 31. Olgu U = f (x, y) mingi kasulikkusefunktsioon (kus x ja y on tarbitavate kaupade X ja Y mahud). Mis on kaupade X ja Y asendatavuse piirmäär? Mida tähendab, et yx =-3? asendatavuse piirmäär - näitab ligikaudselt, kui suure koguse kauba Y tarbimisest võib loobuda, kui täiendavalt tarbida üks ühik kaupa X. tähendab, et X kauba tarbimise suurendamisel ühe võrra saab kasulikkuse esialgse taseme säilitada, kui vähendada kauba Y tarbimist 3 võrra. 32. Selgitada, mida tähendab geomeetriliselt tingliku ekstreemumi ülesande max min z= f(x,y) g(x, y) = 0 lahendamine. · Moodustada Lagrange'I funktsioon · Leida selle osatuletised · Osatuletistest tekitada süsteem, kus leida Lagrange'I funktsiooni statsionaarsed punktid · Kandes punktid graafikule ja kontrollida neid geomeetriliselt
Siit Teine variant võrramdist, mida saame lahendada on: (10.3) (10.3)' Sel juhul asendame . Diferentseerime mõlemad pooled x-suhtes, leiame Kus üldlahend parameetrilisel kujul (10.4) (10.3)' saame eralduvate muutujatega võrrandi: Esimest järku võrrandi lahendi olemasolu teoreem ja ühesuse teoreem. Teoreem 10.1 Vaatleme võrrandit, kus (10.5) Olgu f: f(x,y) pidev ristkülikus ja olgu täidetud Lipscitzi tingimus y-muutuja suhtes. Siis eksisteerib üksainus võrrandi (10.5) lahend: , mis rahuldab algtingimust . Lipschitsi tingimusest järeldub: . Järelikult, kui eksisteerib osatuletis , siis saame, et (tõkestatud K-ga absoluutväärtus). 11. Claeraut' ja Lagrange'i võrrandid Need võrrandid on võrrandi (10.3) erijuhud. Claeraut' võrran omab kuju: (11.1) . Lagrange'i võrrandi kuju on: (11.2) . Mõlemal juhul asendame ja diferentseerimine võrduse mõlemat pool x suhtes. (11.1) saame ja . (11.3) sirgete parv Teine võimalus . Siit saame iseärase lahendi: (11
Seda tüüpi Lokaalse ekstreemumi piisavad tingimused antakse tavaliselt teist järku tuletiste abil. Selliseid tingimusi nimetatakse ka teist järku ülesannete lahenduskäik koosneb reeglina kolmest osast: tingimusteks, eristamaks neid esimest järku tarvilikest tingimustest. Olgu funktsioonil f(x,y) punktis P(x,y) lokaalne ekstreemum. 1.Leiame esialgse funktsiooni f(x,y) statsionaarsed punktid. Mingi piisavalt väikese muudu (x, y) jaoks saame lokaalse maksimumi korral f(x+x,y+y) <= f(x,y) st f<=0 ja lokaalse 2.Lahendame tingliku ekstreemumi ülesande(d) piirkonna rajajoonel : st leiame vastavate Lagrange'i funktsiooni(de) (x , y miinimumi korral f(x+x,y+y) >= f(x,y) st f >=0
(0;a0) a1-tõus c) ratsionaalf. N murrud d) mittealgebralised f. n juured, astmed, exp, log, trig. 4. Tasakaalu mõiste, turu tasakaalu mudelid (1.ja 2. ning n hüvisega) Tasakaalu mõiste- valitud üksteisega seotud mutujate väärtuste niisugune seis, et süsteemi seisund säilub. Turu tasakaalu mudelid: 1 hüvisega: 3 muutujat Qd, Qs, P eeldus Qd-Qs=0, Qd, Qs 4 parameetrit a, b, c, d>0 d ja b tõusud Q d=a-bP langev sirge Lahend: Qd, Qs, P Qd=Qs=Q lahend järjestatud paar (P;Q) Qs=-c+dP tõusev sirge 2 hüvisega: Qd1-Qs1=0 Qd2-Qs2=0 Qd1=a0+a1P1+a2P2 Qd2=a0+a1P1+a2P2 Qs1=b0+b1P1+b2P2 Qs2=b0+b1P1+b2P2 (a0-b0)+(a1-b1)P1+(a2-b2)P2=0 n hüvisega: kõik hüvised sõltuvad kõigist hindadest. Koefitsendid arvulisedlahend arvuline. 5. Maatriksid ja vektorid, maatriksitehted, vektortehted. Maatriks: Olgu i reaindeks ja j veeruindeks siis x1-1.ve-s, xj- j-ndas veerus, aij i-nda võrrandi j-nda muutuja koef
AT = ||bji|| Rnxm, mille veeruvektoriteks on parajasti maatriksi A reavektorid, st bji = aij iga i ja j võimaliku väärtuse korral Ruutmaatriksit A nimetatakse sümmeetriliseks maatriksiks, kui A T = A Maatriksite transponeerimise omadused 1. (AT)T = A iga maatriksi A korral 2. (A + B)T = AT + BT iga A, B Rmxn korral 3. (cA)T = cAT iga c R ja maatriksi A korral 4. (AB)T = BTAT iga A Rmxn ja B Rnxp korral 9. Lineaarne võrrandisüsteem, selle lahend ja maatrikskuju. K - mingi korpus; a1, ...,an K, b - fkseeritud arvud; x1, ..., xn - tundmatud skalaarid; ai - kordajad; b - vabaliige Lineaarse võrrandi all mõistetakse võrrandit kujul a1x1 + a2x2 + ... + anxn = b Võrrandi lahendiks nimetatakse selliseid tundmatute x 1, ..., xn väärtusi c1, ..., cn R, et nende paigutamisel võrrandi vasakusse poolde tundmatute x 1, ..., xn asemele kehtiks võrdus a1c1 + ... + ancn = b
3. Determinandi mõiste, järk, tähistused. Miinor, alamdeterminant. determinant ruutmaatriksile algoritmiga vastavusse seatud arv. Igale ruutmaatriksile saab vastavusse seada ühe reaalarvu, mis leitakse ühe ja sama algoritmi järgi ruutmaatriksi elementide abil. determinandi järk ruutmaatriksi A järk Tähistus detA või |A| determinandi elemendi miinor tekib siis, kui antud determinandist eemaldada rida ja veerg, kus antud element paikneb. n-järku determinandi mingi elemendi aij miinoriks Mij nimetatakse sellist (n-1)-järku determinanti, mis tekib, kui antud determinandist eemaldada rida ja veerg, kus paikneb vaadeldav element. determinandi elemendi alamdeterminant (miinori algebraline täiend) tekib siis, kui miinoriga korrutada (-1) astmes elemendi indeksite summa. n-järku determinandi mingi elemendi aij alamdeterminandiks nimetatakse arvu Aij=(-1)i+j Mij
Teoreem 2. Determinantidel on j¨ argmised omadused. 1) Kolmnurkne determinant v~ ordub peadiagonaali elementide korrutisega. 2) Kui determinandis on kaks u ¨hesugust rida (veergu), siis on determinant null. 3) Determinant ei muutu, kui tema read kirjutada u ¨mber veer- gudena (loomulikus j¨ arjestuses). 4) Vahetame determinandis kaks rida (veergu). Tulemus v~ ordub esialgse determinandi vastandarvuga. 6 I. Determinandid 5) Korrutame determinandi mingit rida (veergu) arvuga. Tule- mus v~ ordub esialgse determinandi ja arvu korrutisega. Tei- siti ¨ oeldes v~ oib determinandi rea v~oi veeru u ¨hise teguri tuua determinandi m¨ arkide ette.
Determinandiks nimetatakse ruutmaatriksiga seotud arvu, mis on arvutatud teatud eeskirja kohaselt. Determinante tähistatakse DA Maatriksi A determinanti tähistatakse tavaliselt , või . Determinant on defineeritud vaid ruutmaatriksile. Determinandi põhiomadused 1. Maatriksi determinandi väärtus ei muutu maatriksi transponeerimisel: det(A) = det(AT). 2. Determinant on null, kui determinandi 1 rida või veerg : 1. koosneb nullidest 2. on võrdne mõne teise vastava rea või veeruga 3. on proportsionaalne mõne teise vastava rea või veeruga 4. on esitatav ülejäänud ridade/veergude lineaarkombinatsioonina (avaldub teiste skalaari kordsete väärtuste täpse summana) 3. Kui determinandis vahetada omavahel kaks rida, siis muutub determinandi märk vastupidiseks. 4
x otsustamiseks on vaja alternatiive; x sihtfunktsioone ja kitsendusi väljendatakse kas võrrandite või võrratustena. Võimalikud lahendusmeetodid: x graafiline - kasutatakse lineaarse planeerimise õppimisel, see võimaldab paremini mõista probleemi olemust. Saab kasutada vaid 2 tundmatu korral; x simpleksmeetod - järkjärguliste teisenduste abil otsitakse suurima (väiksema) sihifunktsiooniga lahendit. Lineaarse planeerimise puhul on sihifunktsioon ja kitsendused lineaarsed. 2. Mittelineaarne planeerimine. Majandusprobleemi detailsem ja sügavam analüüs toob sageli välja vajaduse mõned kitsendused või sihifunktsioon esitada mittelineaarselt. Sellist majandusmatemaatika osa nimetatakse mittelineaarseks planeerimiseks. x Tinglik ekstreemum; x Lagrange`i meetod. Mittelineaarse planeerimise ülesandeid käsitletakse kahe praktilise majandusliku probleemi näitel: kaubavarude planeerimine ja tootmise planeerimine
3. Determinandi mõiste, järk, tähistused. Miinor, alamdeterminant. Igale ruutmaatriksile saab vastavusse seada ühe reaalarvu, mis leaitakse ühe ja sama algoritmi järgi ruutmaatriksi elementide abil. Saadud arvu nim selle ruutmaatriksi determinandiks. Täh | A|. Ruutmaatriksi A järku nim ka determinandi järguks. n-järku determinandi mingi elemendi aij miinoriks Mij nim sellist (n-1)-järku determinanti, mis tekib, kui antud determinandist eemaldada rida ja veerg, kus paikneb vaadeldav element. n-järku determinandi mingi elemendi aij alamdeterminandiks nim arvu Aij=(-1)i+j Mij kus Mij on vaadeldava elemendi aij miinor. 4. Teist- ja kolmandat järku determinantide arvutuseeskirjad. Teist järku ruutmaatriksi korral leitakse determinandi väärtus avaldisega: Nt: Kolmandat järku ruutmaatriksi det arvutatakse sedasi: Nt:
TALLINNA TEHNIKAÜLIKOOL ELEKTROENERGEETIKA INSTITUUT ELEKTRIRAJATISTE PROJEKTEERIMINE AES3630 I − II osa I osa SISSEJUHATUS Peeter Raesaar TALLINN 2005 SISSEJUHATUS 2 I osa SISSEJUHATUS SISUKORD SISUKORD .............................................................................................................. 2 1.1 KURSUSE EESMÄRK JA SISU ....................................................................... 3 1.2 ELEKTRI ÜLEKANDE JA JAOTAMISE “PÕHITÕED”........................................ 5 1.3 ELEKTRIVÕRKUDE PLANEERIMISE JA PROJEKTEERIMISE ETAPID ................ 6 1.4 ELEKTRITARBIMISE JA KOORMUSTE PROGNOOSIMINE ................................ 7 1.4.1 Arengut mõjutavad trendid ...................................
y'' + y = 2ex.Osatuletisega diferentsiaalvõrrand - otsitav on mitme muutuja 𝐶 ≔ 𝜕𝑥𝜕𝑧 on funktsiooni z=f(x,y) teist järku tuletised punktis 𝑃0 (𝑥0 , 𝑦0 ). Olgu mingis punktis 𝑃0 (𝑥0 , 𝑦0 ) funktsioon. zxx + zyy = 0.Diferentsiaalvõrrandi lahend on funktsioon, mille asetamisel võrrandisse saame funktsiooni f(x,y) osatuletised kuni kolmanda järguni (k.a.) pidevad ja olgu punkt 𝑃0 (𝑥0 , 𝑦0 ) funktsiooni f(x,y) regulaarseks, kui tema raja Γ(gamma) koosneb lõplikust arvust pidevatest joontest tüüpi y = ϕ(x) või x = ψ (y).
1.Lineaarse võrrandisüsteemi definitsioon. Võrrandisüsteemi kordajad, vabaliikmed, lahend. Süsteemi maatriks ja laiendatud maatriks. Lineaarse võrrandi all mõistetakse võrrandit kujul a1 x1 + a2 x2 + ... + an xn = b , (1) kus a1 , a2 , ... , an ja b on fikseeritud arvud ning x1 , x2 , ... , xn on tundmatud. Arvu b nimetatakse vaadeldava võrrandi vabaliikmeks, arve a1 , a2 , ... , an aga tema kordajateks. Def. 1. Võrrandi (1) lahendiks nimetatakse selliseid tundmatute x1 , x2 , ..
võrranditeks. · Võrrandi pooli võib vahetada · Võrrandi pooltele võib liita (lahutada) ühe ja sama arvu või tundmatuid sisaldava avaldise, millel on mõte võrrandi kogu määramispiirkonnas. Järeldus: Võrrandi liikmeid võib viia võrrandi ühelt poolelt teisele poolele, muutes üleviidava liikme märgi vastupidiseks. · Võrrandi pooli võib korrutada või jagada ühe ja sama nullist erineva arvuga Võõrlahenidid lahendid, mis ei ole esialgse võrrandi lahenditeks 3.3 Võrrandisüsteemid Saab lahendada asendus-, liitmis- või graafilise võttega 3.4.1 Kaherealine determinant. Lineaarvõrrandisüsteemi lahendamine kaheralise determinandi abil. Avaldist kujul ad-bc nimetatakse kaherealiseks determinandiks ning kirjutatakse tabeliga, milles on kaks rida ja kaks veergu. Nimetajas olevat determinanti nimetatakse lineaarvõrrandisüsteemi determinandiks. 3.4.2 Kolmerealine determinant
4. Permutatsiooni definitsioon. Inversiooni definitsioon. n-järku determinandi definitsioon. Determinandi põhiomadused 5. Maatriksi elemendi minor. Alamdeterminant. Determinandi arendus rea ja veeru järgi. Determinantide teooria põhivalem. 6. Regulaarse maatriksi mõiste. Pöördmaatriksi definitsioon ja elementide leidmise eeskiri. Pöördmaatriksi omadused. 7. Lineaarse võrrandisüsteemi definitsioon. Võrrandisüsteemi kordajad, vabaliikmed, lahend. Vasturääkiv, kooskõlaline, määratu süsteem. Süsteemi maatriks ja laiendatud maatriks. 8. Süsteemi lahendamine Crameri valemitega. Maatriksi minor. Maatriksi astak. Maatriksi ridade ja veergude elementaarteisendused. Maatriksi rea juhtelement, treppmaatriks. Treppmaatriksi astak. Kronecker-Capelli teoreem 9. Gaussi meetodi sisu. 10. Kompleksarvu mõiste, imaginaarühik, kompleksarvu reaalosa ja imaginaarosa, kompleksarvude võrdsus, kaaskompleksarv
MAJANDUSMATEMAATIKA I Ako Sauga Tallinn 2003 SISUKORD 1. MUDELID MAJANDUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Mudeli mõiste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Matemaatiliste mudelite liigitus ja elemendid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Matemaatilise mudeli struktuur ja sisu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2. FUNKTSIOONID JA NENDE ALGEBRA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Arvud ja nende hulgad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Funktsionaalne sõltuvus . . . . . . . . . .
+vDU(t), kus vA=T-1AT, vB=T-1B, vC=CT, vD=D. Tulemusena saame teistsuguse olekuvõrrandite kogumL Kehtivad seosed: det vA=detA ja det(sE-vA) = det(sE-A). Süsteemimaatriksitel A ja vA on samad omaväärtused. Teisendusega vA=T-1AT seotud maatrikseid nim sarnasteks, neil on samad omaväärtused, samad determinandid, samad jäljed jne. Olekuvõrrandeid saab teisendada vaid säärasteks võrranditeks, mille süsteemimaatriks vA kuulub esialgse maatriksiga A samasse sarnasusklassi. Kui me teame soovitud vA maatriksi kuju, siis sobiva teisendusmaatriksi T saab arvutada seosest TvA=AT. Olekuvorrandite teisendamise peamine eesmark on maksimaalselt lihtsa olekuvõrrandite kuju saamine, kus süsteemimaatriks väljenduks diagonaalmaatriksina. Olekumudeli ja ülekandemudeli (ehk sisend-väljund mudeli) seosed- Olekumudeli ja ülekandemudeli (ehk sisend-väljund mudeli) seosed: Kompositsioon, süntees —► mudelid
Seega 7 kg praetud kohvi on 87,5%. Leiame toore kohvi kaalu ehk 100% , s.o.: 7 ⋅ 100 = 8. 87,5 Vastus. Toorest kohvi tuleb võtta 8 kg. 9 Näide 4. Töötaja palk tõusis 4000 kroonilt 4500 kroonile. Mitme protsendi võrra tõusis palk? Lahendus. Palga tõus (palga muut) on 4500-4000=500 krooni. Leiame palga muudu ja esialgse palga suhte protsentides: 500 ⋅ 100 % = 12,5%. 4000 Vastus. Palk tõusis 12,5% võrra. Näide 5. Kui palju vaske on vaja lisada 810 grammile kullale prooviga 900, et saada kulda prooviga 750? Lahendus. Tavaliselt on sulami proov antud promillides: 1 1‰ = = 0,001.
Mainori Kõrgkool Matemaatika ja statistika Loengukonspekt Silver Toompalu, MSc 2008/2009 1 Matemaatika ja statistika 2008/2009 Sisukord 1 Mudelid majanduses ............................................................................................................. 4 1.1 Mudeli mõiste ......................................................................................................................... 4 1.2 Matemaatilise mudeli struktuur ja sisu ................................................................................... 4 2 Funktsioonid ja nende algebra............................................................................................... 5 2.1 Funktsionaalne sõltuvus ....................................
les element asetseb. Tavaliselt tähistame maatriksit ennast suure tähtega (näiteks A) ning maatriksi elemente tähistame indeksiga varustatud väikse tähega (näiteks aij ). Lühidalt esitatakse sama maatriksit ka kujul A = (aij ). Definitsioon 1.2 Kui maatriksi ridade ja veergude arv on võrdne, m = n, siis nimetame maatriksit ruutmaatriksiks või ka n-järku ruutmaatriksiks. Kui maatriksis on ainult üks rida või veerg, siis nimetame seda maat- riksit ka vektoriks, täpsemalt reavektoriks ja veeruvektoriks. Üldine (m × n)-maatriks koosneb m reavektorist ja n veeruvektorist. 1.2 Tehted maatriksitega Definitsioon 1.3 Maatrikseid A ja B nimetatakse võrdseteks, kui neil on võrdne arv Üleminekut maatriksilt A ridu ja veerge ning kõik nende vastavad elemendid on võrdsed, s.t.
§ 1. Ratsionaalne otsustusprotsess §2. Simulatsioon (modelleerimine) Modelleerimine on laiem mõiste kui simulatsioon. 4. Asukoha valimine. 1.1. Otsustamise olemus ja otsustusprotsessi elemendid Modelleerimine mudelite koostamine ja uurimine(analüüs). Mudel on töövahend. 4.1.Asukoha valimise strateegiad ja etapid Asukohavaliku ees seistakse siis, kui tootmine Otsustamise-tegutsemisviisi leidmine, probleemi lahendamise protsess ja tegevuse tulemus. Simulatsioon tegelikku olukorra modelleerimine, protsesside matkimine, immiteerimine, ei mahu olemasolevatesse raamidesse või on mujal tootmiskulud väiksemad. Strateegiad: Kolm aspekti: probleemi lahendamiseks vajalike tegutsemisvariantide ettevalmistamine, õppimine läbi tegutsemise. Mudelid:1.materiaalsed(füüsilised)ehk ainelised , 2.mõttelised 1)uue a
Programmeerimise algkursus 1 - 89 Mida selle kursusel õpetatakse?...................................................................................................3 SISSEJUHATAV SÕNAVÕTT EHK 'MILLEKS ON VAJA PROGRAMMEERIMIST?'......3 PROGRAMMEERIMISE KOHT MUUDE MAAILMA ASJADE SEAS.............................3 PROGRAMMEERIMISKEELTE ÜLDINE JAOTUS ..........................................................7 ESIMESE TEEMA KOKKUVÕTE........................................................................................8 ÜLESANDED......................................................................................................................... 8 PÕHIMÕISTED. OMISTAMISLAUSE. ...................................................................................9 ................................................................................................................................................. 9 SISSEJUHATUS.......
Need lahendused on leidnud valgustamist paljudes kirjandusallikates; tõsi, korrektset matemaatilist tõestust on leidnud vaid suhteliselt vähesed ning suhteliselt lihtsate ülesannete lahendamiseks ettenähtud variandid. Mida rohkem on signaalist teada eelnevat (aprioorset) informatsiooni ning mida vähem parameetreid tuleb vastuvõtjal hinnata seda lihtsam on ülesanne ning seda tõenäosem on leida selle ülesande lahendamiseks optimaalne lahend. Levinumaks optimaalse vastuvõtja osaks on optimaalne lineaarne filter, millistest iseloomulikumad on filtrid järgmiste optimaalsuskriteeriumitega: Filtrid, mille väljundis tagatakse maksimaalne signaal/müra suhe, Filtrid, mille väljundis moodustuv signaal kordab lähtesignaali minimaalse ruutkeskmise veaga. Kasutatakse nn võnkumiste vastuvõtul, kus on oluline eeskätt signaali kuju edastamine 3.2.1
HTEP.01.047. MATEMAATIKA ÕPE ERIVAJADUSTEGA LASTELE I (Küsimused kehtivad alates 2013. a. kevadest) 1. Matemaatika elementaaroskuste omandamisraskuste uurimise neuroloogiline suund. Neuropsühholoogia kujunemise algusetapil püüti iga füsioloogilise ja/või psühholoogilise funktsiooni juhtimine siduda mingi lokaliseeritud keskusega ajus. Henseheni arvates paiknevad peamised aritmeetikakeskused vasakus kuklasagaras. Alluvad keskused võivad paikneda teistes ajuosades, näiteks kiiru- või oimusagaras või tsentraalkäärus, juhtides arvude lugemist ja kirjutamist ning võimeid sooritada arvudega operatsioone. Kokkuvõttes rõhutab Hensehen aju optilise funktsiooni tähtsust. Tänapäeval ollakse seisukohal, et iga psühholoogilise funktsiooni juhtimine toetub paljudele ajukeskustele, millest igaüks vastutab toimingu sooritamisel konkreetse operatsiooni eest. Kokku moodustavad need lülid funktsionaalsüsteemi. Nimetatud süsteemid on muutuvad. Kõrgem
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
