Ali Karimpour Associate Professor Ferdowsi University of Mashhad ADVANCED CONTROL Reference: Chi-Tsong Chen, “Linear System Theory and Design”, 1999.

Slides:



Advertisements
Similar presentations
معاونت درمان امور مامایی اردیبهشت 90. برای ثبت اطلاعات در برنامه نرم افزاری نظام مراقبت مرگ پریناتال ابتدا لازم است برنامه نرم افزار info-path وپرنیان.
Advertisements

Stranded Costs مقدمه 1 - آشنايی با پديده های غيرخطی ( ياد آوری و تکميل ) 2 - مبانی رياضی ( مهم )
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS
الگوریتم ژنتیکی. تعریف  الگوریتم ژنتیکی، رویه ای تکراری است که راه حل های انتخابیش را بصورت رشته ای از ژنها که کروموزوم نامیده می شوند، بازنمایی می کند.
O r g a n i z a t i o n a l b e h a v i o r e l e v e n t h e d i t i o n.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
Decision Tree.
LINEAR CONTROL SYSTEMS
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
LINEAR CONTROL SYSTEMS Ali Karimpour Assistant Professor Ferdowsi University of Mashhad.
دسته بندی نیمه نظارتی (2)
1 Network Address Translation (NAT). 2 Private Network شبکه خصوصی شبکه ای است که بطور مستقیم به اینترنت متصل نیست در یک شبکه خصوصی آدرس های IP به دلخواه.
Lesson four Grade three
Image Transforms Instructed by : J. Shanbezadeh 1Jamshid Shanbehzadeh.
1 بنام خدا زبان برنامه نویسی C (21814( Lecture 14 Structures.
1.
موضوع: دبير مربوطه: آموزشگاه : اجرا : عبارتهای جبری خانم مقصودی
تمام اسب ها همرنگ هستند! Basis: h = 1 We have only one horse. Clearly all horses in the set are the same color. Inductive hypothesis: In any set of up.
The Stern-Gerlach Experiment 1. The Stern-Gerlach Experiment (SGE) is performed in 1921, to see if electron has an intrinsic magnetic moment. A beam of.
Support Vector Machine-Linearwww.mecharithm.com. Support Vector Machine: Separable case Min f(x) s.t. g(x)
LINEAR CONTROL SYSTEMS Ali Karimpour Associate Professor Ferdowsi University of Mashhad.
Arrangements of Lines C omputational Geometry By Samaneh shafi naderi
LINEAR CONTROL SYSTEMS Ali Karimpour Associate Professor Ferdowsi University of Mashhad.
Biological and Physical Sciences Math Concepts ریاضی.
آشنايي با سيستم اعداد.
LINEAR CONTROL SYSTEMS Ali Karimpour Associate Professor Ferdowsi University of Mashhad.
AHP فرایند تحلیل سلسله مراتبی. پیشگفتار یکی از کارآمد ترین تکنیک های تصمیم گیری فرایند تحلیل سلسله مراتبی ( Analytical Hierarchy process-AHP ) که اولین.
[c.
تمرین هفتم بسم الله الرحمن الرحیم درس یادگیری ماشین محمدعلی کیوان راد
هیدروگراف(Hydrograph) تهیه : دکتر محمد مهدی احمدی
به نام خدا POWER SYSTEM ANALYSIS Ali Karimpour Associate Professor
Ali Karimpour Associate Professor Ferdowsi University of Mashhad
بنام خدا زبان برنامه نویسی C (21814( Lecture 12 Selected Topics
SY800 router mode [AD-14-TB ].
Mobile Robot Kinematics
نمايش معادلات فضاي حالت توسط فرمهاي كانوليكال
آزمایشگاه پایگاه داده ها قیود در جداول یک پایگاه داده در SQL Server
برنامه ریزی خطی پیشرفته (21715( Advanced Linear Programming Lecture 11
چگونه بفهمیم آیا ژورنالی ISI است؟ ایمپکت فاکتور دارد یا خیر؟
فصل دوم جبر بول.
برنامه ریزی خطی پیشرفته (21715) Advanced Linear Programming Lecture 3
Ali Karimpour Associate Professor Ferdowsi University of Mashhad
1.
Ali Karimpour Associate Professor Ferdowsi University of Mashhad
Similarity transformation
Tree Sort.
کوئیز از جلسه قبل) کارخانه ای در حال خرید قطعه‌ای برای یکی از ماشین‌آلات خود می باشد اگر نرخ بهره 10% برای محاسبات فرض شود، دو مدل از قطعه ماشین در دسترس.
مدارهای منطقی فصل سوم - خصوصیات توابع سويیچی
دانشگاه صنعتی امیرکبیر Instructor : Saeed Shiry &
تهیه و تنظیم: فاطمه قاسمی دانشگاه صنعتی شریف – پاییز 86
Sparse Coding مهندس فرامرزپور
فضای نمونه: مجموعه همه برآمدهای ممکن یک آزمایش را فضای نمونه گویند . واقعه (پیشامد) : هر زیر مجموعه از فضای نمونه را پیشامد گویند . پیشامدها با حروف بزرگ.
Ali Karimpour Associate Professor Ferdowsi University of Mashhad
اهداف درس این جلسه حل مساله کوله پشتی با رویکرد حریصانه مقایسه رویکرد حریصانه با برنامه‌نویسی پویا در حل مساله.
بسم الله الرحمن الرحیم هرس درخت تصمیم Dr.vahidipour Zahra bayat
LINEAR CONTROL SYSTEMS
IN THE NAME OF GOD MATH SABA KARBALAEI
ساختمان داده‌ها درختان و درختان دودویی
توزیع میانگین نمونه سعید موسوی.
نسبت جرم فرمولی ”جرم اتمی و فرمول تجربی
برنامه ریزی خطی پیشرفته (21715( Advanced Linear Programming Lecture 7
مباني كامپيوتر و برنامه سازي Basics of Computer and Programming
مباني كامپيوتر و برنامه سازي Basics of Computer and Programming
ساختمان داده ها گرافها.
Presentation transcript:

Ali Karimpour Associate Professor Ferdowsi University of Mashhad ADVANCED CONTROL Reference: Chi-Tsong Chen, “Linear System Theory and Design”, 1999.

lecture 2 Dr. Ali Karimpour Oct Lecture 2 Basic Idea of Linear Algebra-Part I Topics to be covered include: v Basis, Representation, and Orthonormalization. v Linear Algebraic Equations. v Similarity Transformation. v Diagonal and Jordan Form.

lecture 2 Dr. Ali Karimpour Oct آنچه پس از مطالعه این مبحث می آموزید فضای خطی حقیقی n- بعدی R n استقلال خطی و وابستگی خطی پایه های یک فضای خطی و نرم بردارهای متعامد و متعامد نرمال معادلات جبری خطی فضای رنج، فضای پوچ، رتبه و پوچی تبدیلات همانندی بردار ویژه و بردار ویژه توسعه یافته فرم کانونی، فرم قطری، فرم مودال و فرم جردن n-dimensional Real Vector Space R n Linearly Dependent and Linearly Independent Basis of a Linear Space and Norm Orthogonal Vectors and Orthonormal Vectors Linear Algebraic Equations Range Space, Null Space, Rank and Nullity Similarity Transfomation Eigenvectors and Generalized Eigenvector Canonical Form, Diagonal Form, Modal Form and Jordan Form ارتباط دترمینال و مقادیر ویژه، خاصیت نیل پوتنت Determinant and Eigenvalues and nilpotent property

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n اعضای فضای خطی حقیقی n- بعدی R n خاصیت مهم فضای خطی حقیقی n- بعدی R n بعنوان مثال

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n وابستگی خطی در فضای خطی حقیقی n- بعدی R n تعریف 2-1 : مجموعه بردارهای x 1 ، x 2 ،.... x m در فضای R n وابسته خطی اند اگر مجموعه نه تماما صفر  1 ،  2 ،.... ،  m یافت شود که اگر رابطه فوق تنها برای برقرار باشد در اینصورت بردارهای داده شده مستقل خطی می باشند.

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n مثال 2-1 : آیا بردارهای زیر مستقل خطی اند؟ چرا؟ مثال 2-2 : آیا بردارهای زیر مستقل خطی اند؟ چرا؟ نکته : وجود بردار صفر در هر مجموعه بردار

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n خاصیت جالب بردارهای وابسته خطی اگر بردارها وابسته باشند قطعا یک ضریب مخالف صفر است لذا :

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n نکته مهم : حداکثر تعداد بردارهای مستقل در فضای R n برابر n است. مثال 2-3 : آیا بردارهای زیر مستقل خطی اند؟ چرا؟ مثال 2-4 : اگر بردارهای زیر مستقل خطی نیستند یکی را بر حسب مابقی نمایش دهید.

lecture 2 Dr. Ali Karimpour Oct n-dimensional real vector space R n پایه های یک فضای خطی R n تعریف 2-2 : یک مجموعه بردار مستقل خطی در R n پایه نامیده می شود اگر هر بردار R n را بتوان بصورت منحصر بفردی توسط پایه ها نمایش داد. مثال 2-5 : آیا بردارهای مقابل پایه های فضای R 2 می باشد؟ چرا؟ مثال 2-6 : آیا بردارهای مقابل پایه های فضای R 2 می باشد؟ چرا؟ نکته : پایه های یک فضای برداری نکته : هر n بردار مستقل خطی در R n پایه های R n می باشد. چرا؟

lecture 2 Dr. Ali Karimpour Oct Norms برای سنجش اندازه یک بردار در یک فضای خطی R n به مفهوم نرم نیاز داریم. نرم تابعی است که به هر عضو یک فضای خطی R n یک عدد حقیقی غیر منفی نسبت می دهد. نرم بایستی دارای خواص زیر باشد.

lecture 2 Dr. Ali Karimpour Oct Norm of vectors For p=1 we have 1-norm For p=2 we have 2-norm or euclidian norm For p=∞ we have ∞-norm p-norm is:

lecture 2 Dr. Ali Karimpour Oct Norm of vectors

lecture 2 Dr. Ali Karimpour Oct Orthogonal and Orthonormal Vectors بردارهای متعامد و متعامد یکه تعریف 2-3 : یک بردار نرمال یا یکه نامیده می شود اگر نرم دو آن بردار برابر یک باشد. مثال 2-7 : کدام یک از بردارهای مقابل یکه است؟ مثال 2-8 : آیا بردارهای مقابل متعامدند؟ تعریف 2-4 : دو بردار x1 و x2 متعامد نامیده می شود اگر x 1 T x 2 =0 تعریف 2-5 : دو بردار x1 و x2 متعامد یکه نامیده می شود اگر x 1 T x 2 =0 و هر دو بردار یکه باشند.

lecture 2 Dr. Ali Karimpour Oct Orthonormal lization ساخت مجموعه بردار متعامد یکه از مجموعه بردار مستقل خطی ( رویه اشمیت )

lecture 2 Dr. Ali Karimpour Oct Orthonormal lization مثال 2-9 : بردارهای متعامد متناظر با بردارهای زیر را بیابید.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation مفهوم ضرب یک ماتریس در یک بردار : ضرب ماتریس A در بردار x یعنی چگونگی ترکیب ستونهای A چگونگی ترکیب ستونهای A را المانهای بردار x معین می کند. مفهوم ضرب یک بردار در یک ماتریس : ضرب ترانهاده بردار z در ماتریس A یعنی چگونگی ترکیب سطرهای A چگونگی ترکیب سطرهای A را المانهای بردار z معین می کند.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation در این بخش به مطالعه رابطه زیر می پردازیم فضای رنج ماتریس A: حداکثر تعداد بردار مستقل خطی در فضای رنج ماتریس A را رتبه A نامند. فضای پوچ ماتریس A: حداکثر تعداد بردار مستقل خطی در فضای پوچ ماتریس A را پوچی A نامند.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation الف ) پنج عضو فضای رنج ماتریس A را تعیین کنید. مثال 2-10 : ماتریس مقابل را در نظر بگیرید. ب ) رتبه ماتریس A را تعیین کنید. ج ) پنج عضو فضای پوچ ماتریس A را تعیین کنید. د ) پوچی ماتریس A را تعیین کنید. رتبه ماتریس A برابر 2 است. پوچی ماتریس A برابر 2 است.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation رتبه ماتریس A ، بعد فضای رنج و یا حداکثر تعداد ستون مستقل ماتریس A می باشد. نکته مهم : رتبه ماتریس A ، بعد فضای رنج و یا حداکثر تعداد سطر مستقل ماتریس A می باشد. پس : حداکثر تعداد سطر مستقل ماتریس A = حداکثر تعداد ستون مستقل ماتریس A نکته مهم : فرض کنید A یک ماتریس m  n باشد.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation قضیه 2-1: 1 - برای ماتریس A با ابعاد m  n و بردار y با ابعاد m  1 یک جواب x با ابعاد n  1 در معادله Ax=y وجود دارد اگر و فقط اگر y در فضای رنج A باشد یعنی  (A)=  ([A y]) 2 - برای ماتریس A با ابعاد m  n برای هر بردار y با ابعاد m  1 یک جواب x با ابعاد n  1 در معادله Ax=y وجود دارد اگر و فقط اگر A دارای رتبه m باشد. ( رتبه کامل سطری )

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation قضیه 2-2 : تمام جوابها بصورت پارامتری برای ماتریس A با ابعاد m  n و بردار y با ابعاد m  1 ، فرض کنید x p یک جواب معادله Ax=y باشد و فرض کنید پوچی A برابر k باشد (k=n-  (A)) که  i ها دلخواه بوده و n i ها بردارهای مستقل فضای پوچ می باشد. اگر A دارای رتبه n باشد (k=0) در اینصورت جواب داده شده x p منحصر بفرد است. اگر A دارای رتبه کمتر از n باشد (k>0) در اینصورت تمام جوابهای معادله Ax=y از رابطه زیر بدست می آید.

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation مثال 2-11 : برای سیستم مقابل مطلوبست کلیه جوابها واضح است که یک جواب معادله فوق عبارتست از : و تمامی جوابهای معادله فوق عبارتست از :

lecture 2 Dr. Ali Karimpour Oct Linear Algebraic Equation قضیه 2-3 : ماتریس مربعی A و معادله زیر را در نظر بگیرید. Ax=y 2 - معادله همگن Ax=0 دارای جواب غیر صفر است اگر و فقط اگر A منفرد باشد. تعداد جوابهای مستقل خطی برابر با پوچی A است. 1 - اگر A غیر منفرد باشد در اینصورت معادله یک جواب منحصر بفرد داشته و جواب از رابطه A -1 y بدست می آید.

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation ماتریس A با ابعاد n  n و n بردار مستقل خطی را در نظر بگیرید : تبدیل همانندی بوده و بصورت زیر محاسبه می شود.

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation مثال 2-12 : مطلوبست تبدیل همانندی ماتریس A بر حسب پایه های داده شده

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation مثال 2-13 : مطلوبست تبدیل همانندی ماتریس A بر حسب پایه های داده شده

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation مثال 2-14 : تبدیل همانندی ماتریس A بر حسب پایه های b, Ab, A 2 b

lecture 2 Dr. Ali Karimpour Oct Similarity Transformation

lecture 2 Dr. Ali Karimpour Oct Diagonal Form کافیست بردارهای ویژه ماتریس A بعنوان پایه ها انتخاب شود. البته اگر مقادیر ویژه تکراری نباشد.

lecture 2 Dr. Ali Karimpour Oct Diagonal Form اگر مقادیر ویژه A تکراری نبوده و بردارهای ویژه ماتریس A بعنوان پایه ها انتخاب شود. در اینصورت : چگونگی محاسبه مقادیر ویژه A: در صورت تکراری نبودن مقادیر ویژه A: چگونگی محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A:

lecture 2 Dr. Ali Karimpour Oct تبدیل همانندی ماتریس A بر حسب پایه های v 1, v 2, …, v n Diagonal Form

lecture 2 Dr. Ali Karimpour Oct مثال 2-15 : در صورت امکان فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: Diagonal Form

lecture 2 Dr. Ali Karimpour Oct مثال 2-16 : درصورت امکان فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: Diagonal Form

lecture 2 Dr. Ali Karimpour Oct مثال 2-17 : فرم مودال ماتریس A و تبدیلی که ماتریس A را بفرم مودال تبدیل می کند تعیین کنید. ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: Modal Form

lecture 2 Dr. Ali Karimpour Oct Jordan Form اگر مقادیر ویژه A تکراری نبوده و بردارهای ویژه ماتریس A بعنوان پایه ها انتخاب شود. در اینصورت : اگر مقادیر ویژه A تکراری باشد، در اینصورت :

lecture 2 Dr. Ali Karimpour Oct مثال 2-18 : در صورت امکان فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A:

lecture 2 Dr. Ali Karimpour Oct مثال 2-19 : در صورت امکان فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: امکان قطری سازی نیست پس به فرم جردن می رسیم و لذا برای این فرم : به بردار ویژه توسعه یافته نیاز داریم

lecture 2 Dr. Ali Karimpour Oct Diagonal Form چگونگی محاسبه مقادیر ویژه A: چگونگی محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: چگونگی محاسبه بردار ویژه توسعه یافته مرتبه 2 چگونگی محاسبه بردار ویژه توسعه یافته مرتبه 3

lecture 2 Dr. Ali Karimpour Oct مثال 2-19 : فرم قطری یا جردن ماتریس A و تبدیلی که ماتریس A را بفرم قطری یا جردن تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A:

lecture 2 Dr. Ali Karimpour Oct مثال 2-19 : فرم قطری با جردن ماتریس A و تبدیلی که ماتریس A را بفرم قطری یا جردن تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A:

lecture 2 Dr. Ali Karimpour Oct مثال 2-20 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: حال با توجه به پوچی 2 دو حالت ممکن است رخ دهد : یافتن دو بردار ویژه توسعه یافته مرتبه 2 یافتن یک بردار ویژه توسعه یافته مرتبه 3

lecture 2 Dr. Ali Karimpour Oct مثال 2-20 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: یافتن بردار ویژه توسعه یافته بردار ویژه توسعه یافته مرتبه 3 نداریم ولی دو مرتبه 2 داریم

lecture 2 Dr. Ali Karimpour Oct مثال 2-20 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: یافتن بردار ویژه توسعه یافته مرتبه 2 تعداد بلوک متناظر با 2- = ؟

lecture 2 Dr. Ali Karimpour Oct مثال 2-21 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form ابتدا محاسبه مقادیر ویژه A: حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: حال با توجه به پوچی 2 دو حالت ممکن است رخ دهد : یافتن دو بردار ویژه توسعه یافته مرتبه 2 یافتن یک بردار ویژه توسعه یافته مرتبه 3

lecture 2 Dr. Ali Karimpour Oct مثال 2-21 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: یافتن بردار ویژه توسعه یافته مرتبه 2 یا 3 یک بردار ویژه توسعه یافته مرتبه 3 داریم

lecture 2 Dr. Ali Karimpour Oct مثال 2-21 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. Jordan Form حال محاسبه بردار ویژه متناظر با هر کدام از مقادیر ویژه A: یک بردار ویژه توسعه یافته مرتبه 3 داریم حال برای محاسیه آخرین بردار ویژه، این بردار باید از سایر بردارها مستقل یاشد و (A- 1 I)q 4 =0 پس : تعداد بلوک متناظر با 2- = ؟

lecture 2 Dr. Ali Karimpour Oct Determinant and Eigenvalues رابطه ماتریس A و فرم جردن آن : دترمینال ماتریس A و دترمینال فرم جردن آن : دترمینال ماتریس A و مقادیر ویژه آن :

lecture 2 Dr. Ali Karimpour Oct Nilpotent Property خاصیت نیل پوتنت در مورد بلوک های جردن : بلوک جردن مقابل را در نظر بگیرید :

lecture 2 Dr. Ali Karimpour Oct Exercises تمرینها تمرین 2-1 : بردارهای متعامد متناظر با بردارهای زیر را بیابید. تمرین 2-2 : مطلوبست نرم 1 و نرم 2 و نرم بینهایت بردارهای زیر : تمرین 2-3 : مطلوبست پوچی و رتبه ماتریسهای زیر :

lecture 2 Dr. Ali Karimpour Oct Exercises تمرینها تمرین 2-4 : مطلوبست پایه های فضای رنج و پایه های فضای پوچ ماتریسهای زیر : تمرین 2-5 : معادله جبری زیر را در نظر بگیرید : آیا یک جواب x برای معادلات فوق وجود دارد؟ آیا جواب منحصر بفرد است؟ آیا برای y=[1 1 1]’ جواب وجود دارد؟ تمرین 2-6 : کلیه جوابهای معادله جبری زیر را بیابید.

lecture 2 Dr. Ali Karimpour Oct Exercises تمرینها تمرین 2-7 : مطلوبست تبدیل همانندی A بر حسب پایه های b ، Ab ، A 2 b و A 3 b. تمرین 2-8 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید. تمرین 2-9 : فرم قطری ماتریس A و تبدیلی که ماتریس A را بفرم قطری تبدیل می کند را تعیین کنید.

lecture 2 Dr. Ali Karimpour Oct Exercises تمرینها تمرین 2-10 : مطلوبست دترمینال ماتریسهای زیر بدون انجام محاسبه

lecture 2 Dr. Ali Karimpour Oct Answers to selected problems جواب 2-3 : رتبه ها بترتیب 2 ، 3 و 3 و پوچی بترتیب 1 ، 0 و 1 جواب 2-5 : یک جواب منحصر بفرد x=[1 1] T و بدون جواب برای y داده شده جواب 2-7: