6.2 Controllo ottimo di sistemi tempo-discreti
|
|
- Bonifacio Sorrentino
- 7 anni fa
- Visualizzazioni
Transcript
1 Capitolo 6 CONTROLLO OTTIMO 6.1 Introduzione 6.2 Controllo ottimo di sistemi tempo-discreti Si consideri il sistema tempo-discreto x(k +1) = f (k,x(k),u(k)) (6.1) con k Z, x(k) IR n e u(k) IR m. Dato l intervallo temporale [t 0,t f ) = {t 0,t 0 +1,...,t f 1}, detto orizzonte di controllo, e lo stato iniziale x(t 0 ) = x 0 si vuole determinare la successione di ingressi u [t0,t f ) = {u(t 0 ),u(t 0 +1),...,u(t f 1)} che minimizza il costo non-negativo J (t 0,x 0,u( )) = t f 1 i=t 0 l(i,x(i),u(i)) + m(x(t f )). (6.2) Si noti che (6.2) è dato dalla somma dei costi istantanei l(i,x(i),u(i)) per i [t 0,t f ) più il costo terminale m(x(t f )) relativo allo stato terminale x(t f ). Sulla funzione f(k,x,u) che definisce la dinamica del sistema non si fanno ipotesi di alcun tipo; viceversa sulle funzioni di costo istantaneo l(k, x, u) e di costo terminale m(x), che definiscono l indice di prestazione (6.2), si fanno le seguenti assunzioni l(k,x,u) > 0 k, x, u = 0 (6.3) l(k,x,0) 0 k, x (6.4) m(x) 0 x (6.5) 1
2 2 CAPITOLO 6 CONTROLLO OTTIMO Le ipotesi (6.3)-(6.5) fanno sì che il costo istantaneo l(k,x,u) ed il costo terminale m(x) siano entrambi non-negativi per qualsiasi valore di k, x, u. Inoltre (6.3) implica che non esistono ingressi u = 0 a costo nullo; viceversa (6.4) e (6.5) permettono l esistenza di stati x = 0 a costo istantaneo e, rispettivamente, costo terminale nullo. Per risolvere il problema di controllo ottimo (6.1)-(6.2) conviene introdurre la seguente funzione di Bellman V(k,x) = min J(k, x, u( )) (6.6) u [k,tf ) associata ad ogni istante temporale k [t 0,t f ] e ad ogni stato x IR n. La funzione di Bellman V(k, x) fornisce dunque il costo ottimo (minimo) del problema (6.1)- (6.2) relativo all istante iniziale k e allo stato iniziale x(k) = x per ogni possibile k [t 0,t f ) e x IR n. Si noti che V(t f,x) = m(x) (6.7) Si consideri un qualunque istante temporale t (k,t f ). Poichè u [k,tf ) = u [k,t) u [t,tf ), J(k,x,u [k,tf )) = t 1 i=k l(i,x(i),u(i)) + J(t,x(t),u [t,tf )) si ha V(k,x) = min u [k,t) { min u [t,tf ) [ t 1 i=k l(i,x(i),u(i)) + J(t,x(t),u [t,tf )) ]} da cui si deduce l equazione di Bellman V(k,x) = min u [k,t) { t 1 i=k l(i,x(i),u(i)) + V(t,x(t)) }. (6.8) L equazione (6.8) mette in relazione le funzioni V(k,x) e V(t,x) per k < t; vista la natura discreta dell insieme dei tempi, si può determinare un legame ricorsivo considerando t = k + 1 in (6.8). Si ottiene così la seguente equazione ricorsiva ad un passo V(k,x) = min u(k) { l(k,x(k),u(k)) + V(k +1,x(k +1)) }. (6.9)
3 6.2 CONTROLLO OTTIMO DI SISTEMI TEMPO-DISCRETI 3 Posto x = x(k), u = u(k) e utilizzando la dinamica (6.1), la (6.9) diventa V(k,x) = min u { l(k,x,u) + V (k +1,f(k,x,u)) } (6.10) L equazione (6.10) è la cosiddetta equazione ricorsiva di Bellman; essa consente di risolvere ricorsivamente il problema di controllo ottimo (6.1)-(6.2) partendo dalla condizione terminale (6.7). Infatti, data la funzione V(k + 1, x), (6.10) consente di determinare il controllo ottimo u (k,x) che minimizza rispetto ad u la quantità l(k,x,u)+v(k +1,f(k,x,u)), cioè u (k,x) = arg min u { l(k,x,u) + V (k +1,f(k,x,u)) } (6.11) Successivamente, sostituendo il controllo ottimo u (k,x) in (6.10), si determina il costo ottimo V(k,x) = l(k,x,u (k,x)) + V (k +1,f (k,x,u (k,x))) (6.12) Procedendo ricorsivamente a ritroso per k = t f 1,...,t 0 + 1,t 0 partendo da V(t f,x) = m(x) è possibile determinare in questo modo il controllo ottimo u (k,x) ed il costo ottimo V(k,x) per ogni k [t 0,t f ). Si noti che il controllo ottimo così ottenuto è in forma di retroazione statica dello stato, pertanto può essere implementato da un regolatore, in generale nonlineare, u(k) = u (k,x(k)) (6.13) che all istante k fornisce un valore dell ingresso di controllo dipendente dallo stato attuale x(k) in accordo alla mappa u (, ). Naturalmente la procedura indicata termina con successo se il problema di ottimizzazione (6.10) ammette un unica soluzione e tale soluzione può essere determinata esplicitamente in funzione di x per ogni k nell orizzonte di controllo desiderato. Questo non accade, in generale, qualunque siano le funzioni f(k,x,u), l(k,x,u) e m(x). Un caso particolare di notevole interesse, in cui la soluzione del problema di controllo ottimo può essere determinata in modo esplicito, verrà considerato in dettaglio nel prossimo paragrafo.
4 4 CAPITOLO 6 CONTROLLO OTTIMO 6.3 Controllo Lineare Quadratico di sistemi TD In questo paragrafo si considera un caso particolare del problema di controllo ottimo (6.1)-(6.2), in cui si assume il sistema (6.1) lineare cioè f(k,x,u) = A(k) x + B(k) u (6.14) ed il costo (6.2) quadratico, vale a dire l(k,x,u) = x Q(k) x + u R(k) u, m(x) = x P x. (6.15) Senza perdita di generalità si assumono le matrici P, Q(k) ed R(k) simmetriche; inoltre per le ipotesi (6.3)-(6.5), R(k) deve essere definita positiva mentre P e Q(k) possono essere semi-definite positive. Pertanto, P = P 0, Q(k) = Q (k) 0, R(k) = R (k) > 0. (6.16) Il problema di controllo ottimo così ottenuto è noto come controllo Lineare Quadratico o più semplicemente controllo LQ. Si noti che il costo istantaneo (6.15) penalizza sia l energia dello stato tramite la matrice di peso Q(k) che l energia dell ingresso tramite la matrice di peso R(k). Assumendo, senza perdita di generalità, che l obiettivo del controllo sia quello di regolare lo stato a zero, il termine x Q(k)x rappresenta un indice istantaneo delle prestazioni del sistema nel senso che prestazioni migliori corrispondono a valori inferiori di questo indice. Viceversa il termine u R(k)u rappresenta un indice istantaneo dei consumi. La scelta delle matrici di peso Q(k) e R(k) consente dunque di cercare un giusto compromesso fra le esigenze conflittuali di elevate prestazioni e bassi consumi. Si noti inoltre che, essendo Q ed R matrici, si possono scegliere le loro componenti in modo da dare un differente peso alle prestazioni relative alle varie componenti del vettore di stato ed ai consumi relativi alle varie componenti del vettore di ingresso. La soluzione del problema LQ può essere ottenuta da (6.10) e (6.7) sostituendo a f(k,x,u), l(k,x,u), m(x) le espressioni in (6.14)-(6.15). Si ha V(t f,x) = x P x V(k,x) = min u H(k,x,u) H(k,x,u) = x Q(k)x + u R(k)u + V(k,A(k)x+B(k)u) (6.17)
5 6.3 CONTROLLO LINEARE QUADRATICO DI SISTEMI TD 5 Si noti che la funzione V(k+1,x) è quadratica in x per k+1 = t f. Procedendo per induzione si postula che V(k + 1,x) = x P(k + 1)x è quadratica in x per qualche matrice P(k + 1) = P (k + 1) 0. Allora la funzione H(k,x,u), da minimizzare rispetto ad u, diventa H(k,x,u) = x Q x + u R u + (Ax+Bu) P(k +1) (Ax+Bu) = u (R+B P(k +1)B)u+2x A P(k +1)Bu+x (Q+A P(k +1)A)x (6.18) dove per semplicità di scrittura si è omesso l argomento temporale k nelle matrici A,B,Q,R. Si noti che H(k,x,u) è una funzione quadratica in u, con Hessiano 2(R + B P(k + 1)B) 2R > 0 in virtù dell ipotesi R > 0. Pertanto H(k,x,u) ammette un unico minimo globale rispetto ad u, che può essere ottenuto eguagliando a zero il gradiente di H(k,x,u) rispetto ad u. Usando le seguenti formule di derivazione matriciale si ha u (u Mu) = 2Mu, u (v u) = v H u (k,x,u) = 2 (R+B P(k +1)B) u + 2B P(k +1)A x = 0 (6.19) Poiché la matrice Ψ(k) = R(k) + B (k) P(k +1) B(k) è invertibile, risolvendo (6.19) rispetto ad u, si determina il controllo ottimo u (k,x) = [R(k) + B (k) P(k +1) B(k)] 1 B (k) P(k +1) A(k) x (6.20) Sostituendo il controllo ottimo (6.20) in H(k, x, u) si determina il costo ottimo dove, dopo semplici calcoli, P(k) = A (k)p(k +1)A(k)+Q(k) V(k,x) = H(k,x,u (k,x)) = x P(k)x (6.21) A (k)p(k +1)B(k)[R(k)+B (k)p(k +1)B(k)] 1 B (k)p(k +1)A(k) (6.22) La (6.22) è la cosiddetta equazione alle differenze di Riccati che, inizializzata con la condizione terminale P(t f ) = P, (6.23)
6 6 CAPITOLO 6 CONTROLLO OTTIMO consente di determinare ricorsivamente la successione di matrici P(k) per k = t f,t f 1,...,t 0 +1,t 0 e quindi il corrispondente costo ottimo (6.21). Si noti che la soluzione del problema LQ fornisce il controllo ottimo sotto forma di retroazione statica lineare dello stato u (k,x) = F(k) x k [t 0,t f ) (6.24) con guadagno tempo-variante F(k) = G( A(k),B(k),R(k),P(k +1) ) G(A,B,R,P) = (R+B PB) 1 B PA (6.25) Inoltre fornisce come costo ottimo una forma quadratica dello stato V(k,x) = x P(k) x k [t 0,t f ) (6.26) con matrice P(k) tempo-variante ottenuta iterando l equazione di Riccati P(t f ) = P P(k) = R( A(k),B(k),Q(k),R(k),P(k +1) ) R(A,B,Q,R,P) = A PA + Q A PB (R+B PB) 1 B PA (6.27) Quindi il controllo LQ può essere implementato da un regolatore (statico) lineare tempo-variante (6.24) il cui guadagno può essere precalcolato tramite le formule (6.25) e (6.27). Tale controllo minimizza l indice di prestazione J(t 0,x 0,u [t0,t f )) = t f 1 fornendo un costo ottimo pari a k=t 0 { x (k)q(k)x(k) + u (k)r(k)u(k) } + x (t f )Px(t f ) (6.28) V(t 0,x 0 ) = x 0 P(t 0 ) x 0. (6.29) 6.4 Controllo LQ di sistemi TD - Caso TI In questo paragrafo si considera il problema LQ per un sistema ed un costo entrambi tempo-invarianti. Pertanto si assume che le matrici A, B, Q, R non dipendono da k, vale a dire A(k) A, B(k) B, Q(k) Q, R(k) R k. (6.30)
7 6.4 CONTROLLO LQ DI SISTEMI TD - CASO TI 7 Nonostante la tempo-invarianza del sistema e delle matrici di peso, sia il controllo ottimo che il costo ottimo risultano tempo-varianti. Infatti, sostituendo (6.30) in (6.24)-(6.27), la soluzione del problema LQ su orizzonte finito [t 0,t f ) nel caso TI è data da dove u (k,x) = F(k) x V(k,x) = x P(k) x F(k) = (R+B P(k +1)B) 1 B P(k +1)A (6.31) P(k) = A P(k +1)A+Q A P(k +1)B(R+B P(k +1)B) 1 B P(k +1)A (6.32) dipendono, in generale, da k anche se (A,B,Q,R) sono costanti, a meno che l equazione alle differenze di Riccati non sia inizializzata da una matrice P(t f ) = P opportuna. Infatti, se la matrice P del costo terminale m(x) = x Px è tale che P = R(A,B,Q,R,P), cioè soddisfa l equazione algebrica P = A PA + Q A PB (R+B PB) 1 B PA (6.33) allora (6.31)-(6.32) fornisce una soluzione costante (tempo-invariante) P(k) P F(k) F = (R+B PB) 1 B PA k [t 0,t f ) (6.34) Un tale controllo ottimo avente la struttura di un regolatore statico LTI, risulterebbe estremamente vantaggioso dal punto di vista dell implementazione. Naturalmente l utilità pratica del regolatore è condizionata al fatto che il guadagno F stabilizzi il sistema, cioè sp(a+bf) IC s. L equazione (6.33) è nota come equazione algebrica di Riccati (ARE). Una soluzione P = P 0 di (6.33) tale che il corrispondente guadagno F = (R+B PB) 1 B PA stabilizza il sistema, cioè tale che sp(a+bf) = sp ( A B(R+B PB) 1 B PA ) IC s, è detta soluzione stabilizzante della ARE. La retroazione u(k) = Fx(k), dove F è dato da (6.34), prende il nome di legge di controllo associata alla soluzione P della ARE. La legge di controllo associata a P minimizza il costo J(t 0,x 0,u( )) = t f 1 k=t 0 { x (k)qx(k) + u (k)ru(k) } + x (t f )Px(t f ) (6.35)
8 8 CAPITOLO 6 CONTROLLO OTTIMO qualunque sia l intervallo temporale [t 0,t f ). A tale proposito viene naturale considerare un orizzonte di controllo infinito (t 0 = 0, t f = ) e porsi il problema di minimizzare il corrispondente indice di prestazione J(x 0,u( )) = { x (k)qx(k) + u (k)ru(k) } (6.36) k=0 Le suddette considerazioni pongono alcuni interessanti quesiti: 1. Esiste, ed eventualmente sotto quali condizioni, una soluzione stabilizzante della ARE? 2. La legge di controllo associata minimizza, ed eventualmente sotto quali condizioni, il costo su orizzonte infinito (6.36)? Per rispondere a tali quesiti è opportuno introdurre una matrice C tale che Q = C C. (6.37) Si noti che, definita l uscita y = Cx, si ha x Qx = x C Cx = (Cx) (Cx) = y y; pertanto il costo istantaneo dello stato x(k) considerato nell indice di prestazione coincide con la norma euclidea dell uscita y(k) = Cx(k). Il seguente teorema, riportato senza dimostrazione, fornisce i risultati fondamentali della teoria del regolatore LQ. Teorema 6.1 (Regolatore LQ su orizzonte infinito) - Sia (A, B) stabilizzabile e C definito da (6.37). 1. La ARE (6.33) ammette alpiù una soluzione stabilizzante. 2. La soluzione stabilizzante esiste se e solo se la coppia (A,C) non ha autovalori inosservabili in ĨC s. 3. Fra tutte le leggi di controllo stabilizzanti, quella associata alla soluzione stabilizzante della ARE (6.33) fornisce il valore minimo del costo (6.36). 4. Se la coppia (A, C) è rivelabile, la ARE (6.33) ammette un unica soluzione P = P 0, tale soluzione è stabilizzante, e la legge di controllo associata minimizza l indice di prestazione (6.36)
9 6.4 CONTROLLO LQ DI SISTEMI TD - CASO TI 9 Il regolatore LTI associato all unica soluzione stabilizzante della ARE, qualora tale soluzione esista, è detto regolatore LQ. Tale regolatore ha sicuramente proprietà interessanti in quanto, oltre a stabilizzare il sistema, rende minimo l indice di prestazione (6.36) che, tramite un opportuna scelta delle matrici di peso Q e R, può perseguire un qualunque compromesso fra prestazioni e consumi. Si noti anche che il regolatore LQ esiste sotto condizioni molto generali quali la stabilizzabilità di (A, B), senza la quale non esisterebbe alcun regolatore stabilizzante, e l assenza di autovalori inosservabili della coppia (A, C) sulla frontiera della regione di stabilità, che comunque può essere evitata scegliendo opportunamente Q. Ad esempio, se Q > 0, la coppia (A, C) risulta completamente osservabile e quindi priva di autovalori inosservabili. Il Teorema 6.1 suggerisce una valida alternativa alla sintesi modale del regolatore. Nella sintesi modale si sceglie F in modo da assegnare gli autovalori (i modi) di A+BF. Viceversa nella sintesi ottimale, in senso LQ, si sceglie F in modo da minimizzare l indice di prestazione (6.36). In quest ultimo caso si usano le matrici di peso Q ed R, al posto degli autovalori, come parametri di progetto per sintonizzare le prestazioni del sistema controllato. Dal punto di vista numerico, la sintesi LQ richiede la soluzione dell equazione algebrica di Riccati (6.33) per cui esistono algoritmi computazionalmente efficienti e numericamente affidabili. Per meglio illustrare i vari aspetti, teorici e pratici, della sintesi del regolatore LQ si considerano di seguito due semplici esempi relativi a sistemi del primo e, rispettivamente, secondo ordine per i quali è possibile risolvere analiticamente l equazione algebrica di Riccati. In esempi più complicati, tuttavia, è necessario ricorrere ad una soluzione numerica della ARE. Esempio Dato il sistema del 1 ordine, ad un solo ingresso, si vuole minimizzare il costo x(t+1) = a x(t) + b u(t) (6.38) J(x 0,u) = k=0 { q x 2 (k) + r u 2 (k) } (6.39) con r > 0 e q 0. La ARE, in questo esempio, si riduce all equazione scalare
10 10 CAPITOLO 6 CONTROLLO OTTIMO nell incognita p e la formula del guadagno LQ è p = a 2 p+q a2 b 2 p 2 r+b 2 p f = abp r+b 2 p da cui l autovalore ad anello chiuso risultante è a+bf = ar r +b 2 p (6.40) (6.41) (6.42) Si consideri inizialmente il caso b = 0, in cui il sistema non è raggiungibile. In questo caso il regolatore LQ, come peraltro ogni regolatore, non ha effetto sulla dinamica (6.54). Infatti f = 0 e a+bf = a per ogni scelta dei pesi q ed r. Se a < 1 (sistema stabilizzabile), la dinamica (6.54) è asintoticamente stabile ed il costo (6.55) assume un valore finito, poiché x(t) = a t x 0 = qx 2 (t) = k=0 qa 2t x 2 0 = k=0 D altro canto la ARE (6.40), per b = 0, ammette un unica soluzione p = q > 0 se a < 1. 1 a2 q 1 a 2 x2 0. (6.43) Questo conferma che il costo ottimo V(x 0 ) = px 2 0 è proprio uguale al valore calcolato in (6.43). Se viceversa a 1 (sistema non stabilizzabile), la dinamica (6.54) non è asintoticamente stabile ed il costo (6.55) non può essere finito comunque si scelga u( ). In questo caso la ARE non ammette soluzione p 0. Si considera adesso b = 0. Conviene distinguere i due sottocasi q = c 2 > 0 e q = 0. Nel primo sottocaso, la coppia (a,c), con c = q, è osservabile e, a maggior ragione, rivelabile. La ARE (6.40) fornisce, dopo semplici passaggi, l equazione di secondo grado in p b 2 p 2 ( a 2 r r+b 2 q ) p qr = 0. (6.44) Qualunque sia il segno del coefficiente r a 2 r b 2 q di p, l equazione (6.44) ammette per q > 0duesoluzioni reali, unapositiva el altranegativa. Lasoluzionediinteresse per la sintesi LQ è ovviamente quella positiva p = δ + δ 2 +4b 2 qr 2b 2 > 0, δ = (a 2 1)r +b 2 q. (6.45)
11 6.4 CONTROLLO LQ DI SISTEMI TD - CASO TI 11 Il Teorema 6.1 garantice che la soluzione (6.45) è stabilizzante. Da (6.42) si può confermare la validità di questo risultato. Infatti, se a 1, a+bf = a r r +b 2 p < a < 1. Prima di considerare il caso a > 1, si noti che r +b 2 p = r+ 1 [ ] δ + δ b 2 qr > r +δ = a 2 r+b 2 q > a 2 r. Quindi, da (6.42), a+bf = a r r+b 2 p < a r a 2 r = 1 a. Di conseguenza a+bf < 1 anche se a > 1, cioè a+bf < 1 per ogni a. Rimane da analizzare il sottocaso q = 0, in cui la ARE (6.40) si riduce a che ammette due soluzioni b 2 p 2 (a 2 1)r p = 0 p = 0 e p = (a2 1)r b 2. (6.46) Essendo q = c 2 = 0, la coppia (a,c) non è osservabile. Il Teorema 6.1 garantisce che, escludendo i casi a = ±1 in cui l autovalore inosservabile a è esattamente sulla frontiera del cerchio di stabilità, la (6.40) ammette una soluzione stabilizzante, una delle due soluzioni in (6.46). Si noti che p = (a2 1)r b 2 p = 0 = a+bf = a = a+bf = ar r+b 2 p = 1 a. Quindi se a < 1 la soluzione stabilizzante è p = 0; viceversa se a > 1 la soluzione stabilizzante è p = (a 2 1)r/b 2. In accordo con la teoria del regolatore LQ (vedi Teorema 6.1) si verifica quanto segue. Se a < 1: la coppia (a,c) è rivelabile e la ARE ammette una unica soluzione non-negativa p = 0 che risulta stabilizzante. Se a > 1: la coppia (a,c) non è rivelabile e la ARE ha due soluzioni nonnegativep = 0ep = (a 2 1)r/b 2 dicuisoltantouna, laseconda, èstabilizzante. Alla soluzione stabilizzante corrisponde un costo V(x) = (a 2 1)rx 2 /b 2 > 0 maggiore rispetto a quello nullo della soluzione non stabilizzante.
12 12 CAPITOLO 6 CONTROLLO OTTIMO Se a = 1, entrambe le soluzioni in (6.46) coincidono con p = 0 e la ARE non ammette soluzioni stabilizzanti. Per comprendere le implicazioni pratiche connesse con la scelta dei pesi q ed r, è istruttivo confrontare i casi limite r 0 e q = 0. Nel caso r 0, si tende a non penalizzare l ingresso per privilegiare le prestazioni a scapito di un potenziale elevato dispendio energetico. Dalla precedente analisi si osserva che r 0 = p q, f a, a+bf 0 (6.47) b cioè per r 0 il controllo tende a posizionare l autovalore ad anello chiuso in z = 0 (regolazione deadbeat) a scapito di un guadagno f = a/b che può essere molto elevato tanto più a/b è grande. Viceversa se q = 0 p = f = a+bf = 0, se a < 1 (a 2 1)r b 2, se a > 1 0, se a < 1 a2 1, se a > 1 ab a, se a < 1 1, se a > 1 a In questo caso, il controllo ottimo è u = 0 se il sistema è asintoticamente stabile oppure posiziona l autovalore in 1/a se il sistema è instabile: questa risulta essere la soluzione di minimo dispendio energetico fra tutte quelle che garantiscono la stabilità asintotica. Naturalmente, variando il rapporto r/q fra questi due casi limite (r/q = 0 e r/q = ) si può cercare un adeguato compromesso fra le due esigenze conflittuali di ottenere buone prestazioni di regolazione e di ridurre il dispendio energetico. Esempio Dato il sistema del 2 ordine, ad un solo ingresso, x 1 (t+1) = x 2 (t) x 2 (t+1) = x 1 (t)+u(t) (6.48)
13 6.5 SINTESI LQ PER SISTEMI TEMPO-CONTINUI 13 si vuole minimizzare il costo { J(x 0,u) = x 2 1 (k) + r u 2 (k) }. (6.49) k=0 Determinare il regolatore LQ u = F(r)x in funzione del parametro r > 0 e verificare la stabilità asintotica del sistema ad anello chiuso qualunque sia il valore di r. Studiare, in particolare, i casi limite r 0 e r. 6.5 Sintesi LQ per sistemi tempo-continui Nel caso tempo-continuo, la sintesi del regolatore LQ considera un sistema x = Ax + Bu (6.50) ed un indice di prestazione J(x 0,u) = 0 { x (t)qx(t)+u (t)ru(t) } dt. (6.51) La teoria ed il procedimento di sintesi del regolatore LQ nel caso TC sono analoghi a quelli del caso TD, purchè si utilizzino una diversa formula per il guadagno LQ F = R 1 B P (6.52) ed una diversa equazione algebrica di Riccati A P + PA + Q PBR 1 B P = 0. (6.53) Il Teorema 6.1, che sintetizza i punti salienti della teoria LQ, rimane valido anche nel caso TC. Seguendo la falsariga dell esempio 6.1, si consiglia al lettore per esercizio di esaminare in dettaglio la seguente versione TC del medesimo. Esempio Dato il sistema del 1 ordine, ad un solo ingresso, si vuole minimizzare il costo x(t) = a x(t) + b u(t) (6.54) con r > 0 e q 0. J(x 0,u) = 0 { q x 2 (t) + r u 2 (t) } dt (6.55)
Slide del corso di. Controllo digitale
Slide del corso di Controllo digitale Corso di Laurea in Ingegneria Informatica e dell Informazione Università di Siena, Dip. Ing. dell Informazione e Sc. Matematiche Parte IX Elementi di controllo ottimo
DettagliProprietà strutturali e leggi di controllo
Proprietà strutturali e leggi di controllo Retroazione statica dallo stato La legge di controllo Esempi di calcolo di leggi di controllo Il problema della regolazione 2 Retroazione statica dallo stato
DettagliRaggiungibilità, Controllabilità, Osservabilità e Determinabilità
Raggiungibilità, Controllabilità, Osservabilità e Determinabilità Si determini se i sistemi lineari tempo invarianti ẋ(t) = Ax(t) + Bu(t), Σ c : y(t) = Cx(t) + Du(t). x(k + ) = Ax(k) + Bu(k), Σ d : y(k)
DettagliControlli Automatici I
Ingegneria Elettrica Politecnico di Torino Luca Carlone Controlli Automatici I LEZIONE V Sommario LEZIONE V Proprietà strutturali Controllabilità e raggiungibilità Raggiungibilità nei sistemi lineari Forma
DettagliFondamenti di Automatica. Unità 3 Equilibrio e stabilità di sistemi dinamici
Fondamenti di Automatica Unità 3 Equilibrio e stabilità di sistemi dinamici Equilibrio e stabilità di sistemi dinamici Equilibrio di sistemi dinamici Linearizzazione di sistemi dinamici Stabilità interna
DettagliFondamenti di Automatica
Fondamenti di Automatica Proprietà strutturali e leggi di controllo aggiungibilità e controllabilità etroazione statica dallo stato Osservabilità e rilevabilità Stima dello stato e regolatore dinamico
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliLezione 20: Stima dello stato di un sistema dinamico
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 20: Stima dello stato di un sistema dinamico Motivazioni Formulazione del problema Osservazione dello stato Osservabilità Osservatore asintotico
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliTEOREMA DEL RESTO E REGOLA DI RUFFINI
TEOREMA DEL RESTO E REGOLA DI RUFFINI ALCUNI TEOREMI IMPORTANTI Prendiamo una divisione intera tra numeri: 6 : 3 = 2. Il resto di questa divisione è 0, e questo significa che moltiplicando il quoziente
DettagliConsideriamo un sistema dinamico tempo-invariante descritto da:
IL PROBLEMA DELLA STABILITA Il problema della stabilità può essere affrontato in vari modi. Quella adottata qui, per la sua riconosciuta generalità ed efficacia, è l impostazione classica dovuta a M. A.
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliEsercizi di Geometria - 1
Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliSoluzione degli esercizi del Capitolo 13
Soluzione degli esercizi del Capitolo 3 Soluzione dell Esercizio 3. Il polinomio caratteristico desiderato è ϕ (s) = (s + 4) (s + ) = s 2 + 4s + 4 Uguagliando i coefficienti quelli del polinomio caratteristico
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
Dettagli3. Sistemi Lineari a Tempo Discreto
. Sistemi Lineari a Tempo Discreto .5 y(t), y(kt) 4 y(t), y(kt).5.5.5.5.5 4 5 4 5 Campionamento di un segnale continuo Fig. (a) Segnale discreto Fig. (b) Esprimono relazioni fra variabili campionate ad
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliCONTROLLI AUTOMATICI Ingegneria Gestionale ANALISI ARMONICA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Federica Grossi Tel. 059 2056333 e-mail: federica.grossi@unimore.it
DettagliII Esonero di Matematica Discreta - a.a. 06/07. Versione B
II Esonero di Matematica Discreta - a.a. 06/07 1. Nell anello dei numeri interi Z: Versione B a. Determinare la scrittura posizionale in base 9 del numero che in base 10 si scrive) 5293 e la scrittura
DettagliRICHIAMI MATEMATICI. x( t)
0.0. 0.1 1 RICHIAMI MATEMATICI Funzioni reali del tempo: (t) : t (t) (t) ( t) Funzioni reali dell ingresso: y() t t y( ) y() : y() Numeri complessi. Un numero complesso è una coppia ordinata di numeri
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 crediti) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 crediti) Prova scritta 16 luglio 2014 SOLUZIONE ESERCIZIO 1. Dato il sistema con: si determinino gli autovalori della forma minima. Per determinare la forma minima
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliIL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero
IL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero Il teorema degli zeri è fondamentale per determinare se una funzione continua in un intervallo chiuso [ a ; b ] si annulla in almeno un punto interno
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliComplementi di Algebra e Fondamenti di Geometria
Complementi di Algebra e Fondamenti di Geometria Capitolo 3 Forma canonica di Jordan M. Ciampa Ingegneria Elettrica, a.a. 29/2 Capitolo 3 Forma canonica di Jordan Nel Capitolo si è discusso il problema
DettagliAppunti di matematica per le Scienze Sociali Parte 1
Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici
DettagliCirconferenza. Matteo Tugnoli. February 26, 2012
Circonferenza Matteo Tugnoli February 26, 2012 Versione preliminare, NON esente da errori, se il lettore riscontrasse delle imprecisioni può gentilmente segnalarle a matteo_tugnoli@yahoo.it 1 Luogo dei
DettagliCriteri di Scelta Finanziaria
3 Criteri di Scelta Finanziaria 3.1 Introduzione Spesso occorre confrontare operazioni definite su scadenzari diversi. Nel seguito presentiamo due criteri, quello del valore attuale netto (VAN) e quello
Dettagli3/10/ Divisibilità e massimo comun divisore
MCD in N e Polinomi 3/10/2013 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore di due numeri naturali
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliRisposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Risposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà Prof. Adolfo Santini - Dinamica delle Strutture 1 Vibrazioni libere non smorzate 1/6 Le equazioni del moto di un sistema
DettagliMetodi & Modelli per le Scelte Economiche
Metodi & Modelli per le Scelte Economiche [domande di teoria utilizzate in passato per la prova scritta le soluzioni NON vengono fornite, occorrerà quindi verificare la esattezza delle diverse possibili
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliSistemi di Controllo Multivariabile
Sistemi di Controllo Multivariabile Controllo in retroazione di stato di un robot manipolatore PUMA Carmine Dario Bellicoso M58/028 Andrea Gerardo Barbato M58/036 Processo implementato Robot PUMA Riferimento
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliCONTROLLI AUTOMATICI I 03AKWcc Ing. Elettrica - Consorzio Nettuno Torino
Tipologia Esercizio (modellistica) CONTOLLI AUTOMATICI I 03AKWcc Esercizio. (tema d'esame del //007) Nel sistema in figura, la tensione e u (t) è l ingresso e la tensione v (t) della resistenza è l uscita.
DettagliALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011
ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 Esercizio 1. Usando l algoritmo euclideo delle divisioni successive, calcolare massimo comune divisore e identità di Bézout per le seguenti coppie
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliINTERPOLAZIONE. Francesca Pelosi. Dipartimento di Matematica, Università di Roma Tor Vergata. CALCOLO NUMERICO e PROGRAMMAZIONE
INTERPOLAZIONE Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ INTERPOLAZIONE p./8 INTERPOLAZIONE Nella
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliGeometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
DettagliCompito del 14 giugno 2004
Compito del 14 giugno 004 Un disco omogeneo di raggio R e massa m rotola senza strisciare lungo l asse delle ascisse di un piano verticale. Il centro C del disco è collegato da una molla di costante elastica
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
DettagliGiovanna Carnovale. October 18, Divisibilità e massimo comun divisore
MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni
Dettagli1 Fattorizzazione di polinomi
1 Fattorizzazione di polinomi Polinomio: un polinomio di grado n nella variabile x, è dato da p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0 con a n 0, a 0 è detto termine noto, a k è detto coefficiente
DettagliANALISI E SIMULAZIONE DI SISTEMI DINAMICI. Lezione XV: Realizzazione, proprietà strutturali e cancellazioni
ANALISI E SIMULAZIONE DI SISTEMI DINAMICI Lezione XV: Realizzazione, proprietà strutturali e cancellazioni Realizzazione di FdT SISO Forma canonica di Raggiungibilità Realizzazione minimale Completa Raggiungibilità
DettagliCONTENUTI. Ci proponiamo un ripasso di argomenti sicuramente svolti nelle scuole superiori e quindi noti a tutti. I grado II grado
CONTENUTI Ci proponiamo un ripasso di argomenti sicuramente svolti nelle scuole superiori e quindi noti a tutti EQUAZIONI I grado II grado intere fratte intere fratte EQUAZIONI ALGEBRICHE generalità Dicesi
DettagliALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,
ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore
DettagliSistemi d equazioni lineari
Introduzione Introduzione Sia dato il seguente sistema d equazioni: S S S S Come si risolve un sistema... come si risolve? Lezione 25.wpd 08/01/2011 XXV - 1 Lezione 25.wpd 08/01/2011 XXV - 2 Introduzione
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
Dettagli1 Relazione di congruenza in Z
1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliTECNICHE DI CONTROLLO
TECNICHE DI CONTROLLO Richiami di Teoria dei Sistemi Dott. Ing. SIMANI SILVIO con supporto del Dott. Ing. BONFE MARCELLO Sistemi e Modelli Concetto di Sistema Sistema: insieme, artificialmente isolato
Dettagli8.1 Problema della diffusione in meccanica quantistica
8.1 Problema della diffusione in meccanica quantistica Prima di procedere oltre nello studio dell interazione puntuale, in questo paragrafo vogliamo dare un breve cenno alle nozioni di base della teoria
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
DettagliSezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x
Capitolo USO DELLE DERIVATE IN ECONOMIA Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione Si definisce derivata della funzione y f() nel punto 0 del suo insieme
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliCOME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI
COME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI In questa Appendice, mostreremo come un impresa possa individuare la sua combinazione di minimo costo dei fattori produttivi attraverso il calcolo
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliSistemi di Equazioni Differenziali
Sistemi di Equazioni Differenziali Nota introduttiva: Lo scopo di queste dispense non è trattare la teoria riguardo ai sistemi di equazioni differenziali, ma solo dare un metodo risolutivo pratico utilizzabile
DettagliElementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo
Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso
DettagliEquazioni e disequazioni algebriche. Soluzione. Si tratta del quadrato di un binomio. Si ha pertanto. (x m y n ) 2 = x 2m 2x m y n + y 2n
Si tratta del quadrato di un binomio. Si ha pertanto (x m y n ) 2 = x 2m 2x m y n + y 2n 4. La divisione (x 3 3x 2 + 5x 2) : (x 2) ha Q(x) = x 2 x + 3 e R = 4 Dalla divisione tra i polinomi risulta (x
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Analisi
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliSTUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI
M. G. BUSATO STUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI mgbstudio.net PAGINA INTENZIONALMENTE VUOTA SOMMARIO In questo scritto viene compiuto lo studio dettagliato
DettagliSECONDO METODO DI LYAPUNOV
SECONDO METODO DI LYAPUNOV Il Secondo Metodo di Lyapunov permette di studiare la stabilità degli equilibri di un sistema dinamico non lineare, senza ricorrere alla linearizzazione delle equazioni del sistema.
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliCONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm CRITERIO DI ROUTH-HURWITZ
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA Ing. Federica Grossi Tel.
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliStrutture algebriche. Leggi di composizione. Leggi di composizione. Gruppi Insiemi di numeri Polinomi
Introduzione S S S S Le strutture algebriche sono date da insiemi con leggi di composizione binarie (operazioni) ed assiomi (proprietà) Una legge di composizione binaria è una funzione : I J K, una legge
DettagliGeometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
DettagliApprossimazione di dati e funzioni
Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi
DettagliUn monomio è in forma normale se è il prodotto di un solo fattore numerico e di fattori letterali con basi diverse. Tutto quanto sarà detto di
DEFINIZIONE Espressione algebrica costituita dal prodotto tra una parte numerica (coefficiente) e una o più variabili e/o costanti (parte letterale). Variabili e costanti possono comparire elevate a potenza
DettagliMODELLI E METODI PER L OTTIMIZZAZIONE E IL CONTROLLO 1 CONTROLLO OTTIMO. Prof. Davide Giglio. Scuola Politecnica, Università degli Studi di Genova
MODELLI E METODI PER L OTTIMIZZAZIONE E IL CONTROLLO 1 CONTROLLO OTTIMO Prof. Davide Giglio Scuola Politecnica, Università degli Studi di Genova Corso di Laurea Magistrale in INGEGNERIA GESTIONALE Anno
Dettagli