EVOLUZIONE NEL TEMPO DI SISTEMI DINAMICI
|
|
- Gastone Fumagalli
- 6 anni fa
- Visualizzazioni
Transcript
1 CONTROLLI AUTOMATICI LS Ingegneria Informatica EVOLUZIONE NEL TEMPO DI SISTEMI DINAMICI Prof. Claudio Melchiorri DEIS-Università di Bologna Tel
2 Sommario Calcolo della evoluzione nel tempo dello stato x(t) di un sistema dinamico 2 u ingresso Σ x stato y uscita 1) Caso generale non lineare 2) Caso lineare non stazionario 3) Caso lineare stazionario
3 Sistemi a stato vettore 3 Considereremo ora sistemi dinamici in forma ingresso-statouscita, ove x, y, z sono opportuni segnali appartenenti a spazi vettoriali u ingresso Σ x stato y uscita Si hanno dunque: 1. Sistemi monovariabili o SISO (Single-Input Single-Output) se p = q = 1 2. Sistemi multivariabili o MIMO (Multi-Input Multi-Output) se p > 1, q > 1
4 Sistemi a stato vettore 4 Modello matematico Lineare Stazionario Non Stazionario Con A(t), B(t), C(t), D(t) continue a tratti Non lineare Stazionario Non Stazionario
5 Sistemi a stato vettore Un sistema lineare stazionario (caso particolare) è rappresentato: nel caso MIMO da 4 matrici (A, B, C, D) nel caso SISO da (A, b, c, d). 5 B D x(0) u f x + y C + u : ingresso; y : uscita; f : azione forzante; x : stato A : matrice del sistema B : matrice di distribuzione degli ingressi C : matrice di distribuzione delle uscite D : matrice del legame algebrico ingresso/uscita
6 Sistemi a stato vettore Problema: definire (calcolare) l evoluzione dello stato x(t) a partire da date condizioni iniziali x 0 e assegnato un certo ingresso u(.) 6 u t 1 t 2 t 3 t t traiettoria x(t) Insieme delle velocità ammissibili x(0) Spazio degli stati
7 Esempio Robot a 2 gradi di libertà θ 1 θ 2 θ i : variabile di giunto τ i : coppia applicata al giunto m i : massa del braccio a i : lunghezza braccio a ci : posizione baricentro I i : momento di inerzia g: accelerazione gravità S i, C i : sin(θ i ), cos(θ i ) 7 Date le coppie τ 1 e τ 2, determinare gli andamenti di θ 1 e θ 2!!! Problema non semplice Del tipo
8 Sistemi non lineari 8 Teorema. L equazione differenziale ammette una unica soluzione x(t) se 1. La funzione f(x, ) è continua a tratti x R n, t t 0 2. Per ogni t t 0 che non sia punto di discontinuità di f(x, ) e per ogni coppia di vettori x 1, x 2 valga la condizione di Lipschitz Dimostrazione. Basata sulla successione di funzioni convergenti alla soluzione (successione di Peano-Picard) Corollario: La soluzione x(t) è una funzione continua
9 Sistemi non lineari 9 Rimane il problema del calcolo della soluzione della eq. differenziale Metodi numerici Metodi analitici Calcolo numerico dell integrale di una funzione data per campioni f(t 0 ), f(t 1 ),, f(t n ) Metodo dei rettangoli f Metodo dei trapezi (interpolazione lineare nei periodi elementari) f t t
10 Sistemi non lineari 10 Regola di Simpson (interpolazione quadratica nei periodi elementari) (n pari => num. campioni dispari) Funzione h: 0.5 Metodo rettangoli: Metodo trapezi: Metodo Simpson: h: 0.25 Metodo rettangoli: Metodo trapezi: Metodo Simpson: h: 0.1 Metodo rettangoli: Metodo trapezi: Metodo Simpson: h: Metodo rettangoli: Metodo trapezi: Metodo Simpson:
11 Sistemi non lineari Metodi di Runge-Kutta 11 Sostituendo la derivata con il rapporto incrementale relativo al passo di discretizzazione h si ottiene espressione che corrisponde ai primi due termini dello sviluppo in serie di Taylor della funzione x(t i+1 ): I metodi di Runge-Kutta approssimano lo sviluppo in serie di Taylor sostituendo le derivate di ordine superiore al primo con una opportuna combinazione lineare dei valori della derivata prima, calcolati in vari punti dell intervallo elementare.
12 Sistemi non lineari I metodi di Runge-Kutta sostituiscono le derivate di ordine superiore al primo con una opportuna combinazione lineare dei valori della derivata prima, calcolati in vari punti dell intervallo elementare. 12 Ad esempio, il metodo di Runge-Kutta del terzo ordine consiste nella relazione con
13 Sistemi lineari non stazionari Si consideri ora un sistema lineare non stazionario del tipo 13 Per i sistemi lineari vale la proprietà di scomposizione del moto e della risposta Moto libero Moto forzato Risposta libera Risposta forzata
14 Sistemi lineari non stazionari Da 14 Moto libero Moto forzato Per via della linearità della funzione si deve potere scrivere Dove Φ(.,.) viene detta matrice di transizione di stato e deve ovviamente fornire la soluzione della eq. differenziale omogenea
15 Sistemi lineari non stazionari Si consideri il sistema lineare non stazionario omogeneo 15 x(t) vettore n x 1 A(t) matrice reale n x n di funzioni continue a tratti Si definisce la matrice di transizione dello stato soluzione dell equazione differenziale matriciale come la (unica) dove X(t) è una matrice reale n x n ed I la matrice identità n x n La Φ(t,t 0 ) ha come colonne le n soluzioni corrispondenti alle condizioni iniziali x(t 0 ) = e, i essendo e i la i-esima colonna della matrice identità
16 Sistemi lineari non stazionari La soluzione della (1) è data da: 16 Proprietà della matrice di transizione Nonsingolarità: la matrice è non singolare per ogni coppia (t, t 0 ) conseguenza della unicità della soluzione di (1) Invertibilità: Componibilità: Separabilità: Evoluzione nel tempo del determinante:
17 Sistemi lineari non stazionari Calcolo della matrice di transizione 17 La matrice di transizione si può determinare in due modi: Successione di Peano-Baker Metodi di Runge-Kutta: basati sulla integrazione numerica passo passo di equazioni differenziali del tipo su di un passo di integrazione specificato δt
18 Operazioni su matrici 18 Data una matrice m x n i cui elementi sono funzioni del tempo: La derivata rispetto al tempo o l integrale nel tempo della matrice A(t) sono matrici m x n con elementi le derivate o gli integrali degli elementi a ij (t)
19 Sistemi lineari non stazionari 19 Si consideri il sistema lineare non stazionario non omogeneo Teorema: La soluzione della (2), per u(t) continua a tratti assegnata in [t 0, t 1 ] e x 0, t 0 dati, è Moto libero Moto forzato
20 Sistemi lineari non stazionari Dimostrazione: Data una generica matrice X(t), derivando l uguaglianza X -1 (t) X(t) = I si ottiene: 20 per cui si ha Essendo ed utilizzando la (2) si ha: da cui integrando dove c è un vettore costante che dipende dalle condizioni iniziali. Utilizzando le proprietà di componibilità e invertibilità della Φ si conclude la dimostrazione.
21 Sistemi lineari non stazionari Le precedenti relazioni servono per l analisi dei sistemi MIMO lineari non stazionari: x(0) 21 u f x + y B(t) D(t) C(t) + Si ottiene infatti
22 Sistemi lineari non stazionari 22 Gli integrali nelle (3) e (4) sono integrali di convoluzione. Si definiscono le funzioni δ(t): impulso di Dirac in t = 0 dette rispettivamente: matrice di risposta all impulso ingresso-stato matrice di risposta all impulso ingresso-uscita. Se il sistema non è puramente dinamico, cioè D(t) 0, l impulso agisce direttamente sull uscita; in caso contrario lo stato x(t) è espresso da una funzione continua e l uscita y(t) è continua a tratti
23 Impulso di Dirac Impulso di Dirac 23 Δ(τ,t 0,t) 1/τ Questa funzione, al limite per t, tende ad un segnale di area unitaria e valore infinito, indicato con δ(t-t 0 ) t 0 t 0 + τ t Si dimostra che per il seguente sistema vale Ricordando che, si nota che un ingresso impulsivo equivale ad uno stato iniziale (sistemi a tempo continuo)
24 Impulso di Dirac Si ha dunque: 24 Nel casi di sistemi a tempo discreto, l impulso δ(k-h) è il segnale uguale a 1 per k = h, zero altrimenti. Nel caso dei sistemi a tempo discreto non è vero che un ingresso impulsivo equivale ad uno stato iniziale (ha un effetto ritardato di 1).
25 Sistema lineare stazionario omogeneo 25 La matrice di transizione coincide con l esponenziale di matrice, cioè definita con lo sviluppo in serie di potenze e che converge in norma per ogni t. Infatti, posto m = A, per cui è A i m i, si ha
26 Sistema lineare stazionario omogeneo 26 Nota bene: data una matrice m x n:
27 Perchè esponenziale di matrice? Consideriamo la coppia di equazioni differenziali 27 Nel caso di equazioni scalari del tipo, la soluzione è data da una funzione u(t) = u 0 e at, e ovviamente il suo comportamento per t che tende all infinito dipende dal segno e valore di a (o della sua parte reale). Cerchiamo soluzioni esponenziali anche per il caso matriciale, cioè Se così è, sostituendo nella eq.ne differenziale si ha
28 Autovalori ed autovettori 28 Si ècosìvisto che da eq.nidifferenziali si arriva a formulare un problema algebrico del tipo Per la soluzione del problema occorre quindi che il vettore x sia nello spazio nullo di (λ I - A) λ sia scelto in modo che (λ I - A) abbia uno spazio nullo! Lo scalare λ deve quindi essere tale da verificare det(λ I - A) = 0 autovalore (λ I - A) x = 0 autovettore
29 Autovalori ed autovettori La soluzione al problema di partenza è quindi data da funzioni del tipo 29 dove c 1 e c 2 sono opportuni costanti da definire sulla base delle condizioni iniziali In questo caso si ha Si può verificare che
30 Autovalori ed autovettori 30 Data una matrice A, n x n, reale o complessa, si consideri l equazione: Questa equazione ammette soluzioni x 0 se e solo se (λ I - A) è singolare, cioè se e solo se Il primo membro è un polinomio q(λ) di grado n detto polinomio caratteristico di A. Esso ha coefficienti reali se A è reale. (1) (2) La (2) è detta equazione caratteristica di A ed ammette n radici λ 1,, λ n in generale complesse, dette autovalori o valori caratteristici di A. Se A è reale, gli autovalori complessi sono coniugati a coppie. L insieme σ(a) di tutti gli autovalori di A è detto spettro di A Teorema di Cayley-Hamilton: ogni matrice soddisfa la sua equazione caratteristica, cioè q(a) = 0
31 Autovalori ed autovettori Esempio: Data la matrice A 31
32 Autovalori ed autovettori Ad ogni autovalore λ i corrisponde almeno un vettore x i, reale o complesso, che soddisfa la (1), detto autovettore o vettore caratteristico di A. 32 Se x i è un autovettore, anche α x i lo è. Si possono dunque utilizzare autovettori normalizzati (a norma unitaria, ponendo α = 1/ x ) i. Se A è reale, gli autovettori corrispondenti ad autovalori complessi coniugati sono complessi coniugati. Sia A una matrice n x n reale o complessa. Se gli autovalori di A sono distinti, i corrispondenti autovettori sono linearmente indipendenti.
33 Autovalori ed autovettori Esempio
34 Autovalori ed autovettori Esempio 34 [V, D] = eig(a)
35 Autovalori ed autovettori Esempio 35 [V, D] = eig(a) Essendo v = [0, 1] T un autovettore, questa direzione non è modificata dalla moltiplicazione per A
36 Matrici simili Due matrici A e B si dicono simili se esiste una matrice non singolare T tale che 36 Matrici simili hanno gli stessi autovalori. Infatti da B = T -1 A T con T non singolare segue E quindi det(λ I - A) = 0 sse det(λ I B) = 0 La proprietà di similitudine consente di risolvere più semplicemente un sistema lineare stazionario omogeneo Infatti, posto x = T z, z = T -1 x, si può scrivere:
37 Matrici simili 37 Una importante trasformazione di similitudine è quella che trasforma una generica matrice quadrata A alla forma di Jordan, particolarmente adatta per lo studio di sistemi dinamici. Nel caso in cui, data una matrice A generica, si possa trovare una matrice B simile tale che il corrispondente esponenziale e Bt sia facilmente calcolabile, allora si può ottenere Se A fosse simmetrica, non ci sarebbero problemi in quanto ammetterebbe n autovettori linearmente indipendenti, e dalla relazione Autovettori ponendo T = [t 1,, t n ] si avrebbe A T = T Λ autovalori, quindi con Λ matrice diagonale degli l esponenziale di una matrice reale simmetrica ha tutti gli elementi consistenti in una combinazione lineare delle esponenziali dei suoi autovalori, che sono tutti reali
38 Matrici simili - esempio 38 Data la matrice: Si ha: E quindi In questo modo è semplice calcolare la soluzione z(t) a partire da z 0, e quindi risalire alla soluzione x(t) del problema iniziale
39 Forma di Jordan complessa 39 Caso generale. Una generica matrice reale A n x n ha gli autovalori, in generale, complessi: λ 1,, λ m, m n. La forma di Jordan (complessa) è: Matrice diagonale a blocchi dove J i,j, blocco di Jordan relativo all autovalore λ i, è dato da
40 Forma di Jordan reale 40 La forma di Jordan complessa si può ricondurre a reale, traendo vantaggio dal fatto che valori complessi nei blocchi e in T sono associati ai complessi coniugati. Siano: λ 1, λ 2, λ h gli autovalori reali di A μ 1, μ 2,, μ h i loro ordini di molteplicità σ 1 ± j ω 1, σ 2 ± j ω 2,, σ k ± j ω k, gli autovalori complessi ν 1, ν 2, ν k i loro ordini di molteplicità per cui è n = μ 1 +μ 2 + +μ h + 2 (ν 1 + ν ν k ) Forma di Jordan reale: R 1, R n sono blocchi corrispondenti ad autovalori reali, C 1, C k sono blocchi reali di nuovo tipo, corrispondenti ciascuno a una coppia di blocchi complessi coniugati della forma di Jordan complessa.
41 Forma di Jordan reale I blocchi corrispondenti ad autovalori reali sono del tipo: 41 N.B.:
42 Forma di Jordan reale I blocchi corrispondenti ad autovalori complessi coniugati sono del tipo: 42
43 Forma di Jordan reale Scrivibile anche come 43
44 Forma di Jordan reale 44 In definitiva, in e At si ritroveranno termini del tipo:
45 Soluzione dell equazione equazione differenziale 45 t traiettoria x(t) Insieme delle velocità ammissibili x(0) Spazio degli stati In conclusione, per il calcolo dell evoluzione dello stato x(t): Sistemi non lineari: in generale tecniche numeriche Sistemi lineari non stazionari: Φ(t,t 0 ) (succ. Peano Baker) Sistemi lineari stazionari: e At (forma di Jordan)
46 Esempio 1 46 Determinare la soluzione x(t) del sistema dinamico descritto da Calcolo degli autovalori Gli autovalori λ 1 e λ 2 della matrice A si calcolano uguagliando a zero il determinante della matrice (λ I A), cioè: In questo caso si ha: e quindi cosa del resto ovvia visto che la matrice A è triangolare bassa e quindi i suoi autovalori sono gli elementi sulla diagonale.
47 Esempio 1 Calcolo degli autovettori Detto t il generico autovettore associato all'autovalore λ, deve essere 47 e quindi: per λ = -1 per λ = -2
48 Esempio 1 Si ha dunque 48 Verifica: Dalla relazione x = T z otteniamo z = T -1 x e quindi lo stato iniziale è
49 Esempio 1 49 La soluzione del nuovo sistema (in z) è quindi data da ed in definitiva: Verifica in Matlab/Simulink x' = Ax+Bu y = Cx+Du y Step State-Space To Workspace Clock t To Workspace1 x' = Ax+Bu y = Cx+Du State-Space1 K*u Matrix Gain y1 To Workspace2 z To Workspace3
50 Esempio Andamento di x 2 Andamento di z Tempo (sec) Andamenti di [x 1 ; x 2 ] Andamento Tempo (sec) di T z Andamenti di [z 1 ; z 2 ] Andamenti di T*[z 1 ; z 2 ] Tempo (sec)
51 Esempio 2 51 Determinare la soluzione x(t) del sistema dinamico descritto da Calcolo degli autovalori Gli autovalori λ 1, λ 2 e λ 3 della matrice A si calcolano uguagliando a zero il determinante della matrice (λ I A), cioè: In questo caso si ha: e quindi
52 Esempio 2 Calcolo degli autovettori Detto t il generico autovettore associato all'autovalore λ, deve essere (λι Α) t = 0 e quindi: 52 per λ = -1 per λ = -2 per λ = -3
53 Esempio 2 Si ha dunque 53 Verifica: Dalla relazione x = T z otteniamo z = T -1 x e quindi lo stato iniziale è
54 Esempio 2 54 La soluzione del nuovo sistema (in z) è quindi data da ed in definitiva: Verifica in Matlab/Simulink x' = Ax+Bu y = Cx+Du y Step State-Space To Workspace Clock t To Workspace1 x' = Ax+Bu y = Cx+Du State-Space1 K*u Matrix Gain y1 To Workspace2 z To Workspace3
55 Esempio Andamento di x Tempo (sec) Andamenti di [x 1 ; x 2 ; x 3 ] Andamenti di [z 1 ; z 2 ; z 3 ] Andamento di z Tempo (sec) Andamento di T z Andamenti di T*[z 1 ; z 2 ; z 3 ] Tempo (sec) 0-0.2
56 Sistemi a tempo discreto Si consideri il sistema a tempo discreto lineare non stazionario omogeneo 56 Analogamente al caso tempo continuo, si definisce la matrice di transizione dello stato Φ(k,h) come la matrice che ha come colonne le n soluzioni corrispondenti alle condizioni iniziali x(h) = e i, essendo e i la i-esima colonna della matrice identità. La matrice di transizione soddisfa la Contrariamente al caso a tempo continuo, la matrice di transizione dei sistemi a tempo discreto può essere singolare.
57 Sistemi a tempo discreto Nel caso stazionario, in cui la (1) diviene 57 la matrice di transizione dello stato coincide con la potenza di matrice, cioè si ha Infatti
58 Sistemi a tempo discreto In relazione al sistema lineare stazionario non omogeneo 58 si ricava la relazione facilmente dimostrabile per verifica diretta e, per il sistema complessivo
59 Sistemi a tempo discreto La matrice di risposta all impulso ingresso-stato e la matrice di risposta all impulso ingresso-uscita sono 59
60 Stabilità Definizione: Il sistema omogeneo 60 è asintoticamente stabile se è Teorema: il sistema (1) è asintoticamente stabile se e solo se gli autovalori di A sono tutti con parte reale negativa Dim. Basata sul fatto che λ = ρ, oppure λ = σ + j ω e quindi NB: pure i termini t n e λ t tendono a 0 per t ->
61 Stabilità Definizione: Il sistema omogeneo 61 è asintoticamente stabile se è Teorema: il sistema (2) è asintoticamente stabile se e solo se gli autovalori di A hanno tutti modulo minore di 1 Dim. Basata sul fatto che λ = ρ, oppure λ = ρ e j ϕ e quindi
62 Appendice 62 Spazi vettoriali e matrici: Definizioni Alcune proprietà geometriche
63 Alcune proprietà geometriche e 3 {e 1, e 2, e 3 }: base principale (colonne della matrice I) V: sottospazio (insieme di vettori) v 1, v 2 : base del sottospazio V V = [v 1. v 2 ]: matrice di base del sottospazio V 63 e 1 h 3 e 1 v 1 v 2 V e 3 h 1 h 2 p e 2 e 2 Data A n x n, V si dice invariante in A se è A V V La somma e l intersezione di due invarianti è un invariante Cambiamenti di base Al posto della base e 1, e 2, e 3 si assume una nuova base h 1, h 2, h 3 con T = [h 1, h 2, h 3 ] non singolare. Si indica con x il vettore delle componenti di un punto p nella base principale, con z le componenti nella nuova. Si ha x = T z, z = T -1 x Nella nuova base, ad A n x n corrisponde A 1 = T -1 A T
64 Alcune proprietà geometriche 64 Data una matrice A, m x n, si definiscono i sottospazi
65 Pseudoinversa di una matrice 65 Sia dato un sistema lineare espresso dalla relazione A x = b CNS perché esso ammetta almeno una soluzione è che b im A (1) Se questa è soddisfatta, detta x 0 una soluzione particolare, l insieme delle possibili soluzioni è x = x 0 + ker A e in forma parametrica x = x 0 + K α in cui K è una matrice di base di ker A e α R q arbitrario, con q = dim(ker A)
66 Pseudoinversa di una matrice 66 Se la (1) non è soddisfatta, si può ricercare il valore di x tale da minimizzare l errore (norma euclidea) che si commette A x 1 b 2 minima Se A è quadrata e non singolare, allora im A = R n, ker A = {0} per cui la soluzione esiste ed è unica, definita da x = A -1 b R n A R n A -1 im A
67 Pseudoinversa di una matrice 67 Se A non è quadrata o è singolare, allora la sua inversa non esiste e si deve utilizzare la pseudoinversa A + Data la matrice A m x n, vi sono in generale due casi: m < n; m > n 1) m < n rank A = min(m,n) = m im (A) = R m b x t.c. b = A x (ne esiste piu` di uno!) x = A + b ker(a) t.c. x ker(a) -> y = A x = 0 x = A + b + x n -> b = A(A + b + x n ) = b, x n ker(a) x = A + b + (I A + A) α espressione generale della soluzione x = A + b ha norma minima R n A 0 R m ker A A + im A
68 Pseudoinversa di una matrice 68 Se A non è quadrata o è singolare, allora la sua inversa non esiste e si deve utilizzare la pseudoinversa A + Data la matrice A m x n, vi sono in generale due casi: m < n; m > n 2) m > n rank A = min(m,n) = n x! b t.c. b = A x b im (A)! x t.c. b = A x (x = A + b) se b im x t.c. b = A x se pero` b 0 im (A) x 0 = A + b 0 b = A x 0 = A A + b 0 b 0 (A A + I) b b 0 e minima A R n im A R m A +
69 Pseudoinversa di una matrice 69 ker A x 0 x b ker A T x 0 R n im A T im A R m
70 Norme di vettori e matrici Norma: generalizzazione della nozione di distanza (lunghezza). 70 Norma di vettore: La norma di un vettore x R n è una funzione R n R tale che: Norme comuni in R n : Norma euclidea
71 Norme di vettori e matrici Esempio: Dato x = [1, -2, 2] T x 1 = 5, x 2 = 3, x = Lemma: Siano x a e x b due norme di x R n. Esistono infiniti scalari positivi k 1, k 2 tali che Le norme a e b sono dette equivalenti. Vero coppia di norme in R n. Esempio: Dato x = [1, -2, 2] T, allora:
72 Norme di vettori e matrici 72 Un vettore x può essere moltiplicato per la matrice A: y = A x. Per mettere in relazione la `dimensione' di y e di x, si definisce la norma di matrice come segue. Norme di matrici (indotte). Sia x una norma di x R n. Una matrice A R nx n ha la norma indotta da definita come: Segue che:
73 Norme di vettori e matrici Alcune norme di matrici: 73 Se
74 Autovalori, Autovettori, Autospazi 74 Sia A una matrice quadrata n x n a valori in R. Definizione Si chiama polinomio caratteristico di A il polinomio di grado n Definizione Si chiama equazione caratteristica di A l equazione Definizione Le n soluzioni dell equazione caratteristica sono detti autovalori di A
75 Autovalori, Autovettori, Autospazi Definizione Si definisce molteplicità algebrica dell autovalore la sua molteplicità come radice di. Un autovalore con molteplicità algebrica 1 è detto semplice. 75 Si chiama polinomio caratteristico di A il polinomio di grado n Definizione Si chiama equazione caratteristica di A l equazione Definizione Le n soluzioni dell equazione caratteristica sono detti autovalori di A
76 CONTROLLI AUTOMATICI LS EVOLUZIONE NEL TEMPO DI SISTEMI DINAMICI FINE Prof. Claudio Melchiorri DEIS-Università di Bologna Tel
TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliCONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica
CONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica CONTROLLO DI SISTEMI ROBOTICI ANALISI DEI SISTEMI LTI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it http://www.dismi.unimo.it/members/csecchi
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.
DettagliProprietà strutturali: Controllabilità e Osservabilità
CONTROLLI AUTOMATICI LS Ingegneria Informatica Proprietà strutturali: Controllabilità e Osservabilità Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 051 2093034 e-mail: claudio.melchiorri@deis.unibo.it
DettagliControllo con retroazione dello stato
CONTROLLI AUTOMATICI LS Ingegneria Informatica Controllo con retroazione dello stato Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 51 29334 e-mail: claudio.melchiorri@unibo.it http://www-lar.deis.unibo.it/people/cmelchiorri
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)
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
DettagliSistemi differenziali 2 2: esercizi svolti. 1 Sistemi lineari Stabilità nei sistemi lineari
Sistemi differenziali : esercizi svolti 1 Sistemi lineari Stabilità nei sistemi lineari 14 1 Sistemi differenziali : esercizi svolti 1 Sistemi lineari Gli esercizi contrassegnati con il simbolo * presentano
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
DettagliA.A. 2014/2015 Corso di Algebra Lineare
A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,
Dettagliẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1
Alcuni esercizi risolti su: - calcolo dell equilibrio di un sistema lineare e valutazione delle proprietà di stabilità dell equilibrio attraverso linearizzazione - calcolo del movimento dello stato e dell
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
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
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
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
Dettagli4 Analisi nel dominio del tempo delle rappresentazioni in
Indice del libro Alessandro Giua, Carla Seatzu Analisi dei sistemi dinamici, Springer-Verlag Italia, II edizione, 2009 Pagina web: http://www.diee.unica.it/giua/asd/ Prefazione.....................................................
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
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)
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
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliCalcolo del movimento di sistemi dinamici LTI
Calcolo del movimento di sistemi dinamici LTI Analisi modale per sistemi dinamici LTI TC Modi naturali di un sistema dinamico Analisi modale Esercizio 1 Costante di tempo Esercizio 2 2 Analisi modale per
DettagliUniversita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006. Matematica 2 (Analisi)
Universita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006 Matematica 2 (Analisi) Nome:................................. N. matr.:.................................
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
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)
DettagliSpazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari
Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo
DettagliNote sulle Catene di Markov
Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
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
Dettagli01. Modelli di Sistemi
Controlli Automatici 01. Modelli di Sistemi Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Federica Ferraguti ARSControl - DISMI - Università di Modena e Reggio Emilia E-mail: {nome.cognome}@unimore.it
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
DettagliTempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni
Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti
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:
DettagliEsercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
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
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
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
DettagliFondamenti 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
DettagliMODELLI A TEMPO CONTINUO IN EQUAZIONI DI STATO. Sistema lineare stazionario a tempo continuo in equazioni di stato. = Cx(t) + Du(t) x(0) = x 0
MODELLI A TEMPO CONTINUO IN EQUAZIONI DI STATO Sistema lineare stazionario a tempo continuo in equazioni di stato ẋ(t) y(t) = Ax(t) + Bu(t) = Cx(t) + Du(t) x() = x Risposta completa (risposta libera e
DettagliIntroduzione ai sistemi dinamici
Introduzione ai sistemi dinamici Prof. G. Ferrari Trecate, Prof. D.M. Raimondo Dipartimento di Ingegneria Industriale e dell Informazione (DIII) Università degli Studi di Pavia Fondamenti di Automatica
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
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
DettagliTEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
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
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
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliEquazioni di Stato: soluzione tramite la matrice esponenziale
Equazioni di Stato: soluzione tramite la matrice esponenziale A. Laudani November 15, 016 Un po di Sistemi Consideriamo il problema di Cauchy legato allo stato della nostra rete elettrica {Ẋ(t) = A X(t)
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
Dettagli1. Martedì 27/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2016 1. Martedì 27/09/2016,
DettagliFunzione di trasferimento
Funzione ditrasferimento - 1 Corso di Laurea in Ingegneria Meccanica Funzione di trasferimento DEIS-Università di Bologna Tel. 51 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Definizione
DettagliLo studio dell evoluzione libera nei sistemi dinamici
Lo studio dell evoluzione libera nei sistemi dinamici December, Un sistema lineare, dinamico, a dimensione finita e continuo (ovvero in cui il tempo t appartiene all insieme dei reali) può essere descritto
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliModellistica dei Sistemi Elettrici
Prof. Carlo Cosentino Fondamenti di Automatica, A.A. 206/7 Corso di Fondamenti di Automatica A.A. 206/7 Modellistica dei Sistemi Elettrici Prof. Carlo Cosentino Dipartimento di Medicina Sperimentale e
DettagliMATEMATICA GENERALE CLAMM AA 15-16
MATEMATICA GENERALE CLAMM AA 5-6 PROGRAMMA PARTE ALGEBRA LINEARE () Sistemi lineari e matrici: sistemi triangolari; a scala e loro risolubilità; matrice dei coefficienti e vettore dei termini noti; vettore
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
DettagliCapitolo 6. Sistemi lineari di equazioni differenziali. 1
Capitolo 6 Sistemi lineari di equazioni differenziali L integrale generale In questo capitolo utilizzeremo la forma canonica di Jordan per studiare alcuni tipi di equazioni differenziali Un sistema lineare
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
DettagliSistemi dinamici lineari
Capitolo 1. INTRODUZIONE 1.19 Sistemi dinamici lineari La funzione di stato che descrive un sistema dinamico lineare, è rappresentabile in forma matriciale nel seguente modo: Per sistemi continui: Per
DettagliEsercizi Applicazioni Lineari
Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliModelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali
Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali Argomenti trattati Introduzione ai modelli Equazioni differenziali del primo ordine Metodi risolutivi:integrazione diretta
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliSoluzione nel dominio del tempo
Soluzione nel dominio del tempo Prof. Laura Giarré Laura.Giarre@UNIMORE.IT https://giarre.wordpress.com/ca/ Antitrasformate CA 2017 2018 Prof. Laura Giarré 1 Risposta nel dominio trasformato Ricordo che
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
DettagliAnalisi dei Sistemi Lineari e Tempo Invarianti nel Dominio del Tempo
1 Corso di Fondamenti di Automatica A.A. 2016/17 Analisi dei Sistemi Lineari e Tempo Invarianti nel Dominio del Tempo Prof. Carlo Cosentino Dipartimento di Medicina Sperimentale e Clinica Università degli
DettagliSistemi di equazioni differenziali
Capitolo 5 Sistemi di equazioni differenziali Molti problemi sono governati non da una singola equazione differenziale, ma da un sistema di più equazioni. Ad esempio questo succede se si vuole descrivere
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)
DettagliScomposizione in fratti semplici
0.0.. Scomposizione in fratti semplici La determinazione dell evoluzione libera e dell evoluzione forzata di un sistema lineare stazionario richiedono l antitrasformazione di una funzione razionale fratta
DettagliAnalisi Matematica T1 - A.A prof.g.cupini CdL Ingegneria Edile Università di Bologna REGISTRO DELLE LEZIONI
Analisi Matematica T1 - A.A.2011-2012 - prof.g.cupini CdL Ingegneria Edile Università di Bologna REGISTRO DELLE LEZIONI (Grazie agli studenti del corso che comunicheranno omissioni o errori) 27 SETTEMBRE
DettagliProdotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
DettagliEstremi liberi. (H x, x) x 2 (1) F (x) =
Estremi liberi Allo scopo di ottenere delle condizioni sufficienti affinchè un punto stazionario sia un estremante, premettiamo alcuni risultati riguardanti le proprietà delle forme quadratiche. Sia H
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliAnalisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:
Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
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.
DettagliForma canonica di Jordan
Capitolo INTRODUZIONE Forma canonica di Jordan Siano λ i, per i =,, h, gli autovalori distinti della matrice A e siano r i i corrispondenti gradi di molteplicità all interno del polinomio caratteristico:
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
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliRaggiungibilità e osservabilità
Raggiungibilità e osservabilità January 5, 2 La raggiungibilità e l osservabilità sono due proprietà che caratterizzano lo spazio di stato associato ad un sistema. Raggiungibilità Uno stato x è raggiungibile
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)
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
DettagliCaso di A non regolare
Caso di A non regolare December 2, 2 Una matrice A è regolare quando è quadrata e in corrispondenza di ogni autovalore di molteplicità algebrica m si ha una caduta di rango pari proprio a m Ovvero: rk
Dettagliiv Indice c
Indice Prefazione ix 1 Numeri 1 1 Insiemi e logica 1 1.1 Concetti di base sugli insiemi 1 1.2 Un po di logica elementare 9 2 Sommatorie e coefficienti binomiali 13 2.1 Il simbolo di sommatoria 13 2.2 Fattoriale
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
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
Dettagliii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli......
Indice Prefazione vii 1 Matrici e sistemi lineari 1 1.1 Le matrici di numeri reali................. 1 1.2 Nomenclatura in uso per le matrici............ 3 1.3 Matrici ridotte per righe e matrici ridotte
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
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
Dettagli