Analisi dei segnali nel dominio della frequenza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi dei segnali nel dominio della frequenza"

Transcript

1 Appunti di Teoria dei Segnali a.a. / L.Verdoliva Nel capitolo precedente è stata descritta una rappresentazione dei segnali periodici mediante combinazione lineare di sinusoidi (se i segnali sono reali) o più in generale di esponenziali complessi. In questa sezione cercheremo di estendere questi concetti anche ai segnali aperiodici, e deiniremo la trasormata di Fourier diretta e inversa. Vedremo, in realtà, come sia possibile studiare anche i segnali periodici mediante la trasormata di Fourier, ottenendo così un unico strumento che permette di ottenere acilmente la rappresentazione nel dominio della requenza per tutti i segnali di interesse. Nel seguito tratteremo sia i segnali aperiodici tempo continuo che quelli tempo discreto. Trasormata di Fourier per segnali tempo continuo L analisi in requenza dei segnali aperiodici tempo continuo è uno dei contributi più importanti sviluppati da Fourier nel suo lavoro originale. Partendo dalla rappresentazione in requenza di un segnale periodico, un segnale aperiodico può essere visto come un segnale periodico di periodo ininito. All aumentare del periodo le componenti armoniche che costituiscono il segnale periodico tendono ad avvicinarsi in requenza, al limite si ottiene uno spettro continuo, e si passa dallo sviluppo in serie a quello mediante integrale. Nel paragrao seguente sarà sviluppata questa trattazione da un punto di vista analitico e saranno introdotte le equazioni di analisi e sintesi per un segnale aperiodico.. Dalla serie alla trasormata di Fourier Partiamo dalla rappresentazione in serie del treno di impulsi rettangolari di periodo T : x p (t) = rep T [Π(t/T )] x p (t) T T T T t

2 Trasormata di Fourier per segnali tempo continuo Consideriamo poi il segnale aperiodico: x(t) = Π(t/T ). x(t) Possiamo ottenere x(t) a partire da x p (t) portando il periodo all ininito: T x(t) = T lim x p(t) () T ci apettiamo allora di poter ricavare il comportamento in requenza di x(t) a partire da quello di x p (t) attraverso un operazione al limite. Essendo x p (t) periodico, risulta: dove x p (t) = k= X k e jπkt/t () X k = T / x p (t) e jπkt/t dt (3) T T / A questo punto osserviamo che x p (t) x(t) per t T /, inoltre x(t) = per t > T /, quindi i coeicienti di Fourier si possono riscrivere come: X k = T / x p (t) e jπkt dt T T / = T / x(t) e jπkt dt T T / = x(t) e jπkt dt T t Deiniamo adesso: Allora Sostituendo la (4) nella (), si ha: X() = x(t) e jπt dt X k = X() T =k/t = ( ) k X T x p (t) = k= T ( ) k X e jπkt/t T T (4) a.a. -

3 Trasormata di Fourier per segnali tempo continuo 3 Inine sostituiamo quest ultima espressione nella () per ottenere il segnale aperiodico x(t): x(t) = lim T k= = lim k= = lim k= ( ) k X e jπkt/t T T X(k ) e jπk t (5) X(k ) e jπk t (6) Nella (6) abbiamo riconosciuto che = /T, d altra parte (armonica ondamentale) rappresenta anche la spaziatura tra due armoniche successive: = k (k ) =, quindi nella (7) abbiamo semplicemente rinominato con. Si noti adesso che ogni termine nella somma non è altro che l area di rettangolo di altezza X(k ) e jπk t e larghezza. Per la sommatoria diventa un integrale: x(t) = X() e jπt dt Quindi, mentre un segnale periodico è la somma di ininite componenti sinusoidali con requenze relazionate armonicamente tra loro (tutte multiple di una requenza ondamentale), un segnale aperiodico è dato dalla somma (integrale) di ininite componenti sinusoidali con requenza variabile con continuità su tutto l asse reale. Riportiamo nuovamente le due equazioni relative alla rappresentazione di un segnale aperiodico: x(t) = X() = X() e jπt d (7) x(t) e jπt dt (8) La (7) è l equazione di sintesi (trasormata di Fourier inversa), mentre la (8) è quella di analisi (trasormata di Fourier diretta), che ci permette di determinare il peso che le varie componenti hanno nella ricostruzione del segnale. Anche in questo caso X() viene chiamato spettro e ornisce le inormazioni sull ampiezza e sulla ase dei asori costituenti il segnale: X() = X() e j X() = A() e jθ() A() rappresenta lo spettro di ampiezza e θ() quello di ase; evidentemente asori con requenze per le quali A() assume valori signiicativi contribuiscono maggiormente alla sintesi del segnale. Ancora una volta utilizzeremo la notazione: o equivalentemente: x(t) X() x(t) = F [X()] X() = F[x(t)] a.a. -

4 Trasormata di Fourier per segnali tempo continuo 4 Un ultima osservazione sulle equazioni di analisi e sintesi. Se poniamo nell equazione di analisi =, otteniamo: X() = x(t)dt (9) cioè il valore della trasormata di Fourier nell origine è uguale all area del segnale nel dominio del tempo. Analogamente, se poniamo t = in quella di sintesi, otteniamo: x() = X()d () cioè il valore del segnale nell origine è uguale all area della trasormata di Fourier. Utilizzeremo spesso nel seguito queste due equazioni.. Trasormata di Fourier per segnali reali Se il segnale è reale vale la proprietà di simmetria coniugata o hermitiana: X( ) = X () () Dimostrazione. La prova è analoga a quella per la serie di Fourier. Calcoliamo inatti X (): X () = ma essendo il segnale reale x (t) = x(t), per cui: X () = x (t) e jπt dt x(t) e jπt dt = X( ) L uguaglianza () non esprime altro che lo spettro di ampiezza A() è pari, mentre quello di ase θ() è dispari; inatti, riscrivendo la () in termini di spettro di ampiezza e di ase, si ha: ovvero: A( ) e jθ( ) = A() e jθ() A( ) = A() θ( ) = θ() Se poi assumiamo che il segnale, oltre che essere reale, è anche pari l equazione di analisi (8) può essere sempliicata nel seguente modo: X() = e risulta reale, mentre per un segnale dispari come: x(t) cos(π t)dt () e risulta immaginaria pura. a.a. - X() = j x(t) sin(π t)dt (3)

5 Trasormata di Fourier per segnali tempo continuo 5.3 Esempio Calcoliamo la trasormata di Fourier dell impulso rettangolare x(t) = A Π(t/T ). segnale pari, si può usare la (): Essendo il X() = = A T/ x(t) cos(π t)dt cos(π t)dt = A [sin(πt )]T/ = AT sinc(t ) π La trasormata di Fourier risulta essere una unzione reale, vale AT nell origine e si annulla nel punti ± T, ± T,.... L andamento è mostrato in igura nell ipotesi in cui A = T =, assieme allo spettro di ampiezza e di ase. Essendo lo spettro concentrato intorno all origine (basse requenze), le sinusoidi comprese nell intervallo ( /T, /T ) sono quelle che contribuiscono maggiormente alla sintesi del segnale. Trasormata di Fourier Spettro di ampiezza X().6.4. X() Spettro di ase <X() Figura : Trasormata di Fourier dell impulso rettangolare Osserviamo poi che un modo per veriicare la correttezza del risultato ottenuto è quello di usare l equazione (9), nel nostro caso risulta: X() = x(t)dt = AT L equazione () ci permette invece di determinare l area della unzione sinc (non dotata di primitive elementari) in un modo molto semplice: da cui per A = T = si ha: a.a. - AT sinc(t )d = A sinc()d =

6 Trasormata di Fourier per segnali tempo continuo 6.4 Convergenza della trasormata di Fourier Cerchiamo di capire adesso sotto quali condizioni per un segnale aperiodico x(t) si può calcolare la trasormata di Fourier: x(t) = cioè sotto quali ipotesi il limite così deinito: x(t) = lim T +T/ T/ X()e jπt d X()e jπt d converge proprio a x(t). In modo analogo a quanto atto per la serie di Fourier è possibile enunciare delle condizioni suicienti per la convergenza stabilite da Dirichlet:. x(t) è sommabile: x(t) dt <. in qualsiasi intervallo inito il segnale ha un numero inito di punti con discontinuità di prima specie; 3. in qualsiasi intervallo inito il segnale ha un numero inito di massimi e minimi. Sotto tali ipotesi l integrale di Fourier converge al valore assunto dalla unzione x(t) nei punti in cui essa è continua, e alla semisomma dei limiti destro e sinistro nei punti in cui presenta discontinuità di prima specie. Un ulteriore tipo di convergenza, meno restrittiva delle precedenti, è la convergenza in media quadratica, che assicura che l energia dell errore sia nulla. In tal caso basta che x(t) sia a quadrato sommabile, ovvero sia un segnale di energia, cioè: x(t) dt < Poiché molti dei segnali aperiodici che consideriamo sono segnali di energia, essi ammettono trasormata di Fourier nel senso appena indicato..5 Esempio Si vuole calcolare la trasormata di Fourier del segnale x(t) = A e t/t u(t). Dall equazione di analisi: X() = = A x(t)e jπt dt e (/T +jπ)t dt A = /T + jπ [e (/T +jπ)t ] + = AT + jπt a.a. -

7 Trasormata di Fourier per segnali tempo continuo 7 La trasormata di Fourier è una unzione complessa, calcoliamo quindi spettro di ampiezza e di ase: A() = AT + (πt ) θ() = arctan(πt ) Il graico è mostrato in igura per A = e T = /. Si noti come anche in questo caso lo spettro sia concentrato alle basse requenze.. Spettro di ampiezza.5 Spettro di ase X().6 <X() Figura : Spettro di ampiezza e spettro di ase.6 Relazione di Parseval Anche per i segnali aperiodici il calcolo dell energia può essere atto sia nel dominio del tempo che nel dominio della requenza. Inatti, ricordando la deinizione di energia, si ha: E x = x(t) dt = = = = x(t)x (t)dt [ x(t) X () [ X ()X()d = ] X () e jπt d dt (4) ] x(t) e jπt dt d (5) X() d Nella (4) è stata utilizzata la ormula di sintesi per x (t), mentre nella (5) si è scambiato l ordine di integrazione (lecito perché i segnali coinvolti sono a quadrato sommabile). Quindi: x(t) dt = X() d (6) che rappresenta la relazione di Parseval per segnali aperiodici e aerma che l energia può essere calcolata sia nel dominio del tempo che nel dominio della requenza. a.a. -

8 Trasormata di Fourier per segnali tempo continuo 8.7 Proprietà La trasormata di Fourier, come la serie, gode di diverse proprietà che, oltre a arci comprendere meglio il signiicato della trasormata, possono risultare molto utili per calcolarla. Di seguito sono presentate le principali..7. Linearità Siano x(t) e y(t) due segnali con trasormata di Fourier X() e Y (), rispettivamente, cioè: x(t) X() y(t) Y () Si consideri poi il segnale z(t) = ax(t) + by(t), combinazione lineare dei due segnali. Risulta: z(t) = ax(t) + by(t) Z() = ax() + by () (7) La prova è analoga a quella della serie di Fourier..7. Traslazione temporale Sia y(t) = x(t t ) e sia X() = F[x(t)], allora: y(t) = x(t t ) Y () = X()e jπt (8) Anche in questo caso la dimostrazione è analoga a quella della serie di Fourier. Se esprimiamo X() in termini di spettro di ampiezza e di ase si ha: Y () = X() e j X() e jπt pertanto lo spettro di ampiezza di y(t) resta inalterato: Y () = X() mentre quello di ase viene modiicato nel seguente modo: Y () = X() πt Esempio. Supponiamo di voler calcolare la trasormata di Fourier del segnale ( ) t T/ y(t) = x(t T/) = Π T Lo spettro di x(t) = Π(t/T ) è stato calcolato nell esempio.3 e vale X() = T sinc(t ), quindi, per la proprietà di traslazione temporale, y(t) ha la seguente trasormata: e risulta: Y () = T sinc(t ) e jπt Y () = T sinc(t ) Y () = T sinc(t ) πt I due spettri sono rappresentati graicamente in igura 3. a.a. -

9 Trasormata di Fourier per segnali tempo continuo 9 Spettro di ampiezza.8 X() Spettro di ase <X() Figura 3: Trasormata di Fourier dell impulso rettangolare trasalto.7.3 Cambiamento di scala Sia y(t) = x(at) e sia X() = F[x(t)], allora: y(t) = x(at) Y () = a X ( ) a (9) Dimostrazione. Dall equazione di analisi: Y () = y(t)e jπt dt = x(at)e jπt dt A questo punto eettuiamo il cambio di variabile τ = at: + Y () = a x(τ)e jπτ/a dτ a > a x(τ)e jπτ/a dτ a < ( ) a = X a a > ( ) a X a a < = ( ) a X a Ricordiamo che il cambiamento di scala, in base al valore di a, causa: a > Compressione a < Espansione a < Inversione La (9) ci dice che se comprimiamo il segnale nel tempo, otteniamo un espansione della trasormata di Fourier, se, invece, il segnale viene espanso nel tempo, lo spettro risulterà compresso. a.a. -

10 Trasormata di Fourier per segnali tempo continuo Questo risultato non ci sorprende dato che la compressione nel tempo equivale ad ottenere un segnale che varia più rapidamente e che quindi avrà bisogno di requenze più alte per essere ricostruito; di contro, un segnale di durata maggiore presenta un evoluzione temporale più lenta e il suo spettro risulterà concentrato maggiormente intorno alle basse requenze. Nella igura 4 è mostrato questo comportamento nell ipotesi in cui x(t) = Π(t) e a = per la igura a sinistra e a = / per quella a destra..5 Segnale nel d.d.t.5 Segnale nel d.d.t x(t) x(t) t t Trasormata di Fourier Trasormata di Fourier.5.5 X().5 X() Figura 4: Trasormata di Fourier di y (t) = x(t) e y (t) = x(t/) Notate che l area delle due sinc è la stessa dato che il valore nell origine, per entrambi i segnali, è uguale a. Esempio. Calcoliamo la trasormata di Fourier dell esponenziale bilatero: Il segnale può essere anche espresso come: x(t) = A e t /T x(t) = A e t/t u(t) + A e t/t u( t) = x (t) + x ( t) In questo modo si può sruttare il risultato ottenuto nell esempio.5 in cui è gia stato valutato lo spettro del segnale x (t). Applicando la proprietà di linearità e di cambiamento di scala per a =, si ha: X() = X () + X ( ) per cui: X() = = T + jπt + T jπt T + (πt ) Essendo il segnale pari, la trasormata è reale, e nel caso speciico assume solo valori positivi, per cui basta un solo graico per rappresentarla (igura 5). a.a. -

11 Trasormata di Fourier per segnali tempo continuo. Trasormata di Fourier X() Figura 5: Trasormata di Fourier dell esponenziale bilatero con A = e T =..7.4 Dualità La proprietà di dualità risulta molto utile tutte le volte in cui si conosce la trasormata di un segnale x(t): x(t) X() () e si vuole determinare la trasormata del segnale, indichiamolo con X(t), che ha lo stesso andamento temporale di X(). Per esempio abbiamo calcolato la trasormata di Fourier dell impulso rettangolare (x(t)) e abbiamo ottenuto la unzione sinc (X()), ci chiediamo allora se questo risultato ci può essere utile per valutare la trasormata di Fourier della sinc (X(t)). In eetti risulta: X(t) x( ) () Dimostrazione. Scriviamo l equazione di sintesi per il segnale x(t): x(t) = Scambiamo ormalmente le variabili t e : x() = quindi acciamo un cambio di variabile : x( ) = X()e jπt d X(t)e jπt dt X(t)e jπt dt e otteniamo che la trasormata di Fourier di X(t) risulta essere x( ). Esempio. Nell esempio.3 abbiamo trovate che: x(t) = Π(t/T ) X() = T sinc(t ) a.a. -

12 Trasormata di Fourier per segnali tempo continuo Da questo risultato vogliamo determinare la trasormata di Fourier della unzione y(t) = sinc(bt) Applicando la () si ha: X(t) = T sinc(tt ) x( ) = Π( /T ) = Π(/T ) Quindi per la proprietà di linearità si trova che: ) y(t) = sinc(bt) Y () = B Π ( B.7.5 Derivazione e integrazione Le operazioni di derivazione e integrazione diventano semplici operazioni algebriche nel dominio della requenza, per questo motivo la trasormata di Fourier è spesso utilizzata per quei sistemi il cui comportamento è descritto da equazioni dierenziali. a) Per quanto riguarda l operazione di derivazione, risulta: y(t) = dx(t) dt Y () = jπx() () La dimostrazione è analoga a quella della serie e giunge ad un risultato simile. La derivata causa l alterazione di tutte le componenti requenziali secondo un attore pari a jπ, esalta quindi le componenti del segnale alle alte requenze, oltre a uno sasamento di ±π/ a seconda del segno di. Inatti, spettro di ampiezza e di ase sono: La () può essere generalizzata: b) La proprietà di integrazione dice che: Y () = π X() Y () = X() + π sign() y(t) = dk x(t) dt k Y () = (jπ) k X() (3) y(t) = t x(α)dα Y () = X() jπ Per la dimostrazione è suiciente utilizzare la proprietà di derivazione. In questo caso vengono esaltate le componenti a bassa requenza del segnale. Si accia attenzione al atto che l uguaglianza seguente X() = jπy () risulta valida solo se X() =. Tale condizione sta a signiicare, per la (9) che: X() = x(t)dt = (4) a.a. -

13 Trasormata di Fourier per segnali tempo continuo 3 cioè x(t) sottende area nulla; d altra parte, essendo y(t) = t x(α)dα, deve accadere y(+ ) =, vale a dire y(t) deve tendere a zero all ininito. Questa è una condizione necessaria ainché y(t) sia un segnale di energia. Pertanto la (4) è valida solo se y(t) è un segnale di energia. Esempio. Usiamo la proprietà di integrazione per calcolare la trasormata di Fourier dell impulso triangolare x(t) = AΛ(t/T ) Procederemo nel seguente modo: ) calcoliamo s(t) = dx(t) dt ; ) valutiamo la trasormata di Fourier di s(t) S(); 3) inine, determiniamo X() = S() jπ La derivata dell impulso triangolare si può calcolare graicamente, e si ottiene: x(t) s(t) A A T T T T T t Analiticamente: La trasormata di Fourier di s(t) è: s(t) = A ( ) t + T/ T Π A ( ) t T/ T T Π T S() = A T T sinc(t )ejπt A T T sinc(t )e jπt = A sinc(t )[e jπt e jπt ] = ja sinc(t ) sin(πt ) L ultima operazione da are è quella di applicare la (4): X() = S() jπ = AT sinc (T ) = A sinc(t ) sin(πt ) π Per controllo, veriichiamo che risulta valida la relazione: X() = x(t) dt. In eetti, l area del segnale è proprio AT che coincide con il valore nell origine della trasormata a.a. -

14 Trasormata di Fourier per segnali tempo continuo Prodotto e convoluzione Le proprietà descritte in questo paragrao sono molto importanti per l analisi in requenza dei sistemi LTI e più in generale nell elaborazione dei segnali. Faremo l ipotesi che i segnali x(t) e y(t) abbiano trasormate di Fourier X() e Y (), rispettivamente. a) La proprietà della convoluzione aerma che: z(t) = x(t) y(t) Z() = X()Y () (5) Dimostrazione. Applicando la ormula di analisi si ha: Z() = = z(t)e jπt dt = [ Scambiando l ordine di integrazione: Z() = = x(α) x(α) [ [ [x(t) y(t)]e jπt dt ] x(α)y(t α) dα e jπt dt ] y(t α) e jπt dt dα ] y(t α) e jπ(t α) dt e jπα dα (6) Nella (6) abbiamo moltiplicato e diviso per la quantità e jπα. Adesso eettuiamo il cambio di variabile t α = τ nell integrale interno: [ ] Z() = x(α) y(τ) e jπτ dτ e jπα dα = = [ b) La proprietà duale della (5) è: x(α)y ()e jπα dα = ] x(α)e jπα dα Y () = X()Y () z(t) = x(t)y(t) Z() = X() Y () (7) Dimostrazione. Applicando la ormula di analisi si ha: Z() = = z(t)e jπt dt = [ X(ν)e jπνt dν x(t)y(t)e jπt dt ] y(t)e jπt dt (8) Nella (8) si è utilizzata la ormula di sintesi per x(t), usando la variabile ν per non creare ambiguità con la variabile. Invertendo quindi l ordine di integrazione: [ ] Z() = X(ν) y(t)e jπ( ν)t dt dν = X(ν)Y ( ν)dν = X() Y () a.a. -

15 Trasormata di Fourier per segnali tempo continuo 5 Esempio. Calcoliamo, nel dominio della requenza, la convoluzione tra due impulsi rettangolari della stessa durata, cioè: z(t) = x(t) x(t) dove x(t) = A Π(t/T ). Per la proprietà (5) risulta: dove X() = AT sinc(t ). Quindi: Z() = X () Z() = (AT ) sinc (T ) z(t) = A T Λ(t/T ) Per determinare z(t) è stato applicato il risultato ottenuto nell esempio di pag.3. Si noti come il calcolo della convoluzione tra due impulsi rettangolari risulti molto più semplice nel dominio della requenza che nel dominio del tempo. E chiaro, però, che una volta calcolata la trasormata di Fourier dei due segnali e realizzato il prodotto è necessario anche tornare nel dominio del tempo e calcolare z(t). Se il segnale ottenuto Z() è troppo complesso da antitrasormare, la convoluzione andrà eettuata nel dominio del tempo. Questo procedimento, oltre che per il calcolo della convoluzione, può risultare estremamente utile per il calcolo dell autocorrelazione di un segnale di energia, dato che risulta: R x (τ) = x(τ) x( τ) X()X( ) Per il calcolo della trasormata di Fourier di x( τ) abbiamo applicato la (9) con a =. D altra parte, se x(t) è reale X( ) = X (), quindi: R x (τ) = x(τ) x( τ) X()X () = X() Quindi bisogna calcolare la quantità X() e poi antitrasormare. Ovviamente con ragionamenti analoghi si può determinare la mutua correlazione tra due segnali operando nel dominio della requenza e non in quello del tempo..7.7 Modulazione La proprietà di modulazione risulta estremamente utile quando si vuole traslare lo spettro di un segnale intorno a una issata requenza ed è un operazione ondamentale tutte le volte in cui si vuole trasmettere un segnale su un determinato mezzo di comunicazione. Calcoliamo la trasormata di Fourier del segnale: y(t) = x(t) cos(π t) utilizzando la deinizione (si osservi che y(t) è ancora un segnale di energia se x(t) è di energia): y(t) = = = x(t) cos(π t)e jπt dt [ e jπ t e jπ t x(t) x(t)e jπ( )t dt + = X( ) + X( + ) ] e jπt dt x(t)e jπ(+ )t dt a.a. -

16 Trasormata di Fourier per segnali tempo continuo 6 In conclusione: y(t) = x(t) cos(π t) Y () = X( ) + X( + ) (9) Aver moltiplicato il segnale x(t) per una sinusoide alla requenza ha permesso di traslare lo spettro di x(t) proprio intorno alle requenze ±. Si parla in questo caso di modulazione d ampiezza perché l ampiezza della sinusoide viene modulata dall andamento del segnale. Come conseguenza della dimostrazione si trova anche che se si moltiplica un segnale per un asore si trasla lo spettro in requenza intorno alla portante (proprietà duale della traslazione nel tempo): y(t) = x(t)e jπ t Y () = X( ) (3).8 Trasormata di Fourier generalizzata La trasormata di Fourier può anche essere applicata a segnali che non soddisano le condizioni di Dirichlet o che non sono segnali di energia, pur di introdurre la unzione generalizzata impulso di Dirac, δ(t)..8. Delta di Dirac e Segnale costante Calcoliamo la trasormata di Fourier di x(t) = δ(t): Quindi: X() = δ(t)e jπt dt = e jπt t= = x(t) = δ(t) X() = (3) Lo spettro dell impulso di Dirac contiene componenti a qualsiasi requenza arbitrariamente grande e tutte le componenti hanno la stessa ampiezza. Se scriviamo anche l equazione di sintesi, si ha che: δ(t) = e jπt d Ovviamente questa uguaglianza va intesa nel senso delle distribuzioni, dato che l integrale non è deinito in senso ordinario. Calcoliamo adesso la trasormata di Fourier di δ(t t ): Quindi: X() = δ(t t )e jπt dt = e jπt t=t = e jπt x(t) = δ(t t ) X() = e jπt (3) L introduzione della δ(t) ci permette di calcolare la trasormata di Fourier di un segnale a energia ininita come il segnale costante, inatti per dualità, risulta: x(t) = X() = δ( ) = δ() (33) dove è stata sruttata la proprietà di parità dell impulso di Dirac. a.a. -

17 Trasormata di Fourier per segnali tempo continuo 7 Esempio. Calcoliamo la trasormata di Fourier del segnale x(t) = t T Π ( ) t T applicando la proprietà di integrazione: x(t) s(t) T T t T T T t La derivata s(t) può essere espressa analiticamente come: s(t) = δ(t + T ) δ(t T ) T Π ( t + T/ T Calcoliamo la sua trasormata di Fourier: Inine: ) + ( ) t T/ T Π T S() = e jπt e jπt sinc(t )e jπt + sinc(t )e jπt = j sin(πt ) jsinc(t ) sin(πt ) X() = S() jπ = j sin(πt ) jπ sinc(t ) sin(πt ) j jπ = T sinc(t ) T sinc (T ) (34) In realtà, il segnale x(t) si può anche esprimere come x(t) = Π(t/T ) Λ(t/T ), quindi, anziché usare la proprietà di integrazione, bastava applicare la proprietà di linearità e sruttare il atto che le trasormate di Fourier dell impulso rettangolare e triangolare sono note, ottenendo così lo stesso risultato mostrato nella (34)..8. Gradino e Signum In questa sezione vogliamo calcolare le trasormate di Fourier del segnale gradino e del segnale signum, entrambi segnali di potenza. In realtà dato che risulta u(t) = + sign(t) basta calcolare la trasormata di Fourier del segnale signum, quella di u(t) si ottiene poi applicando la linearità e ricordando che la trasormata di Fourier di una costante è un impulso di Dirac: u(t) = + sign(t) U() = δ() + F[sign(t)] a.a. -

18 Trasormata di Fourier per segnali tempo continuo 8 5 x(t)=/t 4 3 x(t) t Figura 6: Rappresentazione graica del segnale x(t) = /t Per calcolare la trasormata di Fourier di sign(t), bisogna, a sua volta, determinare la trasormata di Fourier del segnale x(t) = /t, il cui graico è mostrato in igura 6. Tale segnale non è sommabile, in quanto è ininito del primo ordine per t e ininitesimo del primo ordine per t +, nonostante ciò è possibile calcolarne la trasormata di Fourier nel senso del valor principale secondo Cauchy. Vediamo come. Applicando l equazione di analisi: X() = e jπt t dt = cos(π t) t sin(π t) dt j dt t Dal momento che la unzione cos(π t)/t è dispari, il primo integrale ornisce contributo nullo, se si considera il valor principale secondo Cauchy (VPC), cioè la quantità: Quindi: V P C [ cos(π t) t ] [ ε cos(π t) T dt = lim dt + ε,t T t ε sin(π t) X() = j dt = jπ t Il calcolo dell integrale diventa semplice se si applica la (9): y(t) dt = Y () sinc( t) dt cos(π t) t e se si ricorda che sinc(t) Π(t), per cui applicando la proprietà del cambiamento di scala: y(t) = sinc(αt) Y () = ( ) α Π α ] dt Quindi: sinc(t) dt = Π() = a.a. -

19 Trasormata di Fourier per segnali tempo continuo 9 In conclusione: X() = jπ = jπsign() Equivalentemente: jπsign() (35) t A questo punto basta applicare la proprietà di dualità per ottenere la trasormata di Fourier del segnale sign(t): ovvero jπsign(t) sign(t) Di conseguenza la trasorma di Fourier del gradino è: jπ u(t) δ() + jπ (36).8.3 Teorema di integrazione completo Utilizzando i risultati ottenuti nel paragrao precedente è possibile estendere il teorema di integrazione anche ai segnali di potenza. Inatti: D altra parte: Quindi: t x(α) dα = x(α)u(t α) dα = x(t) u(t) [ x(t) u(t) X() jπ + ] δ() t x(α) dα X() jπ + X()δ() (37) Questo è il teorema di integrazione in orma completa. Il secondo termine tiene conto di un eventuale componente continua che potrebbe risultare dall integrazione e che nel caso di segnali di energia risulta essere nulla. Si tenga presente che quando X() = si ottiene la proprietà (4)..8.4 Trasormata di Fourier per segnali periodici Grazie all introduzione della delta di Dirac, è possibile estendere la trasormata di Fourier anche ai segnali periodici. In questo modo si utilizza un unico strumento (trasormata di Fourier) sia per i segnali aperiodici che per quelli periodici. Ricordiamo l equazione (3): Applicando la proprietà di dualità, otteniamo: x(t) = δ(t t ) X() = e jπt x(t) = e jπ t X() = δ( ) = δ( + ) (38) a.a. -

20 Trasormata di Fourier per segnali tempo continuo X() Figura 7: Trasormata di Fourier di x(t) = cos(π t) ma anche: x(t) = e jπ t X() = δ( + ) = δ( ) (39) Nelle due relazioni (38) e (39) abbiamo sruttato la proprietà di parità della δ(t). A questo punto, è semplice ricavare la trasormata di Fourier di x(t) = cos(π t), utilizzando la ormula di Eulero: x(t) = cos(π t) = ejπ t + e jπ t X() = δ( ) + δ( + ) (4) La trasormata di Fourier del coseno è costituita da due impulsi di ampiezza / centrati nelle requenze ±, come mostrato in igura 7. E importante sottolineare che da un punto di vista concettuale la trasormata di Fourier ornisce le stesse indicazioni della serie di Fourier. Con un procedimento analogo possiamo derivare la trasormata di Fourier del seno: x(t) = sin(π t) = j ejπ t j e jπ t X() = j δ( ) j δ( + ) (4) Si noti che possiamo riottenere la proprietà di modulazione, tenendo presente che la trasormata di Fourier del prodotto di due segnali è data dalla convoluzione delle trasormate: [ ] δ( ) + δ( + ) x(t) cos(π t) X() quindi: x(t) cos(π t) X( ) + X( + ) A questo punto è immediato calcolare la trasormata di Fourier di un qualsiasi segnale periodico x p (t), ricordando che tale segnale ammette espansione in serie di Fourier: x p (t) = k X k e jπk t X p () = k X k δ( k ) Questa relazione mostra che il contenuto spettrale di un segnale periodico è concentrato alle requenze armoniche (spettro a righe), così come evidenzia l analisi in requenza mediante la serie (igura 8). a.a. -

21 Trasormata di Fourier per segnali tempo continuo X p () X... T T X X T T... Figura 8: Trasormata di Fourier di un segnale periodico Esempio. Si consideri nuovamente il treno di impulsi ideali x p (t) = n δ(t nt ) Ricordiamo che i coeicienti di Fourier sono tutti costanti X k = /T, per cui: x p (t) X p () = ) δ ( kt T k (4) La trasormata di Fourier di un treno di impulsi di periodo T è ancora un treno di impulsi di ampiezza /T e periodo /T..8.5 Formule di Poisson Le ormule di Poisson ci orniscono dei risultati importanti per quanto riguarda la replicazione e il campionamento dei segnali.. Prima ormula di Poisson. Si consideri un segnale periodico: x p (t) = rep T [x(t)] = n x(t nt ) (43) dove x(t) è il generatore. Il segnale x p (t) si può anche esprimere come: x p (t) = x(t) n δ(t nt ) Calcoliamo adesso la trasormata di Fourier di x p (t), ricordando che la convoluzione nel tempo è il prodotto in requenza e che vale la (4): X p () = X() ) δ ( kt T k = ) X()δ ( kt T k = ( ) ) k X δ ( kt (44) T T k a.a. -

22 Trasormata di Fourier per segnali tempo continuo Antitrasormando la (44) e uguagliando alla (43) si ottiene la prima ormula di Poisson: x(t nt ) = ( ) k X e jπkt/t (45) T n T k Tale relazione esprime il atto che ad una replicazione nel tempo corrisponde un campionamento in requenza. Facciamo un importante osservazione. Dalla (45) si può notare come i coeicienti di Fourier X k si possono determinare anche come: X k = ( ) k X (46) T cioè bisogna prima determinare la trasormata del generatore X() = F[x(t)] e poi campionarla opportunamente. La ormula (46) può risultare molto più comoda rispetto alla deinizione per calcolare i coeicienti dello sviluppo in serie.. Seconda ormula di Poisson. Tale relazione è duale rispetto alla precedente e ci dice che se si campiona un segnale nel dominio del tempo lo spettro viene replicato in requenza. Consideriamo un segnale campionato idealmente: T x δ (t) = x(t) n δ(t nt ) (47) e calcoliamone la sua trasormata di Fourier usando la (7) e la (4): X δ () = X() ) δ ( kt T k = ) X ( kt T k (48) Scopriamo che campionare nel tempo signiica replicare in requenza. Adesso riscriviamo la (47) nel seguente modo: x δ (t) = n x(t)δ(t nt ) = n x(nt )δ(t nt ) (49) e calcoliamone la trasormata di Fourier: X δ () = n x(nt )e jπnt (5) Uguagliando la (5) e la (48) si ottiene la seconda ormula di Poisson: x(nt )e jπnt = ) X ( kt T n k (5) Di seguito mostriamo alcuni esempi di calcolo della trasormata di Fourier per segnali periodici attraverso la (46) (ormula del campionamento in requenza). Questa ormula è molto più semplice da usare, perchè nell equazione di analisi dello sviluppo in serie è necessario considerare la restrizione ad un periodo del segnale, con la (46), invece, basta scegliere un qualsiasi generatore del segnale periodico. a.a. -

Analisi dei segnali nel dominio della frequenza

Analisi dei segnali nel dominio della frequenza Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 7 Analisi dei segnali nel dominio della frequenza docente L.Verdoliva In questa lezione affrontiamo il problema dell analisi dei segnali tempo

Dettagli

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI Fondamenti di segnali Fondamenti e trasmissione TLC Proprieta della () LINEARITA : la della combinazione lineare (somma pesata) di due segnali e uguale alla

Dettagli

Capitolo 1 - Campionamento (I)

Capitolo 1 - Campionamento (I) Appunti di Elaborazione numerica dei segnali apitolo - ampionamento (I) Introduzione... deinizione di campionamento... segnale campionato...3 eorema del campionamento...5 Formula di ricostruzione...8 Errore

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Appunti di Elaborazione dei Segnali Multimediali a.a. 29/2 L.Verdoliva Il dominio della frequenza è un potente strumento per l analisi e l elaborazione delle immagini e permette di comprendere meglio il

Dettagli

Elaborazione numerica. Teoria dei segnali

Elaborazione numerica. Teoria dei segnali Elaborazione numerica e Teoria dei segnali Raccolta di Esercizi Fiandrino Claudio agosto 00 II Indice I Teoria dei segnali 5 Esercizi di base 7. Esercizio............................. 7. Esercizio.............................

Dettagli

Caratterizzazione dei segnali aleatori nel dominio della frequenza

Caratterizzazione dei segnali aleatori nel dominio della frequenza Capitolo 5 Caratterizzazione dei segnali aleatori nel dominio della frequenza 5. Introduzione In questo capitolo affrontiamo lo studio dei segnali aleatori nel dominio della frequenza. Prendiamo come esempio

Dettagli

Analisi dei sistemi nel dominio del tempo

Analisi dei sistemi nel dominio del tempo Appunti di Teoria dei Segnali a.a. 010/011 L.Verdoliva In questa sezione studieremo i sistemi tempo continuo e tempo discreto nel dominio del tempo. Li classificheremo in base alle loro proprietà e focalizzeremo

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09.

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09. Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Analisi dei segnali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Segnali continui e discreti Un segnale tempo-continuo è

Dettagli

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2 Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013

Dettagli

Studio dei segnali nel dominio della frequenza. G. Traversi

Studio dei segnali nel dominio della frequenza. G. Traversi Studio dei segnali nel dominio della frequenza G. Traversi Segnali periodici e serie di Fourier Una funzione periodica f(t) di periodo T (purché integrabile) è esprimibile con una serie del tipo: f (t)

Dettagli

RAPPRESENTAZIONE DI UN SEGNALE DETERMINISTICO NEL DOMINIO DEL TEMPO

RAPPRESENTAZIONE DI UN SEGNALE DETERMINISTICO NEL DOMINIO DEL TEMPO CAPITOLO RAPPRESENTAZIONE DI UN SEGNALE DETERMINISTICO NEL DOMINIO DEL TEMPO. - APPROSSIMAZIONE DI UN SEGNALE Si è detto che un segnale deterministico è rappresentabile analiticamente con una funzione

Dettagli

Anno 5 Asintoti di una funzione

Anno 5 Asintoti di una funzione Anno 5 Asintoti di una unzione 1 Introduzione In questa lezione impareremo a deinire e ricercare gli asintoti. Ma cosa sono gli asintoti? Come si ricercano? Al termine di questa lezione sarai in grado

Dettagli

Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014

Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014 Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014 Indice 1 Esponenziali 1 1.1 Funzioni esponenziali con dominio Z.......................

Dettagli

Analisi spettrale. Applicazioni. Specifiche di un analizzatore di spettro. analizzatori di spettro. Specifiche di un analizzatore di spettro (2)

Analisi spettrale. Applicazioni. Specifiche di un analizzatore di spettro. analizzatori di spettro. Specifiche di un analizzatore di spettro (2) Analisi spettrale Che cos è lo spettro di un segnale? Perché e come si misura? Sia x(t) un segnale nel dominio del tempo. La sua trasormata di Fourier vale: X ( ) = + x( t) e jπ t < < + Le misure nel dominio

Dettagli

Laboratorio di Elettrotecnica

Laboratorio di Elettrotecnica 1 Laboratorio di Elettrotecnica Rappresentazione armonica dei Segnali Prof. Pietro Burrascano - Università degli Studi di Perugia Polo Scientifico Didattico di Terni 2 SEGNALI: ANDAMENTI ( NEL TEMPO, NELLO

Dettagli

La più generale forma di onda periodica può essere costruita come somma di k onde armoniche semplici del tipo descritto sopra, ossia: k 0,1,2,3...

La più generale forma di onda periodica può essere costruita come somma di k onde armoniche semplici del tipo descritto sopra, ossia: k 0,1,2,3... APPUNTI SULL ANALISI DI FOURIER E ALCUNE SEMPLICI APPLICAZIONI IN GEOFISICA Antonio Meloni, per gli studenti di Geoisica Generale e Applicata, Roma Tre, -). INTRODUZIONE Ogni moto che si ripete in intervalli

Dettagli

Segnali passa-banda ed equivalenti passa-basso

Segnali passa-banda ed equivalenti passa-basso Appendice C Segnali passa-banda ed equivalenti passa-basso C.1 Segnali deterministici Un segnale deterministico u(t) con trasformata di Fourier U(f) è un segnale passa-banda se f 0, W, con 0 < W < f 0,

Dettagli

Serie di Fourier 1. Serie di Fourier. f(t + T )=f(t) t R.

Serie di Fourier 1. Serie di Fourier. f(t + T )=f(t) t R. Serie di Fourier 1 Serie di Fourier In questo capitolo introduciamo le funzioni periodiche, la serie di Fourier in forma trigonometrica per le funzioni di periodo π, e ne identifichiamo i coefficienti.

Dettagli

1 Modelli di formazione di immagini

1 Modelli di formazione di immagini Modelli di ormazione di immagini M. Bertero DISI Università di Genova - Blurring -Noise - Problemi di ricostruzione di immagini Un sistema di ormazione di immagini (camera digitale telecamera microscopio

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it

Dettagli

La trasformata Zeta. Marco Marcon

La trasformata Zeta. Marco Marcon La trasformata Zeta Marco Marcon ENS Trasformata zeta E l estensione nel caso discreto della trasformata di Laplace. Applicata all analisi dei sistemi LTI permette di scrivere in modo diretto la relazione

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Capitolo 2 - Algebra booleana

Capitolo 2 - Algebra booleana ppunti di Elettronica Digitale Capitolo - lgebra booleana Introduzione... Postulati di Huntington... Reti di interruttori... Esempi di algebra booleana... 4 Teoremi ondamentali dell'algebra booleana...

Dettagli

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6 EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)

Dettagli

Introduzione al Campionamento e

Introduzione al Campionamento e Introduzione al Campionamento e all analisi analisi in frequenza Presentazione basata sul Cap.V di Introduction of Engineering Experimentation, A.J.Wheeler, A.R.Ganj, Prentice Hall Campionamento L'utilizzo

Dettagli

TRACCIA DI STUDIO. Sintesi dei dati. aver eliminato una uguale percentuale di valori estremi sia in basso sia in alto.

TRACCIA DI STUDIO. Sintesi dei dati. aver eliminato una uguale percentuale di valori estremi sia in basso sia in alto. TRACCIA DI STUDIO Sintesi dei dati Per concentrare l inormazione di una serie di misure, è necessario identiicare un indice in grado di rappresentare correttamente la tendenza di un enomeno con una perdita

Dettagli

PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 13.06.2005. Tempo: 2.5 ore. È consentito l uso di libri ed appunti propri. y 1 (t) + + y(t) H(f) = 1 4

PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 13.06.2005. Tempo: 2.5 ore. È consentito l uso di libri ed appunti propri. y 1 (t) + + y(t) H(f) = 1 4 INFO (DF-M) PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 3.06.005. Tempo:.5 ore. È consentito l uso di libri ed appunti propri. ESERCIZIO (0 punti) x(t) g(x) z(t) H(f) H(f) y (t) + + y (t) y(t) H(f) = 4 ( e

Dettagli

Il Campionameto dei segnali e la loro rappresentazione. 1 e prende il nome frequenza di

Il Campionameto dei segnali e la loro rappresentazione. 1 e prende il nome frequenza di Il Campionameto dei segnali e la loro rappresentazione Il campionamento consente, partendo da un segnale a tempo continuo ovvero che fluisce con continuità nel tempo, di ottenere un segnale a tempo discreto,

Dettagli

SISTEMI DIGITALI DI CONTROLLO

SISTEMI DIGITALI DI CONTROLLO Sistemi Digitali di Controllo A.A. 2009-2010 p. 1/45 SISTEMI DIGITALI DI CONTROLLO Prof. Alessandro De Luca DIS, Università di Roma La Sapienza deluca@dis.uniroma1.it Lucidi tratti dal libro C. Bonivento,

Dettagli

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/ Catene di Misura Corso di Misure Elettriche http://sms.unipv.it/misure/ Piero Malcovati Dipartimento di Ingegneria Industriale e dell Informazione Università di Pavia piero.malcovati@unipv.it Piero Malcovati

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale.

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE. Dispense redatte dal Prof. Francesco Valdoni, riviste e sistemate editorialmente dal Prof.

FONDAMENTI DI SEGNALI E TRASMISSIONE. Dispense redatte dal Prof. Francesco Valdoni, riviste e sistemate editorialmente dal Prof. FONDAMENTI DI SEGNALI E TRASMISSIONE Dispense redatte dal Prof. Francesco Valdoni, riviste e sistemate editorialmente dal Prof. Michele Luglio 2 3 INDICE!! "#$%&'()"&#*+,!!-!!.".$*/"+*+.*%0")"+'"+$*1*2&/(#"23)"&#"+

Dettagli

III IL RUMORE NEL DOMINIO DELLE FREQUENZE E DEL TEMPO

III IL RUMORE NEL DOMINIO DELLE FREQUENZE E DEL TEMPO III IL RUMORE NEL DOMINIO DELLE FREQUENZE E DEL EMPO 1. Le sequenze casuali nel dominio del tempo e nel dominio delle frequenze Storicamente lo studio delle reti lineari e la trattazione dei segnali nascono

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Revisione dei concetti fondamentali

Revisione dei concetti fondamentali Revisione dei concetti fondamentali dell analisi in frequenza Argomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Successioni e serie di funzioni

Successioni e serie di funzioni Successioni e serie di funzioni A. Albanese, A. Leaci, D. Pallara In questa dispensa generalizzeremo la trattazione delle successioni e delle serie al caso in cui i termini delle stesse siano non numeri

Dettagli

Revisione dei concetti fondamentali dell analisi in frequenza

Revisione dei concetti fondamentali dell analisi in frequenza Revisione dei concetti fondamentali dell analisi in frequenza rgomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004 COMPIO DI SEGNALI E SISEMI 8 Dicembre 4 Esercizio Si consideri il modello di stato a tempo discreto descritto dalle seguenti equazioni: x(k + = Ax(k + Bu(k = x(k + u(k, v(k = Cx(k = [ ] x(k, k Z + i Si

Dettagli

ESERCITAZIONI DI ANALISI 1 FOGLIO 1 FOGLIO 2 FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI. Marco Pezzulla

ESERCITAZIONI DI ANALISI 1 FOGLIO 1 FOGLIO 2 FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI. Marco Pezzulla ESERCITAZIONI DI ANALISI FOGLIO FOGLIO FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI Marco Pezzulla gennaio 05 FOGLIO. Determinare il dominio e il segno della funzione ( ) f(x) arccos x x + π/3.

Dettagli

TRASFORMATA DI FOURIER

TRASFORMATA DI FOURIER C A P I T O L O 9 TRASFORMATA DI FOURIER 9. INTRODUZIONE La serie di Fourier permette di rappresentare una funzione periodica come somma di sinusoidi, e di ottenere lo spettro della funzione dalla serie.

Dettagli

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI 1 Fondamenti di segnali Fondamenti e trasmissione TLC Segnali in formato numerico Nei moderni sistemi di memorizzazione e trasmissione i segnali in ingresso sono

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

Elementi di sismologia

Elementi di sismologia Elementi di sismologia Sismologia e Rischio Sismico Anno Accademico 2009-2010 Giovanna Cultrera, cultrera@ingv.it Istituto Nazionale di Geofisica e Vulcanologia Trasformata di Fourier Premessa: l equazione

Dettagli

Complementi sui filtri

Complementi sui filtri Elaborazione numerica dei segnali Appendice ai capitoli 4 e 5 Complementi sui filtri Introduzione... Caratteristiche dei filtri ideali... Filtri passa-basso...4 Esempio...7 Filtri passa-alto...8 Filtri

Dettagli

Sistema dinamico a tempo continuo

Sistema dinamico a tempo continuo Sistema dinamico a tempo continuo Un sistema è un modello matematico di un fenomeno fisico: esso comprende le cause e gli effetti relativi al fenomeno, nonché la relazione matematica che li lega. X INGRESSO

Dettagli

IL FILTRAGGIO DEL SEGNALE

IL FILTRAGGIO DEL SEGNALE CAPITOLO 4 IL FILTRAGGIO DEL SEGNALE 4.1 - SISTEMA LINEARE NON DISTORCENTE E un sistema lineare che restituisce in uscita una replica indistorta del segnale di entrata, intendendo x(t) y(t) = Ax(t-t 0

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

Esercizi di teoria dei segnali. Laura Dossi Arnaldo Spalvieri

Esercizi di teoria dei segnali. Laura Dossi Arnaldo Spalvieri Esercizi di teoria dei segnali Laura Dossi Arnaldo Spalvieri Gli autori desiderano ringraziare gli ingg. Fabio Marchisi e Raffaele Canavesi per il preziosissimo contributo alla stesura della dispensa.

Dettagli

Forma d onda rettangolare non alternativa.

Forma d onda rettangolare non alternativa. Forma d onda rettangolare non alternativa. Lo studio della forma d onda rettangolare è utile, perché consente di conoscere il contenuto armonico di un segnale digitale. FIGURA 33 Forma d onda rettangolare.

Dettagli

Come visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)

Come visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1) Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre

Dettagli

A.1 Rappresentazione geometrica dei segnali

A.1 Rappresentazione geometrica dei segnali Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente

Dettagli

Ing. Alessandro Pochì

Ing. Alessandro Pochì Lo studio di unzione Ing. Alessandro Pochì Appunti di analisi Matematica per la Classe VD (a.s. 011/01) Schema generale per lo studio di una unzione Premessa Per Studio unzione si intende, generalmente,

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

LEZIONI DEL CORSO DI SISTEMI DEL QUINTO ANNO

LEZIONI DEL CORSO DI SISTEMI DEL QUINTO ANNO LEZIONI DEL CORSO DI SISTEMI DEL QUINTO ANNO MOD. 1 Sistemi di controllo e di regolazione. Si tratta di un ripasso di una parte di argomenti effettuati l anno scorso. Introduzione. Schemi a blocchi di

Dettagli

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

Richiami principali ai segnali

Richiami principali ai segnali CAPITOLO 1 Richiami principali ai segnali 1.1. Introduzione La definizione di segnale parte dall esperienza comune. Esempi di segnale nella vita quotidiana sono il segnale acustico che viene prodotto da

Dettagli

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Trasformate di Laplace

Trasformate di Laplace TdL 1 TdL 2 Trasformate di Laplace La trasformata di Laplace e un OPERATORE funzionale Importanza dei modelli dinamici Risolvere equazioni differenziali (lineari a coefficienti costanti) Tempo t Dominio

Dettagli

APPUNTI DI OTTICA GEOMETRICA

APPUNTI DI OTTICA GEOMETRICA APPUNTI DI OTTICA GEOMETRICA ) Introduzione L ottica geometrica puo essere considerata un metodo per la costruzione di immagini date da sistemi ottici quali lenti e specchi. Essa costituisce una teoria

Dettagli

Alcune note sulle serie di potenze 1

Alcune note sulle serie di potenze 1 Alcune note sulle serie di potenze Contents G. Falqui Preliminari 2 Serie di potenze 3 3 Rappresentazione di funzioni mediante serie di potenze 7 3. Esempi notevoli........................... 9 3.2 Formula

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione nel dominio della frequenza Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,

Dettagli

Corso di Analisi Matematica. Funzioni reali di variabile reale

Corso di Analisi Matematica. Funzioni reali di variabile reale a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Funzioni reali di variabile reale Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

Trasformazioni geometriche nel piano cartesiano

Trasformazioni geometriche nel piano cartesiano Trasformazioni geometriche nel piano cartesiano Francesco Biccari 18 marzo 2013 Una trasformazione geometrica del piano è una legge (corrispondenza biunivoca) che consente di associare a un determinato

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

Trasformata Zeta e Sistemi LTI a Tempo Discreto

Trasformata Zeta e Sistemi LTI a Tempo Discreto Capitolo 7 Trasformata Zeta e Sistemi LTI a Tempo Discreto Questo capitolo è dedicato allo studio della trasformata zeta, strumento di analisi dei sistemi LTI a tempo discreto così come la trasformata

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

Dettagli

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L. Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:

Dettagli

Brevi appunti di Fondamenti di Automatica 1. prof. Stefano Panzieri Dipartimento di Informatica e Automazione Universitá degli Studi ROMA TRE

Brevi appunti di Fondamenti di Automatica 1. prof. Stefano Panzieri Dipartimento di Informatica e Automazione Universitá degli Studi ROMA TRE Brevi appunti di Fondamenti di Automatica prof. Dipartimento di Informatica e Automazione Universitá degli Studi ROMA RE ROMA RE UNIVERSIÀ DEGLI SUDI 4 marzo 05 Rev. 0. INDICE Indice La rasfomata di Laplace.0.

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

30 RISONANZE SULLE LINEE DI TRASMISSIONE

30 RISONANZE SULLE LINEE DI TRASMISSIONE 3 RISONANZE SULLE LINEE DI TRASMISSIONE Risuonatori, ovvero circuiti in grado di supportare soluzioni risonanti( soluzioni a regime sinusoidali in assenza di generatori) vengono largamente utilizzati nelle

Dettagli

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Attilio Piana, Andrea Ziggioto 1 egime variabile in un circuito elettrico. Circuito C. 1.1 Carica del condensatore

Dettagli

Prova scritta di Controlli Automatici

Prova scritta di Controlli Automatici Prova scritta di Controlli Automatici Corso di Laurea in Ingegneria Meccatronica, AA 2011 2012 10 Settembre 2012 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare

Dettagli

FONDAMENTI DI ACUSTICA IN EDILIZIA

FONDAMENTI DI ACUSTICA IN EDILIZIA FONDAMENTI DI ACUSTICA IN EDILIZIA Dipartimento di Ingegneria Meccanica e Industriale Università degli Studi di Brescia Ing. Edoardo Piana Sorgente Mezzo Ricevitore Meccanismo di eccitazione Elemento oscillante

Dettagli

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica...

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica... UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di variabile reale Indice Grafico di una funzione reale 2 Funzioni elementari 2 2. Funzione potenza................................................

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Funzioni di trasferimento Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Funzioni di trasferimento

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Funzioni di più variabili

Funzioni di più variabili Funzioni di più variabili Introduzione Funzioni reali di più variabili reali Una unzione reale di due variabili è una unzione : D R dove il dominio D è un sottoinsieme di R. ESEMPI: - / ln. Considerazioni

Dettagli

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

Capitolo 1 ANALISI COMPLESSA

Capitolo 1 ANALISI COMPLESSA Capitolo 1 ANALISI COMPLESSA 1 1.4 Serie in campo complesso 1.4.1 Serie di potenze Una serie di potenze è una serie del tipo a k (z z 0 ) k. Per le serie di potenze in campo complesso valgono teoremi analoghi

Dettagli

Appunti del corso di. ELABORAZIONE NUMERICA dei SEGNALI (9 CFU) Ciro Cafforio

Appunti del corso di. ELABORAZIONE NUMERICA dei SEGNALI (9 CFU) Ciro Cafforio Politecnico di Bari Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni Appunti del corso di ELABORAZIONE NUMERICA dei SEGNALI (9 CFU) Ciro Cafforio Anno Accademico 2012-2013 CAPITOLO

Dettagli

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06 Analisi Mat. - Ing. Inform. - Soluzioni del compito del 3-3-6 Sia p il polinomio di quarto grado definito da pz = z 4. Sia S il settore circolare formato dai numeri complessi che hanno modulo minore o

Dettagli

Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005

Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:

Dettagli

d 2 dx ψ + 2 m E V x ψ = 0 V x = V x + a. ψ(x+a) = Q ψ(x). ψ x = e " i k x u k ψ x + a = e " i k x + a u k x + a = e " i k a e " i k x u k

d 2 dx ψ + 2 m E V x ψ = 0 V x = V x + a. ψ(x+a) = Q ψ(x). ψ x = e  i k x u k ψ x + a = e  i k x + a u k x + a = e  i k a e  i k x u k Teorema di Bloch Introduzione (vedi anche Ascroft, dove c è un approccio alternativo) Cominciamo col considerare un solido unidimensionale. Il modello è quello di una particella (l elettrone) in un potenziale

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Funzioni trascendenti

Funzioni trascendenti Funzioni trascendenti Lucia Perissinotto I.T.I.S. V.Volterra San Donà di Piave Beatrice Hitthaler I.T.I.S. V.Volterra San Donà di Piave 17 novembre 007 Sommario Esponiamo la teoria fondamentale delle funzioni

Dettagli

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1. EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema

Dettagli

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

Dettagli