《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

这篇具有很好参考价值的文章主要介绍了《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

第二章   线性矩阵不等式

 :非零向量,  或者的最大特征值小于0.

是凸集。(设V是数域P上的线性空间,W是V的一个非空子集,如果对W中任意两个向量a,b以及任意0<=c<=1,都有ca+(1-c)b  W,则W是凸集)。

schur补性质:

,其中是r*r维的非奇异矩阵,则称为在中的Schur补。

对给定的对称矩阵,其中是r*r维的非奇异矩阵,则有:

复线性矩阵不等式的处理

映射《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记,建立了复数空间C和实矩阵空间之间的一个同构关系,因此,复数矩阵M=A+jB可以用实矩阵来表示。M=A+jB与N=C+jD的乘积P=X+jY可以表示为

埃尔米特矩阵P=X+jY正定,当且仅当

一些标准线性矩阵不等式问题

F、G、H是对称矩阵值仿射函数,c是给定的常数向量,标准LMI问题如下:

1. 可行性问题(LMIP):对于F(x)<0,检验是否存在x,使F(x)<0,存在则可行,否则不可行。

2. 特征值问题(EVP):在一个LMI约束下,求矩阵G(x)的最大特征值的最小化问题,或确定问题的约束是不可行的。一般形式如下:

可转换为

F(x)<0的LMIP可写成一个EVP:,若最小值,则是可行的。

3. 广义特征值问题(GEVP):在一个LMI约束下,求两个仿射矩阵函数的最大广义特征值的最小化问题(对给定的两个同阶对称矩阵G、F,对标量,如果存在非零向量y,使得,则称为G、F的广义特征值)。矩阵G、F的最大广义特征值可求解:,

当G、F是x的一个仿射函数时,在一个LMI约束下,求矩阵函数G(x)和F(x)的最大广义特征值的最小化问题的一般形式为:

(求解LMI问题的算法:椭球法和内点法等。常用S-procedure来将一些不是凸约束的问题转化为线性矩阵不等式约束。)

第三章   系统性能分析

系统增益指标

考虑线性时不变的连续时间系统:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

其中:是系统的状态,是外部扰动输入,是系统被调输出。如果对于某一类外部扰动信号,总能保持是“小”的,我们认为这样的系统具有“好”的性能,反映了系统抑制外部扰动的能力。

考虑系统增益:

    或等价的    

表示信号  的某种度量,表示一个集合的最小上界。度量了在零初始条件下,对应于最坏扰动输入的系统输出信号的大小。因此,增益越小,系统性能越好,度量方式不同,增益也不同。

对平方可积信号,定义(也称为信号的范数),其中是向量的欧式范数。这样定义的正好是信号的能量。

对幅值有界信号,定义,当是一个标量时,等于的峰值。

可以定义一些性能指标:

IE(Impulse-to-Energy)增益:

EP(Energy-to-Peak)增益:   

EE(Energy-to-Energy)增益:

PP(Peak-to-Peak)增益:      

求IE增益定理:如果上述系统是严格真的(D=0)和渐进稳定(A的特征值均有负实部)的,则IE增益有限,且,其中矩阵的范数取为谱范数,即矩阵的最大奇异值,矩阵Y是以下Lyapunov方程的解:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

IE增益也可以由下式得到:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记(inf表示一个集合的最大下界)

可以转化为优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

若该问题有一个最优值,则。该问题是一个具有LMI约束和线性目标函数的凸优化问题,可以用求解器mincx来求全局最优解。

求EP增益定理:如果上述系统是严格真的(D=0)和渐进稳定(A的特征值均有负实部)的,则EP增益有限,且,矩阵X是以下Lyapunov方程的解:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 EP增益也可以由下式确定:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可转化为优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

若该问题有一个最优值,则。该问题是一个具有LMI约束和线性目标函数的凸优化问题,可以用求解器mincx来求全局最优解。

求EE增益定理:对上述系统,设是一个给定的常数,则以下条件是等价的:

(1)系统渐进稳定,且;

(2)存在一个对称矩阵,使得

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

矩阵不等式是个线性矩阵不等式,可以用求解器feasp来判断EE增益是否满足给定的约束条件。

求PP增益定理:对上述系统和给定标量,如果存在对称矩阵,标量和,使得

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

则。上述不等式不是线性矩阵不等式。

性能

传递函数矩阵《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记的范数定义为:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

是共轭转置,Trace表示矩阵的迹。T(s)的范数的平方等于系统脉冲响应的总的输出能量,还等于系统在白噪声输入信号激励下的稳态输出方差对于单输入单输出系统,。

对于原上述系统,定义矩阵(能控格拉姆矩阵)和(能观格拉姆矩阵),则矩阵X、Y分别满足以下Lyapunova方程:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记; 《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可得

定理:如果改系统渐进稳定,则有:

(1),当且仅当D=0;

(2)如果D=0,则

         存在对称矩阵X>0,使得 《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

         存在对称矩阵Y>0,使得 《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可以用求解器feasp来检验系统是否满足给定的范数约束条件。

性能

T(s)的范数定义为:

即系统频率响应的最大奇异值的峰值。

奇异值:设,如果存在非负实数和非零向量使得

则称为A的奇异值,和分别为A对应于奇异值的右奇异向量和左奇异向量。

是的特征值,也是的特征值,而和分别是和对应于特征值的特征向量。)

,所以可以通过求解以下优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可以得到系统最优性能分析问题的解。该问题是一个具有线性矩阵不等式约束和线性目标凸优化问题,可以用求解器mincx求解。

对离散时间系统:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

求IE增益定理:若系统渐进稳定,则IE增益为《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记,其中矩阵Y是以下矩阵方程的解:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

IE增益也可以由下式得到:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可以转化为以下优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

有一个最优值,则。这是一个具有LMI约束和线性目标函数的凸优化问题,可以用求解器mincx来求全局最优解。

求EP增益定理:若系统渐进稳定,则《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记,其中矩阵X是以下Lyapunov方程的解:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

Ep增益也可以由下式得到:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可以转化为以下优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

有一个最优值,则。这是一个具有LMI约束和线性目标函数的凸优化问题,可以用求解器mincx来求全局最优解。

求EE增益定理:对给定的常数和上述离散时间系统,以下条件是等价的:

(1)系统渐进稳定,且EE增益;

(2)存在一个对称矩阵P,使得:

 与连续时间系统一样,EE增益也等于系统的范数。对给定的标量,如果,则称系统具有性能。

根据Schur补性质,上述(2)中矩阵不等式等价于

这是一个线性矩阵不等式,可以用求解器feasp来判断该线性矩阵不等式的可行性,进而可得系统是否具有性能的结论。通过在此线性矩阵不等式约束下对最小值的搜索,可以得到一个具有线性矩阵不等式约束和线性目标函数得到凸优化问题,因此,可以用求解器mincx来求得该问题的最小值,这样一个值称为系统的最优性能指标,正好是系统的EE增益。

第四章   控制系统综合

 

 如上图所示的广义系统,其中P(s)是一个线性时不变系统,其状态空间描述为:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

x、u、y、z分别是状态向量、控制输入、测量输出、被调输出,w是外部扰动(考虑是不确定但具有有限能量的扰动),K(s)是一个控制器的传递函数。

目的:设计一个控制器,使得闭环系统满足:

(1)闭环系统内部稳定,即闭环系统状态矩阵的所有特征值均在左半开复平面

(2)从扰动输入w到被调输出z的闭环传递函数的范数小于1,即。

将系统模型中的系数矩阵分别乘以一个适当的常数,可以使闭环系统具有给定的性能。具有给定性能的控制器称为系统的-次优控制器。通过对的搜索,可以求取使闭环系统的扰动抑制度最小化的最优控制器(最优控制问题)。

状态反馈控制

状态反馈控制律:假定系统状态可以直接测量得到,静态状态反馈控制器,使相应的闭环系统  《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记  是渐进稳定的,且闭环传递函数满足

求状态反馈控制器的定理:对上述系统,存在一个状态反馈控制器,当且仅当存在一个对称正定矩阵X和矩阵W,使得以下矩阵不等式成立:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 如果上述矩阵不等式存在一个可行解,则是系统的一个状态反馈控制器。(这是矩阵变量X、W的一个线性矩阵不等式,可以用求解器feasp来求解。此定理给出的是系统所有状态反馈控制律的一个凸约束刻画。)

 对给定的标量,求系统的状态反馈-次优控制器:考虑到

 即可将其转化为标准问题,进一步可转化为以下的求解优化问题:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 若该优化问题有解,则该系统的最优控制器为,相应的最小扰动抑制度为。(可用求解器mincx来求解该优化问题。)

 输出反馈控制

假定:(1)是能稳能检测的(对上述线性时不变系统的输出反馈镇定是充分必要的);             (2)(不失一般性,一般系统的控制问题都可以转化为这一特殊情况)。

目的:设计一个具有以下状态空间实现的输出反馈控制器:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

其中,是控制器的状态,是待确定的控制器参数矩阵。

原系统应用该控制器后得到的闭环系统为:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

其中:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

根据第三章中连续系统的求EE增益定理可知,该控制器是此系统的一个控制器的充要条件为:存在一个对称正定矩阵,使得

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

此矩阵不等式中,矩阵变量与控制器参数矩阵以非线性的方式出现,难以直接处理求解,采用下面两种基于线性矩阵不等式处理的输出反馈控制器设计方法——消元法和变量替代法。

消元法:(此处省略推导过程,直接给出结论定理)。

定理:原线性定常系统存在一个输出反馈控制器,当且仅当存在对称正定矩阵X和Y,使得

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

其中和分别是以子空间和中的任意一组基向量作为列向量所构成的矩阵。可以用求解器feasp来求解。若核空间中有等于零空间,则相应的或取为。

 设计步骤:

1. 求解满足上述定理条件的矩阵X和Y。

2. 求满足的矩阵,其中的可以选成是矩阵的秩。可以采用奇异值分解的方法得到这样的矩阵。用矩阵和构造

 3. 将得到的矩阵代入到矩阵不等式《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记中,得到只包含矩阵的线性矩阵不等式,从而求出控制器的参数矩阵。

注:3中矩阵不等式满足:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

输出反馈次优控制器:将上述定理中不等式(a)和(b)左边中间矩阵里的项改为再求解。

进一步得输出反馈最优控制器可以通过求解以下优化问题得到:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

可通过求解器mincx进行求解。

连续时间系统控制器综合问题求解器hinflmi()(离散系统是dhinflmi()):

先用ltisys函数建立系统,G=ltisys(A,B,C,D) ,再使用hinflmi()函数即可得到最优控制器。hinflmi函数的基本用法是 [gopt,K]=hinflmi(system,[p m],n),其中p是系统测量输出的个数,m是系统控制输入的个数,n表示性能指标范围即,这个函数通过mincx来优化系统的性能指标,gopt是性能指标,K是最优控制器的系统矩阵,可通过ltiss()函数得到其状态空间实现,即[Ak,Bk,Ck,Dk]=ltiss(K),还可以通过[g,K,x1,x2,y1,y2]=hinflmi(G,[p,m],n)得到解矩阵X=x1和Y=y1。
clsys=slft(G,K)得到闭环系统,spol(clsys)根据闭环极点检验闭环系统稳定性,norminf(clsys)得到外部扰动w到被调输出z的闭环系统增益。

控制

考虑状态空间模型:《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记,给定标量,设计一个状态反馈控制律,使得闭环系统《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记是渐进稳定的,并且闭环传递函数的范数满足,此控制律称为系统的一个状态反馈控制律。 

定理:对给定标量,系统存在状态反馈控制律,当且仅当存在对称正定矩阵、和矩阵,使得

 《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

如果上述LMI存在可行解,则是系统的一个状态反馈控制律。可用求解器feasp求解。

进一步可得求解系统最优状态反馈控制律的设计方法为:求解以下带LMI约束的线性目标函数的凸优化问题,可用求解器mincx求解。

 《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

控制

在实际设计问题中,人们通常需要所设计的系统满足多种性能要求。特别地,对于系统:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

设计一个控制器,使得闭环系统渐进稳定,且从到的闭环传递函数的范数不超过一个给定的上界,以保证闭环系统对由进入的不确定性具有鲁棒稳定性;同时使得从到的闭环传递函数的范数尽可能小,以保证用范数度量的系统性能处于一个好的水平。即使得闭环系统满足

的所有控制器中,寻找使得最小化的控制器,称为系统的多目标控制问题,或简称为控制问题。通过对不同标量求解相应的控制问题,可以分析系统性能和性能之间的关系,如通过牺牲系统的鲁棒性可以在多大程度上改进系统的性能。

 控制律设计:

 在状态反馈下,闭环系统为:

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 对原系统和一个给定的标量,若,且以下优化问题

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 有一个最优解,则原系统的状态反馈控制问题是可解的,且是系统的一个状态反馈控制律。这是一个具有LMI约束和线性目标函数的凸优化问题,可以用求解器mincx来求解。

hinfmix函数:

LMI工具箱提供了求解控制问题的一个函数hinfmix,该函数求解了由下图所示的多目标输出反馈控制问题。

《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记

 和作为从到和从到的闭环传递函数,则hinfmix可以计算以下综合问题的解。

设计一个线性时不变控制器,使闭环系统满足:

    闭环系统极点位于某个给定的LMI区域D且使得性能指标《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记最小化。

函数hinfmix的一般形式为:[gopt, h2opt, K, R, S]=hinfmix(P, r, obj, region, dkbnd, tol)

(输入项中,P是控制对象P(s)的系统矩阵表示,r是一个3元向量,依次表示了、和的维数。和可以是空的。obj是一个4元向量,表示了约束及性能指标中的性能和性能的权重情况,。输入项中的其余部分是可选择的。)文章来源地址https://www.toymoban.com/news/detail-405390.html

到了这里,关于《鲁棒控制——线性矩阵不等式处理方法》(俞立)第二、三、四章学习笔记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性矩阵不等式LMI与李雅普诺夫Lyapunov稳定性

    形式为 LMI ( y ) = A 0 + A 1 y 1 + A 2 y 2 + ⋯ ≥ 0 text{LMI}(y)=A_0+A_1y_1+A_2y_2+cdots geq 0 LMI ( y ) = A 0 ​ + A 1 ​ y 1 ​ + A 2 ​ y 2 ​ + ⋯ ≥ 0 其中 A 0 , A 1 , A 2 , . . . A_0,A_1,A_2,... A 0 ​ , A 1 ​ , A 2 ​ , ... 为对称方阵。 例子 若 LMI ( y ) = [ y 1 + y 2 y 2 + 1 y 1 + 1 y 3 ] , text{LMI}(y)=left[ begin{m

    2024年02月22日
    浏览(42)
  • ADMM算法系列1:线性等式或不等式约束下可分离凸优化问题的ADMM扩展

    1 研究背景       交替方向乘数法(ADMM)最初由Glowinski和Marrocco提出,用于解决非线性椭圆问题,它已成为解决各种凸优化问题的基准算法。在方法上,可以认为ADMM算法是在经典增广拉格朗日方法(ALM)的分裂版本。它已经在非常广泛的领域找到了应用,特别是在与数据科学

    2024年02月03日
    浏览(43)
  • 马尔可夫不等式、切比雪夫不等式

    在概率论中,马尔可夫不等式给出了随机变量的非负函数大于或等于某个正常数 ϵ epsilon ϵ 的概率的上限 下图来自:Markov inequality 下图为任一分布的概率密度函数图像 图片来自:Mathematical Foundations of Computer Networking: Probability a a a 越大,阴影部分的面积越小,即概率越小 使

    2024年02月04日
    浏览(35)
  • 马尔科夫不等式和坎泰利不等式的证明

    马尔科夫不等式(Markov’s inequality) 对于随机变量 X X X ,有 P ( ∣ X ∣ ⩾ ε ) ⩽ E ∣ X ∣ k ε k , ε 0 , k ∞ Pleft( left| X right|geqslant varepsilon right) leqslant frac{Eleft| X right|^k}{varepsilon ^k},varepsilon 0,kinfty P ( ∣ X ∣ ⩾ ε ) ⩽ ε k E ∣ X ∣ k ​ , ε 0 , k ∞ 证明: P ( ∣ X ∣ ⩾ ε

    2024年02月08日
    浏览(39)
  • 优化问题----等式约束与不等式约束问题求解

    目录 先总结一波: 1. 等式约束问题求解 (1)一阶必要条件 (2)二阶充分条件 2.不等式约束问题求解 2.1 可行下降方向 2.2 KTT条件(Kuhn-Tucker条件) (1)Gordan定理 (2)Fritz John定理 (3)KTT条件  (4)KTT的一个应用实例 对于无约束极值问题,可以采用解析方法和直接方法两

    2024年02月05日
    浏览(49)
  • Hoeffing不等式

    设 X 1 , X 2 , . . . , X N X_1,X_2,...,X_N X 1 ​ , X 2 ​ , ... , X N ​ 是独立随机变量,且 X i ∈ [ a i , b i ] , i = 1 , 2 , . . . , N ; S N = ∑ i = 1 N X i X_iin[a_i,b_i],i=1,2,...,N;S_N=sum_{i=1}^NX_i X i ​ ∈ [ a i ​ , b i ​ ] , i = 1 , 2 , ... , N ; S N ​ = ∑ i = 1 N ​ X i ​ ,则对任意t0,以下不等式成立:

    2024年02月07日
    浏览(39)
  • 不等式证明(三)

    设 p , q p ,q p , q 是大于1的常数,并且 1 p + 1 q = 1 frac{1}{p}+frac{1}{q}=1 p 1 ​ + q 1 ​ = 1 .证明:对于任意的 x 0 x0 x 0 ,有 1 p x p + 1 q ≥ x frac{1}{p}x^p+frac{1}{q}geq x p 1 ​ x p + q 1 ​ ≥ x . 证明 : 设 f ( x ) = 1 p x p + 1 q − x (1) f(x)=frac{1}{p}x^p+frac{1}{q}- xtag{1} f ( x ) = p 1 ​ x p + q 1 ​

    2024年01月21日
    浏览(46)
  • 各种数学不等式

    以丹麦技术大学数学家约翰·延森(John Jensen)命名。它给出积分的凸函数值和凸函数的积分值间的关系。 是数学家柯西(Cauchy)在研究数学分析中的“流数”问题时得到的。 是柯西不等式的推广. 赫尔德不等式是数学分析的一条不等式,取名自奥图·赫尔德(Otto Hölder) 是德国

    2024年02月14日
    浏览(40)
  • 放缩不等式推导

    放缩不等式推导 1 )   a x x + 1 ( 1 a ≤ e , x 0 ; a ≥ e , x 0 ) ; 1) a^xx+1left(1aleq e,x0;ageq e,x0right); 1 )   a x x + 1 ( 1 a ≤ e , x 0 ; a ≥ e , x 0 ) ; p r o o f : proof: p roo f : f 01 ( x ) = a x − ( x + 1 ) ⇒ f 01 ′ ( x ) = a x ln ⁡ a − 1 f_{01}left(xright)=a^{x}-left(x+1right)Rightarrow f_{01}^{\\\'}left(xright) =

    2023年04月22日
    浏览(43)
  • 高中数学:不等式(初接高)

    最后的例题,是为了说明第三种情况,就是,不等号右边不为0时,要先进行移项操作。 将右边化为0 这样,就转化成1,2两种情况了。 补充: 不等式解法中,对于根式的转化,要考虑仔细,不能少考虑了情况,否则求出的结果就出错。 这个,也是最难的,最考验答题人的细心

    2024年01月24日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包