การสร้างแบบจำลองของระบบไดนามิก (วิธีลากรองจ์และวิธีกราฟพันธบัตร) วิธีคูณลากรองจ์
วิธีการของตัวคูณ Lagrangeเป็นวิธีคลาสสิกในการแก้ปัญหาการเขียนโปรแกรมทางคณิตศาสตร์ (โดยเฉพาะ นูน) น่าเสียดายที่ในการใช้งานจริงของวิธีการนี้อาจเกิดปัญหาในการคำนวณอย่างมีนัยสำคัญทำให้พื้นที่การใช้งานแคบลง เราพิจารณาที่นี่ว่าวิธีลากรองจ์เป็นส่วนใหญ่เพราะเป็นเครื่องมือที่ใช้อย่างแข็งขันเพื่อพิสูจน์วิธีการเชิงตัวเลขสมัยใหม่ต่างๆ ที่ใช้กันอย่างแพร่หลายในทางปฏิบัติ สำหรับฟังก์ชันลากรองจ์และตัวคูณลากรองจ์ พวกมันมีบทบาทที่เป็นอิสระและมีความสำคัญอย่างยิ่งในทฤษฎีและการประยุกต์ ไม่เพียงแต่การเขียนโปรแกรมทางคณิตศาสตร์เท่านั้น
พิจารณาปัญหาการเพิ่มประสิทธิภาพแบบดั้งเดิม
สูงสุด (นาที) z=f(x) (7.20)
ปัญหานี้แตกต่างจากปัญหา (7.18), (7.19) เนื่องจากข้อเท็จจริงที่ว่าท่ามกลางข้อจำกัด (7.21) ไม่มีอสมการ ไม่มีเงื่อนไขสำหรับการไม่ปฏิเสธของตัวแปร ความไม่ต่อเนื่อง และฟังก์ชัน f(x ) มีทั้งแบบต่อเนื่องและมีอนุพันธ์บางส่วนเป็นลำดับที่สองเป็นอย่างน้อย
แนวทางดั้งเดิมในการแก้ปัญหา (7.20), (7.21) ให้ระบบสมการ ( เงื่อนไขที่จำเป็น) ซึ่งต้องเป็นไปตามจุด x* ที่ให้ฟังก์ชัน f(x) กับจุดสุดโต่งบนเซตของจุดที่เป็นไปตามข้อจำกัด (7.21) (สำหรับปัญหาการเขียนโปรแกรมแบบนูน จุด x* ที่พบตาม ทฤษฎีบท 7.6 จะเป็นจุดสุดขั้วของโลกด้วย)
สมมติว่า ณ จุด x* ฟังก์ชัน (7.20) มีเงื่อนไขแบบโลคอลสุดโต่งและอันดับของเมทริกซ์คือ จากนั้นสามารถเขียนเงื่อนไขที่จำเป็นได้ดังนี้
(7.22)
คือฟังก์ชันลากรองจ์ เป็นตัวคูณของลากรองจ์
นอกจากนี้ยังมีเงื่อนไขเพียงพอที่คำตอบของระบบสมการ (7.22) จะกำหนดจุดสูงสุดของฟังก์ชัน f(x) คำถามนี้ได้รับการแก้ไขบนพื้นฐานของการศึกษาเครื่องหมายของส่วนต่างที่สองของฟังก์ชันลากรองจ์ อย่างไรก็ตาม เงื่อนไขที่เพียงพอนั้นเป็นผลประโยชน์ทางทฤษฎีเป็นส่วนใหญ่
สามารถระบุขั้นตอนต่อไปนี้สำหรับการแก้ปัญหา (7.20), (7.21) โดยวิธีตัวคูณ Lagrange:
1) เขียนฟังก์ชัน Lagrange (7.23);
2) ค้นหาอนุพันธ์ย่อยของฟังก์ชันลากรองจ์ที่เกี่ยวกับตัวแปรทั้งหมด และเท่ากับศูนย์ ดังนั้นจะได้ระบบ (7.22) ที่ประกอบด้วยสมการ แก้ปัญหาระบบผลลัพธ์ (ถ้าเป็นไปได้!) และด้วยวิธีนี้ค้นหาจุดคงที่ทั้งหมดของฟังก์ชัน Lagrange
3) จากจุดที่อยู่นิ่งซึ่งถ่ายโดยไม่มีพิกัด ให้เลือกจุดที่ฟังก์ชัน f(x) มีเงื่อนไขในพื้นที่สุดโต่งโดยมีข้อจำกัด (7.21) ตัวอย่างเช่น ตัวเลือกนี้ทำขึ้นโดยใช้เงื่อนไขที่เพียงพอ สุดขีดในท้องถิ่น. บ่อยครั้งที่การศึกษาง่ายขึ้นหากใช้เงื่อนไขเฉพาะของปัญหา
ตัวอย่าง 7.3. ค้นหาการกระจายที่เหมาะสมที่สุดของทรัพยากรที่จำกัดในหน่วย ระหว่างผู้บริโภค n ราย หากกำไรที่ได้รับเมื่อจัดสรร x j หน่วยของทรัพยากรให้กับผู้บริโภคที่ j คำนวณโดยสูตร .
การตัดสินใจ.แบบจำลองทางคณิตศาสตร์ของปัญหามีรูปแบบดังนี้
เราเขียนฟังก์ชัน Lagrange:
.
เราพบว่า อนุพันธ์ย่อยของฟังก์ชัน Lagrange และเทียบเป็นศูนย์:
การแก้ระบบสมการนี้ เราได้รับ:
ดังนั้นหากผู้บริโภค j-th ได้รับการจัดสรรหน่วย ทรัพยากร จากนั้นกำไรทั้งหมดจะถึงมูลค่าสูงสุดและจำนวนที่ถ้ำ หน่วย
เราได้พิจารณาวิธี Lagrange ที่ใช้กับปัญหาการปรับให้เหมาะสมแบบดั้งเดิม เป็นไปได้ที่จะสรุปวิธีการนี้ในกรณีที่ตัวแปรไม่เป็นค่าลบและข้อจำกัดบางอย่างถูกกำหนดให้อยู่ในรูปของความไม่เท่าเทียมกัน อย่างไรก็ตาม การวางนัยทั่วไปนี้เป็นทฤษฎีส่วนใหญ่และไม่ได้นำไปสู่อัลกอริทึมการคำนวณเฉพาะ
ในที่สุดเราก็ให้ตัวคูณ Lagrange การตีความทางเศรษฐกิจ. ในการทำเช่นนี้ เราหันไปใช้ปัญหาการปรับให้เหมาะสมแบบคลาสสิกที่ง่ายที่สุด
สูงสุด (นาที) ซี=ฉ(x 1 , เอ็กซ์ 2); (7.24)
𝜑(x 1, x 2)=ข. (7.25)
สมมติว่าถึงจุดสิ้นสุดของเงื่อนไขแล้ว ค่าสุดโต่งที่สอดคล้องกันของฟังก์ชัน ฉ(x)
สมมติว่าในข้อจำกัด (7.25) ปริมาณ ขสามารถเปลี่ยนแปลงได้ จากนั้นจึงเปลี่ยนพิกัดของจุดสุดขั้ว และด้วยเหตุนี้ค่าสุดขั้ว ฉ*ฟังก์ชั่น ฉ(x) จะกลายเป็นปริมาณขึ้นอยู่กับ ข, เช่น. ,และดังนั้นอนุพันธ์ของฟังก์ชัน (7.24)
|
วิธีลากรองจ์เป็นวิธีการแก้ปัญหา การเพิ่มประสิทธิภาพตามเงื่อนไขโดยที่ข้อจำกัดซึ่งเขียนเป็นฟังก์ชันโดยปริยายจะรวมกับฟังก์ชันวัตถุประสงค์ในรูปของสมการใหม่ที่เรียกว่า ลากรองจ์.
พิจารณากรณีพิเศษของปัญหาการเขียนโปรแกรมแบบไม่เชิงเส้นทั่วไป:
ระบบสมการไม่เชิงเส้น (1) ได้รับ:
(1) gi(x1,x2,…,xn)=bi (i=1..m),
ค้นหาค่าที่น้อยที่สุด (หรือมากที่สุด) ของฟังก์ชัน (2)
(2) ฉ (x1,x2,…,xn),
หากไม่มีเงื่อนไขสำหรับการไม่เป็นค่าลบของตัวแปร และ f(x1,x2,…,xn) และ gi(x1,x2,…,xn) เป็นฟังก์ชันที่ต่อเนื่องร่วมกับอนุพันธ์บางส่วน
ในการหาวิธีแก้ไขปัญหานี้ คุณสามารถใช้วิธีต่อไปนี้: 1. ป้อนชุดของตัวแปร λ1, λ2,…, λm ซึ่งเรียกว่าตัวคูณลากรองจ์ ประกอบเป็นฟังก์ชันลากรองจ์ (3)
(3) F(х1,х2,…,хn , λ1,λ2,…,λm) = f(х1,х2,…,хn)+ λi .
2. ค้นหาอนุพันธ์ย่อยของฟังก์ชัน Lagrange เทียบกับตัวแปร xi และ λi แล้วเทียบค่าให้เป็นศูนย์
3. การแก้ระบบสมการหาจุดที่ฟังก์ชันวัตถุประสงค์ของปัญหาสามารถมีสุดขั้วได้
4. ในจุดที่สงสัยว่าไม่ใช่จุดสูงสุด พวกเขาพบจุดที่ถึงจุดสูงสุดและคำนวณค่าของฟังก์ชันที่จุดเหล่านี้ .
4. เปรียบเทียบค่าที่ได้รับของฟังก์ชัน f และเลือกค่าที่ดีที่สุด
ตามแผนการผลิต องค์กรจำเป็นต้องผลิตสินค้า 180 รายการ ผลิตภัณฑ์เหล่านี้สามารถผลิตได้สองวิธีทางเทคโนโลยี ในการผลิตผลิตภัณฑ์ x1 โดยวิธีที่ I ค่าใช้จ่ายคือ 4 * x1 + x1 ^ 2 รูเบิล และในการผลิตผลิตภัณฑ์ x2 โดยวิธีที่ II จะมีราคา 8 * x2 + x2 ^ 2 รูเบิล กำหนดจำนวนผลิตภัณฑ์ในแต่ละวิธีเพื่อให้ต้นทุนการผลิตทั้งหมดน้อยที่สุด
วิธีแก้ไข: การกำหนดปัญหาทางคณิตศาสตร์ประกอบด้วยการกำหนด ค่าที่น้อยที่สุดฟังก์ชันของตัวแปรสองตัว:
f = 4*x1+x1^2 +8*x2 +x2^2 ให้ x1 +x2 = 180
มาเขียนฟังก์ชัน Lagrange กัน:
F(x1,x2,λ) = 4*x1+x1^2+8*x2+x2^2+λ*(180-x1-x2)
เราคำนวณอนุพันธ์บางส่วนของมันด้วยความเคารพ x1, x2, λ และเท่ากับ 0:
เราย้ายสมการสองสมการแรก λ ไปทางขวามือและจัดสมการทางซ้ายมือ เราจะได้ 4 + 2*x1 = 8 + 2*x2 หรือ x1 − x2 = 2
แก้สมการสุดท้ายด้วยสมการ x1 + x2 = 180 เราพบ x1 = 91, x2 = 89 นั่นคือเราได้คำตอบที่ตรงตามเงื่อนไข:
มาหาค่ากัน ฟังก์ชั่นวัตถุประสงค์ f ด้วยค่าตัวแปรเหล่านี้:
F(x1, x2) = 17278
จุดนี้น่าสงสัยสุดขั้ว การใช้อนุพันธ์ย่อยอันดับสอง เราสามารถแสดงได้ว่า ณ จุด (91.89) ฟังก์ชัน f มีค่าต่ำสุด
วิธีคูณลากรองจ์(ในวรรณคดีอังกฤษ วิธีของ "LaGrange" ของตัวคูณที่ไม่ได้ระบุ") ˗ เป็นวิธีเชิงตัวเลขสำหรับแก้ปัญหาการปรับให้เหมาะสมที่ช่วยให้คุณระบุค่าสูงสุด "แบบมีเงื่อนไข" ของฟังก์ชันวัตถุประสงค์ (ค่าต่ำสุดหรือค่าสูงสุด)
เมื่อมีข้อ จำกัด ที่กำหนดเกี่ยวกับตัวแปรในรูปแบบของความเท่าเทียมกัน (เช่นมีการกำหนดช่วงของค่าที่ยอมรับได้)
˗ นี่คือค่าของอาร์กิวเมนต์ของฟังก์ชัน (พารามิเตอร์ควบคุม) บนพื้นที่จริงซึ่งค่าของฟังก์ชันมีแนวโน้มสูงสุด การใช้ชื่อ "conditional" extremum เกิดจากการกำหนดตัวแปร เงื่อนไขเพิ่มเติมซึ่งจำกัดช่วงของค่าที่อนุญาตเมื่อค้นหาฟังก์ชันสุดขั้ว
วิธีการคูณ Lagrange อนุญาตให้ค้นหาปัญหา สุดขั้วตามเงื่อนไขฟังก์ชั่นวัตถุประสงค์ในการตั้งค่าที่ยอมรับได้เพื่อแปลงเป็นปัญหาของการเพิ่มประสิทธิภาพที่ไม่มีข้อ จำกัด ของฟังก์ชั่น
ถ้าฟังก์ชั่น และ มีความต่อเนื่องร่วมกับอนุพันธ์ย่อย จากนั้นมีตัวแปร λ ที่ไม่เท่ากับศูนย์พร้อมกัน ซึ่งเป็นไปตามเงื่อนไขต่อไปนี้:
ดังนั้น ตามวิธีการของตัวคูณลากรองจ์เพื่อค้นหาค่าสุดขั้วของฟังก์ชันวัตถุประสงค์ในชุดค่าที่ยอมรับได้ ฉันจึงเขียนฟังก์ชันลากรองจ์ L(x, λ) ซึ่งได้รับการปรับให้เหมาะสมเพิ่มเติม:
โดยที่ λ ˗ เป็นเวกเตอร์ของตัวแปรเพิ่มเติมที่เรียกว่าตัวคูณ Lagrange ไม่จำกัด
ดังนั้น ปัญหาในการหาค่าสุดขั้วตามเงื่อนไขของฟังก์ชัน f(x) จึงลดลงเป็นปัญหาในการหาค่าสุดขั้วแบบไม่มีเงื่อนไขของฟังก์ชัน L(x, λ)
และ
เงื่อนไขที่จำเป็นสำหรับสุดขั้วของฟังก์ชันลากรองจ์กำหนดโดยระบบสมการ (ระบบประกอบด้วยสมการ "n + m"):
คำตอบของระบบสมการนี้ทำให้สามารถกำหนดอาร์กิวเมนต์ของฟังก์ชัน (X) ซึ่งค่าของฟังก์ชัน L(x, λ) เช่นเดียวกับค่าของฟังก์ชันวัตถุประสงค์ f(x) สอดคล้องกับ สุดขีด
ค่าของตัวคูณลากรองจ์ (λ) นั้นมีประโยชน์ในทางปฏิบัติหากข้อจำกัดถูกแสดงในรูปแบบที่มีเทอมอิสระของสมการ (ค่าคงที่) ในกรณีนี้ เราสามารถพิจารณาเพิ่มเติม (เพิ่ม/ลด) ค่าของฟังก์ชันวัตถุประสงค์ได้โดยการเปลี่ยนค่าของค่าคงที่ในระบบสมการ ดังนั้นตัวคูณ Lagrange แสดงลักษณะอัตราการเปลี่ยนแปลงในฟังก์ชันวัตถุประสงค์สูงสุดโดยมีการเปลี่ยนแปลงค่าคงที่จำกัด
มีหลายวิธีในการกำหนดลักษณะของค่าสูงสุดของฟังก์ชันที่เป็นผลลัพธ์:
วิธีแรก: ให้ - พิกัดของจุดสูงสุดและ - ค่าที่สอดคล้องกันของฟังก์ชันวัตถุประสงค์ จุดที่อยู่ใกล้กับจุดจะถูกนำมาใช้ และค่าของฟังก์ชันวัตถุประสงค์จะถูกคำนวณ:
ถ้า แล้วมีจุดสูงสุด
ถ้า แล้วมีจุดต่ำสุด
วิธีที่สอง: เงื่อนไขที่เพียงพอซึ่งเราสามารถกำหนดลักษณะของค่าสูงสุดได้คือสัญญาณของส่วนต่างที่สองของฟังก์ชันลากรองจ์ ดิฟเฟอเรนเชียลที่สองของฟังก์ชันลากรองจ์ถูกกำหนดดังนี้:
หากถึงจุดที่กำหนด ขั้นต่ำ, ถ้า แล้วฟังก์ชันวัตถุประสงค์ f(x) มีเงื่อนไข ขีดสุด.
วิธีที่สาม: นอกจากนี้ยังสามารถพบธรรมชาติของฟังก์ชันสุดขั้วได้โดยพิจารณาจากฟังก์ชัน Hessian of the Lagrange เมทริกซ์ Hessian เป็นเมทริกซ์กำลังสองสมมาตรของอนุพันธ์ย่อยอันดับสองของฟังก์ชัน ณ จุดที่องค์ประกอบเมทริกซ์สมมาตรรอบเส้นทแยงมุมหลัก
ในการกำหนดประเภทของ extremum (สูงสุดหรือต่ำสุดของฟังก์ชัน) คุณสามารถใช้กฎ Sylvester:
1. เพื่อให้ส่วนต่างที่สองของฟังก์ชันลากรองจ์เป็นเครื่องหมายบวก จำเป็นที่มุมรองของฟังก์ชันจะต้องเป็นค่าบวก ภายใต้เงื่อนไขดังกล่าว ฟังก์ชันมีค่าต่ำสุด ณ จุดนี้
2. เพื่อให้ส่วนต่างที่สองของฟังก์ชันลากรองจ์เป็นเครื่องหมายลบ จำเป็นที่ผู้เยาว์เชิงมุมของฟังก์ชันจะสลับกัน และองค์ประกอบแรกของเมทริกซ์ต้องเป็นค่าลบ sv ภายใต้เงื่อนไขดังกล่าว ฟังก์ชันจะมีค่าสูงสุด ณ จุดนี้
มุมรองเป็นมุมรองที่อยู่ใน k แถวแรกและ k คอลัมน์ของเมทริกซ์ดั้งเดิม
ความสำคัญเชิงปฏิบัติหลักของวิธี Lagrange คือช่วยให้คุณเปลี่ยนจากการเพิ่มประสิทธิภาพแบบมีเงื่อนไขเป็นแบบไม่มีเงื่อนไขและขยายคลังแสง วิธีการที่มีอยู่การแก้ปัญหา. อย่างไรก็ตามปัญหาของการแก้ระบบสมการซึ่งวิธีนี้ลดลงใน กรณีทั่วไปไม่ง่ายไปกว่าปัญหาดั้งเดิมในการค้นหาจุดสูงสุด วิธีการดังกล่าวเรียกว่าทางอ้อม อธิบายการใช้งานของพวกเขาโดยความต้องการที่จะได้รับการแก้ปัญหาสุดโต่งในรูปแบบการวิเคราะห์ (ตัวอย่างเช่นสำหรับการคำนวณทางทฤษฎีบางอย่าง) เมื่อแก้ปัญหาเชิงปฏิบัติที่เฉพาะเจาะจง มักจะใช้วิธีโดยตรงตามกระบวนการวนซ้ำของการคำนวณและเปรียบเทียบค่าของฟังก์ชันที่ปรับให้เหมาะสม
วิธีการคำนวณ
1 ขั้นตอน: เรากำหนดฟังก์ชัน Lagrange จากฟังก์ชันวัตถุประสงค์ที่กำหนดและระบบของข้อจำกัด:
ซึ่งไปข้างหน้า
หากต้องการเพิ่มความคิดเห็นของคุณในบทความ โปรดลงทะเบียนบนเว็บไซต์
อัน(t)z(n)(t) + อัน − 1(t)z(n − 1)(t) + ... + a1(t)z"(t) + a0(t)z(t) = ฉ(เสื้อ)
ประกอบด้วยการแทนที่ค่าคงที่โดยพลการ ck ในโซลูชันทั่วไป
z(เสื้อ) = c1z1(เสื้อ) + c2z2(เสื้อ) + ...
ซีเอ็นเอ็น(t)
ที่สอดคล้องกัน สมการที่เป็นเนื้อเดียวกัน
อัน(t)z(n)(t) + อัน − 1(t)z(n − 1)(t) + ... + a1(t)z"(t) + a0(t)z(t) = 0
กับฟังก์ชันเสริม ck(t) ซึ่งอนุพันธ์เป็นไปตามระบบพีชคณิตเชิงเส้น
ดีเทอร์มีแนนต์ของระบบ (1) คือ Wronskian ของฟังก์ชัน z1,z2,...,zn ซึ่งทำให้แน่ใจได้ว่าสามารถแก้ไขได้เฉพาะในส่วนที่เกี่ยวกับ
หากเป็น antiderivatives สำหรับค่าคงที่ของค่าคงที่ของการรวมแล้วฟังก์ชัน
เป็นคำตอบของสมการอนุพันธ์เชิงอนุพันธ์เชิงเส้นเอกพันธ์ดั้งเดิม การบูรณาการ สมการเอกพันธ์ในที่ที่มีคำตอบทั่วไปของสมการเอกพันธ์ที่สอดคล้องกัน จึงลดลงเป็นกำลังสอง
วิธีลากรองจ์ (วิธีการแปรผันของค่าคงที่โดยพลการ)
วิธีการหาวิธีแก้ปัญหาทั่วไปของสมการเอกพันธ์ โดยรู้คำตอบทั่วไปของสมการเอกพันธ์โดยไม่ต้องหาคำตอบเฉพาะ
สำหรับสมการเชิงอนุพันธ์เอกพันธ์เชิงเส้นของลำดับที่ n
y(n) + a1(x) y(n-1) + ... + an-1 (x) y" + an(x) y = 0,
โดยที่ y = y(x) เป็นฟังก์ชันที่ไม่รู้จัก, a1(x), a2(x), ..., an-1(x), an(x) เป็นที่รู้จัก, ต่อเนื่อง, จริง: 1) มี n เชิงเส้น การตัดสินใจที่เป็นอิสระสมการ y1(x), y2(x), ..., yn(x); 2) สำหรับค่าคงที่ใด ๆ c1, c2, ..., cn, ฟังก์ชัน y(x)= c1 y1(x) + c2 y2(x) + ... + cn yn(x) คือ a คำตอบของสมการ 3) สำหรับค่าเริ่มต้นใด ๆ x0, y0, y0,1, ..., y0,n-1 มีค่า c*1, c*n, ..., c*n เช่นนั้นวิธีแก้ปัญหา y*(x)= c*1 y1(x) + c*2 y2(x) + ... + c*n yn (x) เป็นไปตาม x = x0 เงื่อนไขเริ่มต้น y*(x0)=y0, ( y*)"(x0) =y0,1 , ...,(y*)(n-1)(x0)=y0,n-1
นิพจน์ y(x)= c1 y1(x) + c2 y2(x) + ... + cn yn(x) เรียกว่า วิธีแก้ปัญหาทั่วไปสมการเชิงอนุพันธ์เอกพันธ์เชิงเส้นของลำดับที่ n
ชุดของคำตอบอิสระเชิงเส้น n ของสมการเชิงอนุพันธ์เอกพันธ์เชิงเส้นของลำดับที่ n y1(x), y2(x), ..., yn(x) เรียกว่าระบบพื้นฐานของการแก้สมการ
สำหรับสมการเชิงอนุพันธ์เชิงเอกพันธ์เชิงเส้นด้วย ค่าสัมประสิทธิ์คงที่มีอัลกอริทึมอย่างง่ายสำหรับการสร้างระบบพื้นฐานของการแก้ปัญหา เราจะหาคำตอบของสมการในรูปแบบ y(x) = exp(lx): exp(lx)(n) + a1exp(lx)(n-1) + ... + an-1exp(lx) " + anexp(lx) = = (ln + a1ln-1 + ... + an-1l + an)exp(lx) = 0 เช่น หมายเลข l คือราก สมการคุณลักษณะ ln + a1ln-1 + ... + an-1l + an = 0 ทางด้านซ้ายของสมการคุณลักษณะเรียกว่าพหุนามคุณลักษณะของสมการเชิงอนุพันธ์เชิงเส้น: P(l) = ln + a1ln-1 + ... + an-1l + อัน ดังนั้นปัญหาในการแก้สมการเอกพันธ์เชิงเส้นของลำดับที่ n ด้วยค่าสัมประสิทธิ์คงที่จึงลดลงเป็นการแก้สมการพีชคณิต
ถ้าสมการคุณลักษณะมีรากที่แท้จริงต่างกัน n ตัว l1№ l2 № ... № ln ระบบพื้นฐานของคำตอบจะประกอบด้วยฟังก์ชัน y1(x) = exp(l1x), y2(x) = exp(l2x), . .., yn (x) = exp(lnx) และคำตอบทั่วไปของสมการเอกพันธ์คือ: y(x)= c1 exp(l1x) + c2 exp(l2x) + ... + cn exp(lnx)
ระบบพื้นฐานของคำตอบและวิธีแก้ปัญหาทั่วไปสำหรับกรณีของรากที่แท้จริงอย่างง่าย
หากรากที่แท้จริงของสมการคุณลักษณะซ้ำกัน r ครั้ง (ราก r-fold) ดังนั้นฟังก์ชัน r จะสอดคล้องกับสมการนั้นในระบบพื้นฐานของคำตอบ ถ้า lk=lk+1 = ... = lk+r-1 แล้วเข้า ระบบพื้นฐานการแก้สมการ มีฟังก์ชัน r: yk(x) = exp(lkx), yk+1(x) = xexp(lkx), yk+2(x) = x2exp(lkx), ..., yk+ r-1( x)=xr-1exp(lnx).
ตัวอย่าง 2. ระบบพื้นฐานของการแก้ปัญหาและการแก้ปัญหาทั่วไปสำหรับกรณีของจำนวนจริงหลายราก
ถ้าสมการคุณลักษณะมีรากที่ซับซ้อน ดังนั้นแต่ละคู่ของรากเชิงซ้อนอย่างง่าย (ของการคูณ 1) lk,k+1=ak ± ibk ในระบบพื้นฐานของคำตอบจะสอดคล้องกับคู่ของฟังก์ชัน yk(x) = exp(akx) cos(bkx), yk+ 1(x) = exp(akx)sin(bkx).
ตัวอย่าง 4. ระบบพื้นฐานของการแก้ปัญหาและการแก้ปัญหาทั่วไปสำหรับกรณีของรากที่ซับซ้อนอย่างง่าย รากในจินตนาการ
หากคู่ของรากที่ซับซ้อนมีจำนวนหลายหลาก r ดังนั้นคู่ดังกล่าว lk=lk+1 = ... = l2k+2r-1=ak ± ibk ในระบบพื้นฐานของการแก้ปัญหาจะสอดคล้องกับฟังก์ชัน exp(akx)cos( bkx), exp(akx )sin(bkx), xexp(akx)cos(bkx), xexp(akx)sin(bkx), x2exp(akx) cos(bkx), x2exp(akx)sin(bkx), .. ...... ........ xr-1exp(akx)cos(bkx), xr-1exp(akx)sin(bkx).
ตัวอย่าง 5. ระบบพื้นฐานของโซลูชันและโซลูชันทั่วไปสำหรับกรณีของรากที่ซับซ้อนหลายตัว
ดังนั้น ในการหาคำตอบทั่วไปของสมการเชิงอนุพันธ์เชิงเอกพันธ์เชิงเส้นที่มีค่าสัมประสิทธิ์คงที่ เราควรเขียนสมการคุณลักษณะลงไป ค้นหารากทั้งหมดของสมการคุณลักษณะ l1, l2, ... , ln; เขียนระบบพื้นฐานของการแก้ปัญหา y1(x), y2(x), ..., yn(x); เขียนนิพจน์สำหรับวิธีแก้ปัญหาทั่วไป y(x)= c1 y1(x) + c2 y2(x) + ... + cn yn(x) ในการแก้ปัญหา Cauchy เราจำเป็นต้องแทนที่นิพจน์สำหรับวิธีแก้ปัญหาทั่วไปในเงื่อนไขเริ่มต้นและกำหนดค่าของค่าคงที่ c1,..., cn ซึ่งเป็นคำตอบของระบบเชิงเส้น สมการพีชคณิต c1 y1(x0) + c2 y2(x0) + ... + cn yn(x0) = y0, c1 y"1(x0) + c2 y"2(x0) + ... + cn y"n(x0 ) =y0,1, ......... , c1 y1(n-1)(x0) + c2 y2(n-1)(x0) + ... + cn yn(n-1)( x0) = y0,n-1
สำหรับสมการเชิงอนุพันธ์เชิงอนุพันธ์เชิงเส้นของอันดับ n
y(n) + a1(x) y(n-1) + ... + an-1 (x) y" + an(x) y = f(x),
โดยที่ y = y(x) เป็นฟังก์ชันที่ไม่รู้จัก, a1(x), a2(x), ..., an-1(x), an(x), f(x) เป็นที่รู้จัก, ต่อเนื่อง, ถูกต้อง: 1 ) ถ้า y1(x) และ y2(x) เป็นสองคำตอบของสมการเอกพันธ์ ดังนั้นฟังก์ชัน y(x) = y1(x) - y2(x) คือคำตอบของสมการเอกพันธ์ที่สอดคล้องกัน 2) ถ้า y1(x) เป็นคำตอบของสมการเอกพันธ์ และ y2(x) เป็นคำตอบของสมการเอกพันธ์ที่สอดคล้องกัน ดังนั้นฟังก์ชัน y(x) = y1(x) + y2(x) จะเป็นคำตอบของ สมการที่ไม่เอกพันธ์ 3) ถ้า y1(x), y2(x), ..., yn(x) เป็นคำตอบอิสระเชิงเส้น n ของสมการเอกพันธ์ และ ych(x) - การตัดสินใจโดยพลการสมการไม่เป็นเนื้อเดียวกันจากนั้นสำหรับค่าเริ่มต้นใด ๆ x0, y0, y0,1, ..., y0,n-1 มีค่า c*1, c*n, ..., c*n เช่นนั้น วิธีแก้ปัญหา y*(x )=c*1 y1(x) + c*2 y2(x) + ... + c*n yn (x) + ych(x) เป็นไปตาม x = x0 เงื่อนไขเริ่มต้น y*( x0)=y0, ( y*)"(x0)=y0,1 , ...,(y*)(n-1)(x0)=y0,n-1.
นิพจน์ y(x)= c1 y1(x) + c2 y2(x) + ... + cn yn(x) + ych(x) เรียกว่าคำตอบทั่วไปของสมการอนุพันธ์เชิงอนุพันธ์เชิงเส้นของอันดับ n
เพื่อหาทางออกเฉพาะของ inhomogeneous สมการเชิงอนุพันธ์ด้วยค่าสัมประสิทธิ์คงที่ทางขวามือของรูปแบบ: Pk(x)exp(ax)cos(bx) + Qm(x)exp(ax)sin(bx) โดยที่ Pk(x), Qm(x) เป็นพหุนาม ของระดับ k และ m ตามนั้น มีอัลกอริทึมอย่างง่ายสำหรับการสร้างวิธีแก้ปัญหาเฉพาะ ซึ่งเรียกว่าวิธีการเลือก
วิธีการเลือกหรือวิธีหาค่าสัมประสิทธิ์ไม่แน่นอนมีดังนี้ คำตอบของสมการที่ต้องการเขียนเป็น: (Pr(x)exp(ax)cos(bx) + Qr(x)exp(ax)sin(bx))xs โดยที่ Pr(x), Qr(x) คือ พหุนามของดีกรี r = สูงสุด(k, m) พร้อมค่าสัมประสิทธิ์ที่ไม่รู้จัก pr , pr-1, ..., p1, p0, qr, qr-1, ..., q1, q0 ปัจจัย xs เรียกว่าปัจจัยเรโซแนนซ์ การสั่นพ้องเกิดขึ้นในกรณีที่รากของสมการคุณลักษณะมีราก l = a ± ib ของหลายหลาก s เหล่านั้น. ถ้าในรากของสมการคุณลักษณะของสมการเอกพันธ์ที่สอดคล้องกันมีส่วนจริงที่ตรงกับค่าสัมประสิทธิ์ในเลขชี้กำลังของเลขชี้กำลังและส่วนจินตภาพตรงกับค่าสัมประสิทธิ์ในการโต้แย้งของฟังก์ชันตรีโกณมิติทางด้านขวา ของสมการและผลคูณของรูต s นี้ จากนั้นในคำตอบเฉพาะที่ต้องการจะมีตัวประกอบเรโซแนนซ์ xs หากไม่มีความบังเอิญ (s=0) แสดงว่าไม่มีปัจจัยพ้อง
แทนที่นิพจน์สำหรับคำตอบเฉพาะทางด้านซ้ายของสมการ เราจะได้พหุนามทั่วไปในรูปแบบเดียวกับพหุนามทางด้านขวาของสมการ ซึ่งไม่ทราบค่าสัมประสิทธิ์
พหุนามทั่วไปสองตัวจะเท่ากันก็ต่อเมื่อค่าสัมประสิทธิ์ของตัวประกอบในรูปแบบ xtexp(ax)sin(bx), xtexp(ax)cos(bx) ที่มีกำลังเท่ากันของ t เท่ากัน การเทียบค่าสัมประสิทธิ์ของปัจจัยดังกล่าว เราได้ระบบสมการพีชคณิตเชิงเส้น 2(r+1) ในค่าที่ไม่รู้จัก 2(r+1) แสดงให้เห็นว่าระบบดังกล่าวมีความสอดคล้องกันและมีโซลูชันเฉพาะ
- กวดวิชา
วันดีทุกคน ในบทความนี้ฉันต้องการแสดงหนึ่งใน วิธีการกราฟิกอาคาร แบบจำลองทางคณิตศาสตร์สำหรับระบบไดนามิกซึ่งเรียกว่า กราฟพันธบัตร("พันธบัตร" - การเชื่อมต่อ "กราฟ" - กราฟ) ในวรรณคดีรัสเซียฉันพบคำอธิบายของวิธีนี้เฉพาะในตำราเรียนของ Tomsk Polytechnic University, A.V. Voronin "แบบจำลองของระบบเมคคาทรอนิกส์" 2551 แสดงวิธีการแบบคลาสสิกผ่านสมการลากรองจ์ประเภทที่ 2
วิธีลากรองจ์
ฉันจะไม่วาดทฤษฎี ฉันจะแสดงขั้นตอนการคำนวณและแสดงความคิดเห็นเล็กน้อย โดยส่วนตัวแล้วฉันคิดว่าการเรียนรู้จากตัวอย่างง่ายกว่าการอ่านทฤษฎี 10 เท่า สำหรับฉันแล้วดูเหมือนว่าในวรรณคดีรัสเซียคำอธิบายของวิธีนี้และคณิตศาสตร์หรือฟิสิกส์นั้นเต็มไปด้วยสูตรที่ซับซ้อนซึ่งจำเป็นต้องมีพื้นฐานทางคณิตศาสตร์อย่างจริงจัง ในขณะที่ศึกษาวิธี Lagrange (เรียนที่ Turin Polytechnic University ประเทศอิตาลี) ฉันได้ศึกษาวรรณคดีรัสเซียเพื่อเปรียบเทียบวิธีการคำนวณ และเป็นเรื่องยากสำหรับฉันที่จะติดตามความคืบหน้าของการแก้ปัญหาด้วยวิธีนี้ แม้แต่การจำหลักสูตรการสร้างแบบจำลองที่ Kharkov Aviation Institute การได้มาของวิธีการดังกล่าวก็ยุ่งยากมากและไม่มีใครสนใจที่จะทำความเข้าใจปัญหานี้ นี่คือสิ่งที่ฉันตัดสินใจเขียน คู่มือสำหรับการสร้างแบบจำลองเสื่อตาม Lagrange เมื่อปรากฎว่ามันไม่ยากเลย เพียงพอที่จะรู้วิธีคำนวณอนุพันธ์ของเวลาและอนุพันธ์บางส่วน สำหรับโมเดลที่ซับซ้อนมากขึ้น จะมีการเพิ่มเมทริกซ์การหมุน แต่ก็ไม่มีอะไรซับซ้อนเช่นกันคุณสมบัติของวิธีการสร้างแบบจำลอง:
- นิวตัน ออยเลอร์: สมการเวกเตอร์ตามสมดุลไดนามิก กองกำลัง (แรง)และ ช่วงเวลา
- ลากรองจ์: สมการสเกลาร์ตามฟังก์ชันสถานะที่เกี่ยวข้องกับจลนศาสตร์และศักยภาพ พลังงาน
- กราฟพันธบัตร: วิธีการไหลตาม อำนาจ (อำนาจ)ระหว่างองค์ประกอบของระบบ
เริ่มจากตัวอย่างง่ายๆ น้ำหนักพร้อมสปริงและแดมเปอร์ เราละเลยแรงโน้มถ่วง
รูปที่ 1. น้ำหนักพร้อมสปริงและแดมเปอร์
ก่อนอื่น เรากำหนด:
- ระบบพิกัดเริ่มต้น(NSK) หรือฟิกซ์เจอร์สก R0(i0,j0,k0). ที่ไหน? คุณสามารถแหย่นิ้วของคุณขึ้นไปบนท้องฟ้าได้ แต่ด้วยการกระตุกปลายเซลล์ประสาทในสมอง ความคิดในการวาง NSC บนแนวการเคลื่อนไหวของร่างกาย M1 ก็ผ่านไป
- ระบบประสานงานสำหรับแต่ละร่างกายด้วยมวล(เรามี M1 R1(i1,j1,k1)) การวางแนวอาจเป็นไปตามอำเภอใจ แต่ทำไมชีวิตของคุณถึงซับซ้อน เรากำหนดความแตกต่างขั้นต่ำจาก NSC
- พิกัดทั่วไป q_i(จำนวนตัวแปรขั้นต่ำที่สามารถอธิบายการเคลื่อนที่ได้) ในตัวอย่างนี้ พิกัดทั่วไปหนึ่งพิกัด การเคลื่อนที่ตามแนวแกน j เท่านั้น
รูปที่ 2. วางระบบพิกัดและพิกัดทั่วไป
รูปที่ 3. ตำแหน่งและความเร็วของร่างกาย M1
หลังจากที่เราพบพลังงานจลน์ (C) และศักยภาพ (P) และฟังก์ชันการกระจายตัว (D) สำหรับแดมเปอร์ตามสูตร:
รูปที่ 4. เต็มสูตรพลังงานจลน์
ในตัวอย่างของเรา ไม่มีการหมุน องค์ประกอบที่สองคือ 0
รูปที่ 5. การคำนวณจลนศาสตร์ พลังงานศักย์ และฟังก์ชันการกระจายตัว
สมการลากรองจ์มีรูปแบบดังนี้
รูปที่ 6. สมการลากรองจ์และลากรองจ์
เดลต้า W_iมันเป็นงานเสมือนที่ทำโดยใช้แรงและช่วงเวลา มาหากันเถอะ:
รูปที่ 7. การคำนวณงานเสมือน
ที่ไหน เดลต้า q_1การเคลื่อนไหวเสมือนจริง
เราแทนทุกอย่างลงในสมการลากรองจ์:
รูปที่ 8. แบบจำลองมวลที่ได้พร้อมสปริงและแดมเปอร์
นี่คือจุดสิ้นสุดของวิธีลากรองจ์ อย่างที่คุณเห็น มันไม่ใช่เรื่องยาก แต่ก็ยังเป็นตัวอย่างง่ายๆ ซึ่งวิธีของนิวตัน-ออยเลอร์น่าจะง่ายกว่าด้วยซ้ำ สำหรับระบบที่ซับซ้อนมากขึ้น ซึ่งจะมีวัตถุหลายชิ้นหมุนสัมพันธ์กันในมุมต่างๆ วิธีลากรองจ์จะง่ายกว่า
วิธีกราฟพันธบัตร
ฉันจะแสดงให้คุณเห็นทันทีว่าแบบจำลองมีลักษณะอย่างไรในกราฟพันธบัตรสำหรับตัวอย่างที่มีมวลของสปริงและแดมเปอร์:รูปที่ 9. มวลกราฟบอนด์พร้อมสปริงและแดมเปอร์
ตรงนี้ต้องขอเล่าทฤษฎีเล็กๆ น้อยๆ ก็พอสร้างได้ โมเดลที่เรียบง่าย. หากผู้ใดสนใจสามารถอ่านหนังสือ ( วิธีการของกราฟพันธบัตร) หรือ ( โวโรนิน A.V. การสร้างแบบจำลองของระบบเมคคาทรอนิกส์: กวดวิชา. - Tomsk: สำนักพิมพ์แห่ง Tomsk Polytechnic University, 2008).
ให้เรานิยามก่อนว่าระบบที่ซับซ้อนประกอบด้วยหลายโดเมน ตัวอย่างเช่น มอเตอร์ไฟฟ้าประกอบด้วยชิ้นส่วนหรือโดเมนไฟฟ้าและเครื่องกล
กราฟพันธบัตรขึ้นอยู่กับการแลกเปลี่ยนพลังงานระหว่างโดเมน ระบบย่อยเหล่านี้ โปรดทราบว่าการแลกเปลี่ยนพลังงานไม่ว่าจะอยู่ในรูปแบบใดก็ตาม ถูกกำหนดโดยตัวแปรสองตัวเสมอ ( พลังแปรผัน) ด้วยความช่วยเหลือซึ่งเราสามารถศึกษาปฏิสัมพันธ์ของระบบย่อยต่าง ๆ ซึ่งเป็นส่วนหนึ่งของระบบไดนามิก (ดูตาราง)
ดังที่เห็นได้จากตาราง การแสดงออกของพลังเกือบจะเหมือนกันทุกที่ สรุป, พลัง- งานนี้ " กระแส - ฉ" บน " ความพยายาม - อี».
ความพยายาม(ภาษาอังกฤษ) ความพยายาม) ในโดเมนไฟฟ้าคือแรงดัน (e) ในโดเมนทางกลคือแรง (F) หรือโมเมนต์ (T) ในระบบไฮดรอลิกส์คือแรงดัน (p)
ไหล(ภาษาอังกฤษ) ไหล) ในโดเมนทางไฟฟ้าคือกระแส (i) ในโดเมนทางกลคือความเร็ว (v) หรือความเร็วเชิงมุม (โอเมก้า) ในระบบไฮดรอลิกส์คือการไหลหรือการไหลของของไหล (Q)
เราได้รับการแสดงออกของพลัง:
รูปที่ 10. สูตรกำลังในแง่ของตัวแปรกำลัง
ในภาษากราฟพันธะ การเชื่อมต่อระหว่างสองระบบย่อยที่แลกเปลี่ยนพลังงานจะแสดงด้วยพันธะ พันธบัตร). นั่นคือเหตุผลที่วิธีนี้เรียกว่า กราฟพันธบัตรหรือ ก การเชื่อมต่อ raf กราฟที่เชื่อมต่อ. พิจารณา บล็อกไดอะแกรมพันธบัตรในรุ่นด้วยมอเตอร์ไฟฟ้า (นี่ยังไม่ใช่กราฟพันธบัตร):
รูปที่ 11. บล็อกไดอะแกรมของกระแสไฟระหว่างโดเมน
หากเรามีแหล่งจ่ายแรงดัน มันจะสร้างแรงดันและจ่ายให้กับมอเตอร์เพื่อกรอกลับ (ดังนั้น ลูกศรจึงชี้ไปที่มอเตอร์) ขึ้นอยู่กับความต้านทานของขดลวด กระแสจะปรากฏขึ้นตามกฎของโอห์ม (กำกับจาก มอเตอร์ไปยังแหล่งจ่าย) ดังนั้น ตัวแปรหนึ่งคืออินพุตไปยังระบบย่อย และตัวแปรที่สองจะต้องจำเป็น ทางออกจากระบบย่อย นี่คือแรงดันไฟฟ้า ( ความพยายาม) – อินพุต, ปัจจุบัน ( ไหล) - เอาต์พุต
หากคุณใช้แหล่งข้อมูลปัจจุบัน ไดอะแกรมจะเปลี่ยนไปอย่างไร อย่างถูกต้อง กระแสจะถูกส่งตรงไปยังมอเตอร์และแรงดันไปยังแหล่งจ่าย จากนั้นกระแส ( ไหล) – อินพุต, แรงดันไฟฟ้า ( ความพยายาม) - เอาต์พุต
พิจารณาตัวอย่างในกลศาสตร์ แรงที่กระทำต่อมวล
รูปที่ 12. แรงที่ใช้กับมวล
แผนภาพบล็อกจะเป็นดังนี้:
รูปที่ 13. บล็อกไดอะแกรม
ในตัวอย่างนี้ ความแข็งแกร่ง ( ความพยายาม) เป็นตัวแปรอินพุตสำหรับมวล (แรงที่กระทำต่อมวล)
ตามกฎข้อที่สองของนิวตัน:
มวลชนตอบสนองด้วยความเร็ว:
ในตัวอย่างนี้ ถ้าตัวแปรหนึ่งตัว ( บังคับ - ความพยายาม) เป็น ทางเข้าเข้าไปในโดเมนเชิงกล จากนั้นตัวแปรกำลังอีกตัว ( ความเร็ว - ไหล) - กลายเป็นโดยอัตโนมัติ ทางออก.
เพื่อแยกแยะว่าอินพุตอยู่ที่ใดและเอาต์พุตอยู่ที่ใดจะใช้เส้นแนวตั้งที่ส่วนท้ายของลูกศร (การเชื่อมต่อ) ระหว่างองค์ประกอบ เส้นนี้เรียกว่า สัญญาณของสาเหตุ
หรือ เวรกรรม
(เวรกรรม). ปรากฎว่า: แรงที่ใช้เป็นสาเหตุและความเร็วคือผลกระทบ เครื่องหมายนี้มีความสำคัญมากสำหรับการสร้างแบบจำลองระบบที่ถูกต้อง เนื่องจากสาเหตุเป็นผลมาจากพฤติกรรมทางกายภาพและการแลกเปลี่ยนพลังงานของระบบย่อยสองระบบ ดังนั้นการเลือกตำแหน่งของสัญลักษณ์สาเหตุจึงไม่เป็นไปตามอำเภอใจ
รูปที่ 14. สัญกรณ์สาเหตุ
เส้นแนวตั้งนี้แสดงว่าระบบย่อยใดได้รับแรง ( ความพยายาม) และเป็นผลให้สร้างโฟลว์ ( ไหล). ในตัวอย่างมวล จะมีลักษณะดังนี้:
รูปที่ 14. สาเหตุของแรงที่กระทำต่อมวล
ตามลูกศร เป็นที่ชัดเจนว่าอินพุตสำหรับมวล - บังคับและเอาต์พุตคือ ความเร็ว. สิ่งนี้ทำเพื่อไม่ให้โครงร่างและการจัดระบบของการสร้างแบบจำลองยุ่งเหยิงด้วยลูกศร
จุดสำคัญต่อไป โมเมนตัมทั่วไป(ปริมาณการเคลื่อนไหว) และ ย้าย(ตัวแปรพลังงาน).
ตารางตัวแปรกำลังและพลังงานในโดเมนต่างๆ
ตารางด้านบนแสดงปริมาณทางกายภาพเพิ่มเติมสองปริมาณที่ใช้ในวิธีกราฟพันธะ พวกเขาเรียกว่า โมเมนตัมทั่วไป (ร) และ การกระจัดทั่วไป (ถาม) หรือตัวแปรพลังงาน และสามารถรับได้โดยการรวมตัวแปรกำลังในช่วงเวลาหนึ่ง:
รูปที่ 15. ความสัมพันธ์ระหว่างกำลังและตัวแปรพลังงาน
ในโดเมนไฟฟ้า :
ตามกฎของฟาราเดย์ แรงดันไฟฟ้าที่ปลายของตัวนำจะเท่ากับอนุพันธ์ของฟลักซ์แม่เหล็กที่ผ่านตัวนำนี้
และ ความแรงในปัจจุบัน - ปริมาณทางกายภาพเท่ากับอัตราส่วนของจำนวนประจุ Q ที่ผ่านไประยะหนึ่ง t ผ่านส่วนตัดของตัวนำเป็นค่าของช่วงเวลานี้
โดเมนเครื่องกล:
จากกฎข้อที่ 2 ของนิวตัน บังคับคืออนุพันธ์ของเวลาของโมเมนตัม
และตามลําดับ ความเร็ว- อนุพันธ์ของเวลาของการกระจัด:
ขอสรุป:
องค์ประกอบพื้นฐาน
องค์ประกอบทั้งหมดในระบบไดนามิกสามารถแบ่งออกเป็นองค์ประกอบสองขั้วและสี่ขั้วพิจารณา ส่วนประกอบสองขั้ว:
แหล่งที่มา
แหล่งที่มามีทั้งความพยายามและการไหล การเปรียบเทียบในโดเมนไฟฟ้า: แหล่งที่มาของความพยายาม – แหล่งจ่ายแรงดัน, แหล่งที่มาของการไหล – แหล่งปัจจุบัน. สัญญาณสาเหตุสำหรับแหล่งที่มาควรเป็นเช่นนั้นเท่านั้น
รูปที่ 16. การเชื่อมโยงสาเหตุและการกำหนดแหล่งที่มา
ส่วนประกอบ R
- องค์ประกอบกระจายตัว
ส่วนประกอบ I
– องค์ประกอบเฉื่อย
ส่วนประกอบ C
- องค์ประกอบความจุ
ดังจะเห็นได้จากตัวเลข องค์ประกอบที่แตกต่างกันของสิ่งเดียวกัน พิมพ์ R,C,Iอธิบายด้วยสมการเดียวกัน มีเพียงความแตกต่างของความจุไฟฟ้า คุณเพียงแค่ต้องจำไว้!
ส่วนประกอบ Quadripole:
พิจารณาสององค์ประกอบ หม้อแปลงและไจเรเตอร์
องค์ประกอบสุดท้ายที่สำคัญในวิธีกราฟพันธบัตรคือการเชื่อมต่อ โหนดมีสองประเภท:
นี่คือจุดสิ้นสุดขององค์ประกอบ
ขั้นตอนหลักในการวางความสัมพันธ์เชิงสาเหตุหลังจากสร้างกราฟพันธะ:
- ใส่ความเป็นเหตุเป็นผลกับทุกสิ่ง แหล่งที่มา
- ผ่านโหนดทั้งหมดและวางความสัมพันธ์เชิงสาเหตุหลังจากจุดที่ 1
- สำหรับ ส่วนประกอบ Iกำหนดสาเหตุของการป้อนข้อมูล (ความพยายามรวมอยู่ในองค์ประกอบนี้) สำหรับ ส่วนประกอบ คกำหนดสาเหตุของผลลัพธ์ (ความพยายามมาจากองค์ประกอบนี้)
- ทำซ้ำจุดที่ 2
- วาดลิงก์เชิงสาเหตุสำหรับ R ส่วนประกอบ
ลองแก้ตัวอย่างสองสามข้อ เริ่มต้นด้วย วงจรไฟฟ้าเป็นการดีที่จะเข้าใจการเปรียบเทียบของการสร้างกราฟพันธบัตร
ตัวอย่างที่ 1
มาเริ่มสร้างกราฟพันธะจากแหล่งจ่ายแรงดันกันเถอะ เพียงแค่เขียน Se และใส่ลูกศร
คุณเห็นว่าทุกอย่างง่าย! เราดูต่อไป R และ L เชื่อมต่อเป็นอนุกรมซึ่งหมายความว่ากระแสเดียวกันจะไหลในพวกมันหากเราพูดถึงตัวแปรกำลัง - การไหลเดียวกัน โหนดใดมีกระแสเดียวกัน? คำตอบที่ถูกต้องคือ 1 โหนด เราแนบแหล่งที่มา ความต้านทาน (ส่วนประกอบ - R) และความเหนี่ยวนำ (ส่วนประกอบ - I) เข้ากับ 1 โหนด
ต่อไป เรามีความจุและความต้านทานแบบขนาน ซึ่งหมายความว่ามีแรงดันหรือแรงเท่ากัน 0-node จะพอดีไม่เหมือนใคร เราเชื่อมต่อความจุ (ส่วนประกอบ C) และความต้านทาน (ส่วนประกอบ R) เข้ากับโหนด 0
โหนด 1 และ 0 เชื่อมต่อกันด้วย ทิศทางของลูกศรถูกเลือกโดยพลการ ทิศทางของการเชื่อมต่อมีผลกับเครื่องหมายในสมการเท่านั้น
รับกราฟลิงค์ต่อไปนี้:
ตอนนี้เราต้องวางความสัมพันธ์เชิงสาเหตุ ทำตามคำแนะนำสำหรับลำดับการติด เรามาเริ่มกันที่แหล่งที่มา
- เรามีแหล่งที่มาของความเครียด (ความพยายาม) แหล่งที่มาดังกล่าวมีตัวเลือกสาเหตุเพียงตัวเลือกเดียวเท่านั้น - เอาต์พุต เราใส่.
- จากนั้นมีองค์ประกอบ I เราดูสิ่งที่แนะนำ เราใส่
- วางลงสำหรับ 1 โหนด มี
- โหนด 0 ต้องมีหนึ่งอินพุตและลิงก์สาเหตุของเอาต์พุตทั้งหมด เรามีวันหยุดหนึ่งวัน เรากำลังมองหาส่วนประกอบ C หรือ I พบแล้ว เราใส่
- แสดงสิ่งที่เหลืออยู่
นั่นคือทั้งหมด สร้างกราฟพันธบัตร ไชโยสหาย!
สิ่งเดียวที่ต้องทำคือเขียนสมการที่อธิบายระบบของเรา ในการทำเช่นนี้เราจะสร้างตารางที่มี 3 คอลัมน์ ตัวแรกจะมีส่วนประกอบทั้งหมดของระบบ ตัวที่สองจะมีตัวแปรอินพุตสำหรับแต่ละองค์ประกอบ และตัวที่สามจะมีตัวแปรเอาต์พุตสำหรับส่วนประกอบเดียวกัน เราได้กำหนดทางเข้าออกไว้แล้วตามเหตุปัจจัย จึงไม่น่าจะมีปัญหาอะไร
ให้เรานับการเชื่อมต่อแต่ละรายการเพื่อความสะดวกในการเขียนสมการ เรานำสมการสำหรับแต่ละองค์ประกอบจากรายการส่วนประกอบ C, R, I
เมื่อรวบรวมตารางแล้ว เรากำหนดตัวแปรสถานะ ในตัวอย่างนี้มี 2, p3 และ q5 ถัดไป คุณต้องเขียนสมการของรัฐ:
เพียงเท่านี้โมเดลก็พร้อมแล้ว
ตัวอย่างที่ 2 ฉันแค่ต้องการขอโทษสำหรับคุณภาพของภาพถ่าย สิ่งสำคัญคือคุณสามารถอ่านได้
ลองแก้อีกตัวอย่างหนึ่งสำหรับระบบกลไก ซึ่งเป็นระบบเดียวกับที่เราแก้ไขด้วยวิธีลากรองจ์ ฉันจะแสดงวิธีแก้ปัญหาโดยไม่มีความคิดเห็น มาดูกันว่าวิธีใดต่อไปนี้ง่ายกว่ากัน
ใน matball โมเดลเสื่อทั้งสองถูกรวบรวมด้วยพารามิเตอร์เดียวกัน ซึ่งได้จากวิธี Lagrange และกราฟพันธะ ผลลัพธ์ด้านล่าง: เพิ่มป้ายกำกับ