Automazione Industriale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Automazione Industriale"

Transcript

1 Automazione Industriale Stefano Cherubin 23 settembre 2013 Sommario Reti di Petri ed analisi delle reti di Petri. Riassunto teorico e domande frequenti (Vero o Falso e Perché). Indice 1 Introduzione alle reti di Petri e concetti generali Denizioni Analisi delle reti di Petri Invarianti, sifoni, trappole P-invariante T-invarianti Sifoni Trappole Considerazioni Classi particolari Automa (macchina a stati) Grafo marcato Free Choice Relazioni tra le classi Controllo e supervisione Concetti base Terminologia Osservazioni Sintesi Vero o Falso... e perché Serie 1 (10 domande) Serie 2 (10 domande) Serie 3 (10 domande) Serie 4 (10 domande) Serie 5 (12 domande)

2 DISCLAIMER: Il contenuto di questo documento non è garantito essere esatto, esaustivo. Il presente documento è rilasciato secondo i termini della licenza BEER-WARE 1. 1 Introduzione alle reti di Petri e concetti generali Le reti di Petri sono uno strumento di modellizzazione formale per rappresentare il comportamento di un sistema. A dierenza degli automi a stati niti che non riescono a rappresentare sistemi a inniti stati con un numero nito di nodi, le reti di Petri consentono di rappresentare anche questi sistemi tramite un grafo con numero nito di nodi. Una transizione in una rete di Petri inuenza solo una parte dello stato complessivo del sistema. È quindi possibile rappresentare due eventi che possono contemporaneamente vericarsi. Inoltre non è possibile forzare una specica transizione a scattare nel caso in cui ne esistano di altre abilitate. Questo fa si che sia possibile modellizzare eventi asincroni tramite reti di Petri. 1.1 Denizioni Rete (non marcata) è una tripletta N = (P, T, F ), dove P è l'insieme nito dei posti, T è l'insieme nito delle transizioni ed F è la relazione di usso. Vale inoltre che P T = P T F P T T P. Preset α = pre (α) = {δ P T (δ, α) F } Insieme dei predecessori secondo la relazione di usso. Postset α = post (α) = {δ P T (α, δ) F } Insieme dei successori secondo la relazione di usso. Rete Posti-Transizioni è una quintupla P T = (P, T, F, W, M 0 ) dove P, T ed F deniscono una rete, W è una funzione (W : F N {0}) detta peso che associa ad ogni elemento di F un peso intero positivo e M 0 è una funzione (M 0 : P N) detta marcatura iniziale che associa ad ogni posto un intero non negativo. Marcatura è una funzione (M : P N) che associa ad ogni posto un intero non negativo rappresentante il numero di token contenuti nel posto in un dato momento. reti di Petri ordinarie sono reti di Petri in cui tutti gli archi hanno peso unitario. transizione abilitata una transizione si dice abilitata allo scatto nella marcatura M, ovvero M[t >, se e solo se p t M (p) W (p, t) 1 Puoi fare ciò che ti pare di questo documento. Se ritieni utile questa roba e un giorno dovessimo incontrarci puoi orirmi una birra. 2

3 scatto di una transizione lo scatto di una transizione t è un evento che, data una marcatura M in cui t è abilitata, produce una nuova marcatura M tale che: p t t M (p) = M (p) W (p, t) p t t M (p) = M (p) + W (t, p) p t t M (p) = M (p) W (p, t) + W (t, p) altrove M (p) = M (p) transizione viva in una rete di Petri una transizione si dice viva se può scattare innite volte. rete di Petri pura una rete di Petri si dice pura se e solo se ogni sua transizione ha il preset disgiunto dal proprio postset. rete di Petri viva una rete di Petri si dice viva se e solo se tutte le sue transizioni sono vive, ovvero se tutte le transizioni possono scattare innite volte. rete di Petri k-limitata una rete di Petri si dice k-limitata se e solo se in tutti i suoi posti non possono essere presenti più di k token per ciascun posto con k N. rete di Petri binaria una rete di Petri si dice binaria se e solo se è una rete di Petri k-limitata con k = 1. rete di Petri reversibile una rete di Petri si dice reversibile se e solo se per ogni marcatura M raggiungibile dalla marcatura iniziale esiste una sequenza valida e nita di transizioni che permettono di riportare la rete alla marcatura iniziale. matrice di ingresso matrice P T in cui l'elemento I i,j è il peso dell'arco entrante nella transizione j uscente dal posto i. matrice di uscita matrice P T in cui l'elemento O i,j è il peso dell'arco uscente dalla transizione j entrante nel posto i. matrice di incidenza matrice P T ottenuta dalla relazione C = O I. Si noti che C i,j = W (i, j, in) W (i, j, out), considerando in come archi in ingresso al posto i e out archi in uscita dal posto i. vettore delle occorrenze vettore colonna di dimensione T in cui il generico elemento s j indica il numero di scatti della transizione j nella sequenza di scatti S a cui il vettore è associato. equazione di stato equazione che riassume il passaggio da uno stato ad un altro della rete di Petri. Sia S una sequenza di scatti a cui è associato il vettore delle occorrenze s, siano M 0, M 1 due marcature e C la matrice di incidenza della stessa rete di Petri. M 0 [S > M 1 può essere scritto con l'equazione di stato M 1 = M 0 + C s. 3

4 2 Analisi delle reti di Petri 2.1 Invarianti, sifoni, trappole P-invariante Si tratta di invarianti di tipo posto. Corrispondono a insiemi di posti per cui la somma dei token rimane invariata per tutte le marcature raggiungibili. Calcolo dei P-invarianti I P-invarianti sono i vettori che soddisfano l'equazione x C = 0. Equivalentemente si può risolvere C x = 0. Supporto di un invariante e altre denizioni notevoli supporto di un P-invariante insieme di posti x a cui corrispondono elementi non nulli del P-invariante x. P-invariante a supporto minimo P-invariante che non contiene il supporto di alcun altro P-invariante. P-invariante canonico il massimo comune divisore dei suoi elementi non nulli è pari a 1. insieme generatore di P-invarianti positivi è il più piccolo insieme di invarianti positivi P I k, con 1 k P, tali che ogni altro invariante della rete sia combinazione lineare dei P-invarianti P I k. Tale insieme è nito ed è unico. P-invarianti minimi elementi dell'insieme generatore di P-invarianti positivi. Un P-invariante è minimo se e solo se è canonico e a supporto minimo. rete coperta da P-invarianti ogni poso della rete appartiene al supporto di almeno un P-invariante. rete conservativa una rete è conservativa se coperta da P-invarianti non negativi. Una rete conservativa è sempre limitata T-invarianti Si tratta di invarianti di tipo transizione. Corrispondono a sequenze di transizioni che, se applicate, riportano la rete allo stato di partenza. I T-invarianti sono vettori che soddisfano l'equa- Calcolo dei T-invarianti zione Cy = 0. 4

5 2.1.3 Sifoni Un sifone rappresenta un insieme di posti che durante l'evoluzione della rete tende a perdere token e non è in grado di acquisirne. Un insieme S di posti è un sifone se e solo se S S, ovvero tutte le transizioni che portano token nel sifone sono anche transizioni che portano token fuori dal sifone. L'unione di sifoni è ancora un sifone. Se un sifone non contiene token in una marcatura M allora non conterrà token in alcuna delle marcature raggiungibili da M. Se un sifone non contiene token allora tutte le transizioni in uscita dal sifone sono disabilitate e la rete non è viva Trappole Una trappola è un insieme di posti che durante l'evoluzione della rete tende ad acquisire token e non è in grado di cederne. Un insieme S di posti è una trappola se e solo se S S. L'unione di trappole è ancora una trappola. Se una trappola contiene token in una marcatura M allora essa conterrà token in ciascuna delle marcature raggiungibili da M Considerazioni I P-invarianti della matrice di incidenza C sono i T-invarianti della matrice di incidenza C e viceversa. Il supporto di un P-invariante con elementi non negativi è contemporaneamente sia sifone sia trappola. Sia M una marcatura morta. L'insieme dei posti privi di gettoni in M è un sifone. Se in una marcatura M ogni sifone contiene una trappola marcata (trappola contenente almeno un token) allora non esistono marcature morte in M[>. 2.2 Classi particolari Automa (macchina a stati) Una macchina a stati è una rete di Petri per cui ogni transizione ha esattamente un arco entrante e un arco uscente. Ovvero vale la relazione t T, t = 1 t = 1. Proprietà della macchina a stati La macchina a stati è strettamente conservativa. token nella rete non varia mai. Ovvero il numero di 5

6 Se la marcatura iniziale contiene un solo token, la rete è binaria. Non ammettono sincronizzazioni Vivezza di una macchina a stati Una macchina a stati è viva se e solo se è fortemente connessa. Ovvero se ha almeno un token ed è possibile andare da un nodo ad un qualunque altro seguendo la relazione di usso Grafo marcato Un grafo marcato è una rete di Petri per cui ogni posto ha esattamente una transizione entrante e una transizione uscente. Ovvero vale la relazione p P, p = 1 p = 1. Un grafo marcato non ammette conitti. Vivezza di un grafo marcato sequenza di posti la sequenza a valle di un posto è la medesima in ingresso al posto successivo nella sequenza; inoltre se una transizione è in ingresso per un posto della sequenza allora non può essere in ingresso per altri posti della sequenza, se una transizione è in uscita per un posto della sequenza allora non può essere in uscita per un altro posto della sequenza. ciclo sequenza di posti ottenuti seguendo la relazione di usso per cui la transizione in ingresso al primo posto è anche transizione di uscita dell'ultimo posto. Un grafo marcato è vivo se e solo se ogni suo ciclo contiene almeno un token Free Choice Una rete a scelta libera è una rete di Petri per cui ogni arco da posto a transizione è l'unico arco entrante nella transizione oppure l'unico arco uscente dal posto. Ovvero vale la relazione t T, p t t = {p} p = {t}. Le reti a scelta libera garantiscono l'assenza di confusione fra transizioni. Un grafo marcato è una rete a scelta libera. Una macchina a stati niti è una rete a scelta libera. confusione condizione che denota l'impossibilità di determinare con certezza in un conitto quale transizione scatterà, perché la loro condizione di abilitazione dipende da altri fattori (esempio: ordine di scatto di transizioni a monte). Extended Free Choice Una rete a scelta libera estesa è una rete di Petri per cui ogni posto in ingresso ad una transizione condivide il suo postset con gli altri posti in ingresso per quella transizione. Ovvero vale la relazione t T, p 1, p 2 t p 1 p 2. 6

7 Reti a scelta asimmetrica Una rete a scelta asimmetrica è una rete di Petri per cui vale la relazione p 1, p 2 P p i p j p i p j p j p i. Considerazioni sulla vivezza Una rete a scelta libera estesa è viva se e solo se tutti i suoi sifoni contengono una trappola marcata. Una rete a scelta asimmetrica è viva se (ma non solo se) tutti i suoi sifoni contengono una trappola marcata Relazioni tra le classi Le macchine a stati niti e i gra marcati sono tra loro disgiunti ma sono entrambe reti a scelta libera. Le reti a scelta libera sono sottoinsieme delle reti a scelta libera estese, le quali a loro volta sono sottoinsieme delle reti a scelta asimmetrica. 7

8 3 Controllo e supervisione 3.1 Concetti base Si necessita di imporre dei vincoli ad un sistema rappresentato da una rete di Petri. Per fare ciò si possono seguire due approcci: forzare l'ordine di una determinata sequenza di eventi (transizioni) nella rete oppure impedire il vericarsi di situazioni (marcature) non desiderate nella rete. Sebbene i due approcci non siano particolarmente diversi ai ni dell'espressività noi procederemo seguendo il secondo di questi sopra descritti. Il controllo che ci si appresta a trattare viene detto deadlock-avoidance perché mira a impedire la formazione di marcature non desiderate o ritenute critiche, queste marcature in alcuni ambiti prendono il nome di deadlock. Un altro nome per questo approccio è controllo supervisivo, in quanto il controllore agisce senza modicare la rete di Petri preesistente ma si limita ad aggiungere dei posti di supervisione che osservano o controllano delle transizioni. 3.2 Terminologia posto di controllo posto aggiunto alla rete di Petri nella progettazione del supervisore. transizione osservata transizione nel preset dei un posto di controllo. transizione controllata transizione avente un posto di controllo nel proprio preset. vincolo di disuguaglianza vincolo da imporre nel sistema espresso nella forma m i + m j k. Dove m i, m j sono le generiche marcature soggette a restrizioni. vincolo di uguaglianza vincolo da imporre nel sistema espresso nella forma m i + m j + m c = k. Dove m c è la marcatura del nuovo posto di controllo introdotto per soddisfare questo vincolo. 3.3 Osservazioni Ogni vincolo introdotto produce un nuovo P-invariante nella rete di Petri controllata. Si può prevenire lo svuotamento dei sifoni imponendo un vincolo del tipo s sifone m s 1, che può essere facilmente tradotto nella classica forma di disuguaglianza s sifone m s Sintesi Raggruppando i vari vincoli che si desidera imporre sul sistema, otteniamo l'espressione matriciale L M p b dove L costituisce una matrice di pesi che 8

9 ciascun vincolo associa ad ogni posto, il vettore M p rappresenta la generica marcatura della rete e b è il vettore dei termini costanti. Introducendo il vettore delle marcature dei posti di controllo M c otteniamo l'equazione L M p +M c = b. Il supervisore si ottiene quindi: matrice di incidenza del supervisore C c = L C p marcatura iniziale dei posti di controllo M 0c = b L M 0p 9

10 4 Vero o Falso... e perché 4.1 Serie 1 (10 domande) 1. Una rete di Petri free-choice è sempre viva. FALSO. La condizione di vivezza è che tutti i suoi sifoni contengano una trappola marcata, come per le extended free-choice. 2. Il supporto di un P-invariante a coecienti non negativi è contemporaneamente un sifone ed una trappola. VERO. 3. In un sistema ad eventi discreti non sono mai coinvolte variabili di tipo numerico. FALSO. I sistemi ad eventi discreti non impongono alcun vincolo sul tipo delle variabili. 4. Una caratteristica fondamentale dei modelli dei sistemi dinamici ad eventi discreti è che il loro stato evolve guidato non dal tempo ma dal succedersi di eventi. VERO. Come dice il nome Una rete di Petri coperta da un unico P-invariante con tutti gli elementi pari a 1 è strettamente conservativa. VERO. Signica che l'intera rete coincide con un sifone-trappola. quindi tende a non acquistare e non perdere gettoni. 6. Se un sistema ad eventi discreti è dinamico, allora esso è sempre descrivibile con un automa a stati niti. FALSO. Gli automi non possono rappresentare sincronizzazioni. 7. Il controllo supervisivo a deadlock-avoidance serve a ridurre opportunamente le marcature raggiungibili da una rete di Petri. VERO. In particolare mira a eliminare le marcature che contengono situazioni di deadlock. 8. I metodi di progetto bottom-up per il controllo dei DES consistono nel disegnare la rete di Petri del sistema controllato partendo dalle sue uscite, mentre nei metodi top-down si parte dagli ingressi. 10

11 FALSO. Non ho la più pallida idea di cosa sia il controllo del DES tuttavia la base da cui si parte a progettare sono sempre gli ingressi del sistema mentre le uscite rappresentano il risultato. Ne consegue che un metodo bottom-up parta dagli ingressi e un metodo topdown parta dalle uscite del sistema. 9. Nei modelli dei sistemi ad eventi discreti, a volte l'insieme dei valori che una variabile può assumere dipende dallo specico problema di modellizzazione e non soltanto dal sistema. VERO. Esistono situazioni in cui il dominio di una variabile dipende dalla specica applicazione. 10. Se una rete di Petri ha la matrice d'incidenza quadrata e non singolare, tale rete non ha né P-invarianti né T-invarianti con elementi tutti nulli. VERO. Se la matrice d'incidenza è non singolare allora esistono T- invarianti e P-invarianti non nulli in numero pari al rango della matrice. Si ricorda che nel caso una riga (o colonna) di una matrice sia ottenibile come combinazione lineare di altre allora il determinante di quella matrice risulterà nullo (matrice singolare). 4.2 Serie 2 (10 domande) 1. Nelle reti di Petri free-choice non vi sono mai conitti. FALSO. I gra marcati non ammettono conitti. Nulla si può dire a riguardo nelle reti di Petri free-choice. 2. Un sifone è un insieme di posti che sicuramente, prima o poi, rimane senza marche. FALSO. Un sifone tende a rimanere senza token tuttavia esistono condizioni in cui ciò non accade, ad esempio quando un sifone contiene una trappola marcata. 3. L'equazione di stato di una rete di Petri serve a calcolare la marcatura che si ottiene a partire da una certa marcatura iniziale e con un certo vettore delle occorrenze. VERO. Per denizione di equazione di stato di una rete di Petri. 4. Se ad un vettore delle occorrenze corrisponde una sequenza di scatti ammissibile, allora tutte le sequenze di scatti che corrispondono a quel vettore delle occorrenze sono ammissibili. 11

12 FALSO. Invertendo l'ordine di due o più transizioni in una sequenza di scatti non cambia il vettore della occorrenze tuttavia esiste la possibilità che la sequenza di scatti di partenza sia ammissibile e quella variata non lo sia. 5. Nel controllo supervisivo a deadlock-avoidance è possibile introdurre vincoli sia sullo stato che sugli eventi. VERO. Questo tipo di controllo consente di intervenire sia su stati sia su eventi. 6. Un sistema dinamico ad eventi discreti può avere un numero innito di stati raggiungibili. VERO. Un esempio può essere dato da una rete che incrementa i token al suo interno ad ogni transizione. Questo porta ad un aumento non limitato di token e quindi ad un numero non limitato di marcature (stati) raggiungibili. 7. I T-invarianti della rete di Petri con matrice d'incidenza C sono i P- invarianti della rete di Petri con matrice d'incidenza C. VERO. Trasporre la matrice di incidenza C signica invertire il ruolo di posti e transizioni nella rete di Petri. Ne consegue che gli invarianti di posto diventano invarianti di transizione e viceversa. 8. Se una rete di Petri non ha P-invarianti non tutti nulli, non ha nemmeno T-invarianti non tutti nulli. FALSO. Se una rete di Petri non ha P-invarianti non tutti nulli allora si può dire che la matrice di incidenza C non ha alcuna riga ottenibile come combinazione lineare di altre. Non viene però garantita la stessa cosa per le colonne di C e quindi è ammissibile la presenza di T- invarianti tutti nulli. 9. Una transizione viva in una rete viva può scattare un numero innito di volte. VERO. Una transizione si dice viva quando può scattare un numero innito di volte. 10. Una transizione viva in una rete non viva può scattare un numero innito di volte. VERO. Una transizione si dice viva quando può scattare un numero innito di volte. Una rete si dice viva quando tutte le sue transizioni sono vive. In una rete non viva esiste almeno una transizione non viva tuttavia tutte le transizioni vive possono scattare innite volte. 12

13 4.3 Serie 3 (10 domande) 1. Un sifone è il supporto di un P-invariante. FALSO. Si può dire che un P-invariante a coecienti positivi è sia sifone sia trappola ma nulla più. 2. Una rete di Petri coperta da P-invarianti con coecienti non negativi è conservativa. VERO. In una rete di Petri coperta da P-invarianti non negativi il numero di token non cresce mai indenitivamente, è conservativa. 3. Il controllo supervisivo a deadlock-avoidance serve a far sì che lo scatto di certe transizioni avvenga in una sequenza pressata. FALSO. Serve a impedire che un sifone perda tutti i token. 4. I sifoni della rete di Petri con matrice d'incidenza C coincidono con le trappole della rete di Petri con matrice d'incidenza C. VERO. Cambiando segno alla matrice C gli archi in uscita a una transizione diventano in entrata e viceversa. Avviene quindi che gli insiemi di posti che prima tendevano ad accumulare gettoni ora tendano a perderne (e viceversa). 5. I P-invarianti della rete di Petri con matrice d'incidenza C coincidono con i T-invarianti della rete di Petri con matrice d'incidenza C. FALSO. Questo scambio di ruoli avviene applicando alla matrice C una trasposizione. Invertendo i segni degli elementi della matrice avviene che i sifoni diventano trappole e le trappole diventano sifoni tuttavia non si applica agli invarianti alcuna di queste relazioni. 6. Un sifone minimo non contiene altri sifoni ma può coincidere con il supporto di un P-invariante. VERO. Per la precisione un P-invariante a coecienti non negativi. Si noti che quel sifone è anche trappola. 7. Una transizione di una rete di Petri si dice viva se è abilitata in una ed una sola marcatura della rete stessa. FALSO. Una transizione di una rete di Petri si dice viva se può scattare innite volte. 8. I sifoni della rete di Petri con matrice d'incidenza C coincidono con le trappole della rete di Petri con matrice d'incidenza C. 13

14 FALSO. Questo scambio di ruoli avviene moltiplicando la matrice C per 1. Applicando una trasposizione avviene che i P-invarianti diventano T-invarianti e viceversa tuttavia non si applica a sifoni e trappole alcuna di queste relazioni. 9. I P-invarianti della rete di Petri con matrice d'incidenza C coincidono con i T-invarianti della rete di Petri con matrice d'incidenza C. VERO. Trasporre la matrice di incidenza C signica invertire il ruolo di posti e transizioni nella rete di Petri. Ne consegue che gli invarianti di posto diventano invarianti di transizione e viceversa. 10. In una rete di Petri free-choice tutte le transizioni hanno al più un posto nel loro preset. FALSO. In una rete di Petri free-choice ogni transizione ha al più un posto nel loro preset oppure coincide con il postset di tutti i posti nel suo preset. 4.4 Serie 4 (10 domande) 1. Una rete di Petri si dice binaria se tutte le sue transizioni hanno due posti nel loro postset. FALSO. Una rete di Petri si dice binaria se è k-limitata con k = Se una rete di Petri ha N marcature possibili M 1 M N e tutte le marcature M 2 M N sono raggiungibili da M 1, la rete è viva. FALSO. Esiste la possibilità che una della marcature raggiungibili sia una marcatura morta; in quel caso non è possibile attivare alcuna transizione e quindi la rete non sarebbe viva. 3. I P-invarianti di una rete di Petri non dipendono dalla marcatura iniziale. VERO. Gli invarianti dipendono solo dalla rete non marcata su cui si basa la rete di Petri. 4. Una rete di Petri coperta da P-invarianti è sempre strettamente conservativa. FALSO. Per essere conservativa la rete deve essere coperta da P- invarianti non negativi. 5. Il controllo supervisivo serve ad imporre ad una rete di Petri dei vincoli sullo stato espressi in una forma qualsiasi. FALSO. I vincoli imposti tramite controllo supervisivo sono espressi nella forma L M p + M c = b. 14

15 6. Se un insieme di posti è contemporaneamente un sifone ed una trappola, allora esso è il supporto di un P-invariante. FALSO. Il supporto di un P-invariante a coecienti non negativi è contemporaneamente sia sifone sia trappola. Non è garantito che per ogni sifone-trappola esista un P-invariante associato. 7. Una rete di Petri tale per cui ogni sifone, minimo e non minimo, contiene almeno una trappola marcata è viva. FALSO. Questa particolare condizione vale per le reti di Petri a scelta libera asimmetrica. Non vale per tutte le reti di Petri. 8. Una rete contenente i seguenti P-invarianti è conservativa: X 1 = [ ], X 2 = [ ]. FALSO. Non è coperta da P-invarianti non negativi. Non è possibile garantire la conservatività della rete. 9. Una rete contenente i seguenti P-invarianti è conservativa: X 1 = [ ], X 2 = [ ], X3 = [ ]. VERO. Gli invarianti X 2 e X 3 sono invarianti non negativi che coprono l'intera rete. La rete è quindi conservativa. 10. Una rete contenente i seguenti P-invarianti è conservativa: X 1 = [ ], X 2 = [ ], X3 = [ ]. VERO. I tre invarianti X 1, X 2, X 3 coprono la rete e sono tutti non negativi. La rete è quindi conservativa. 4.5 Serie 5 (12 domande) 1. Una rete di Petri con matrice di incidenza pari alla matrice identità (1 solo sulla diagonale, 0 altrove) è limitata. FALSO. Prendendo una qualunque transizione t j è possibile farla scattare innite volte e ad ogni scatto verrà aggiunto un token nel posto p j senza che ne venga consumato alcuno. Questo porta ad un accumulo di inniti token nel posto p j. Quindi la rete non è limitata. 2. Una rete di Petri con matrice di ingresso e di uscita pari alla matrice identità (1 solo sulla diagonale, 0 altrove) è viva se e solo se ogni posto è inizialmente marcato. 15

16 VERO. La rete di Petri in questione è una rete di Petri in cui ogni posto entra una sola transizione ed esce una sola transizione. Inoltre la transizione di entrata e quella di uscita coincidono. Ne consegue che per attivare una transizione t j è necessario e suciente che il posto p j sia inizialmente marcato. L'applicazione della transizione porta la rete di Petri nella stessa marcatura di partenza. Una transizione t j per scattare innite volte (transizione viva) in questa rete di Petri è quindi suciente possa scattare una sola volta. Perché tutte le transizioni siano vive è quindi necessario e suciente che ogni posto sia inizialmente marcato. 3. Se il grafo di raggiungibilità di una rete di Petri limitata non ha foglie morte (nodi senza successori), allora tale rete è viva. FALSO. Una rete può avere grafo senza foglie morte ma non essere viva. Un esempio è dato da una qualunque rete contenente due transizioni vive e una transizione non viva. 4. Il supporto di un P-invariante è sia sifone che trappola. FALSO. Questa relazione vale solo se il P-invariante in questione è a coecienti non negativi. 5. Una trappola contenente un sifone smarcato non si potrà mai svuotare. FALSO. Potrebbe essere già vuota nella marcatura iniziale. 6. Se il grafo di raggiungibilità di una rete non presenta marcature morte essa è viva. FALSO. Se una transizione della rete può scattare solo un numero limitato di volte allora la rete non è viva ma ciò non comporta l'introduzione di marcature morte. 7. Un rete coperta da T-invarianti non negativi è reversibile. FALSO. La sequenza di scatti corrispondente a questi T-invarianti potrebbe non essere amissibile per la rete data. Non è quindi garantito che esista una sequenza di scatti ammissibile che da ogni marcatura raggiungibile riporti la rete alla marcatura iniziale. 8. Una rete a scelta libera è anche una rete a scelta simmetrica. FALSO. Una rete a scelta libera è anche una rete a scelta asimmetrica. 9. Una rete è strettamente conservativa se e solo se è limitata. FALSO. Una rete strettamente conservativa è sempre limitata ma non vale il viceversa. 16

17 10. In una rete generica i sifoni prima o poi perdono i propri gettoni. FALSO. I sifoni tendono a perdere i gettoni tuttavia esistono casi, ad esempio sifoni contenenti una trappola marcata, in cui i sifoni non si smarcano mai. 11. Se un sifone è controllato con la tecnica del controllo supervisivo basati sui p-invarianti, potrebbe perdere tutti i gettoni se la rete di partenza non è strettamente conservativa. FALSO. Il controllo supervisivo basato sui p-invarianti non permette che il sifone perda gettoni. 12. Una rete non reversibile non può essere viva. FALSO. Un banale controesempio è una rete illimitata in cui si continuano a generare token in tutte le transizioni. Riferimenti bibliograci [1] Luca Ferrarini. Automazione industriale: controllo logico con reti di Petri. Pitagora Editrice Bologna,

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

Modelli della concorrenza. Lucia Pomello. Re# di Petri: proprietà di comportamento e verifica stru6urale

Modelli della concorrenza. Lucia Pomello. Re# di Petri: proprietà di comportamento e verifica stru6urale Modelli della concorrenza Lucia Pomello Re# di Petri: proprietà di comportamento e verifica stru6urale NOTA Se tutti i posti di una rete P/T hanno capacità finita k, allora la rete è k-limitata (ogni

Dettagli

Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole -

Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole - Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole - - richiami preliminari sulle proprietà strutturali - Abbiamo visto che alcune caratteristiche dei sistemi dinamici (DES compresi) non

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 14. Controllo con reti di Petri Luigi Piroddi piroddi@elet.polimi.it Uso delle reti di Petri nel controllo di sistemi a eventi discreti Ai fini del controllo

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010 elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre

Dettagli

CONCETTO DI LIMITE DI UNA FUNZIONE REALE

CONCETTO DI LIMITE DI UNA FUNZIONE REALE CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e

Dettagli

Il controllo dei DES Approccio indiretto

Il controllo dei DES Approccio indiretto Il controllo dei DES Approccio indiretto Controllo dei DES - approccio indiretto - Il controllore è il risultato di un processo di sintesi, a partire dai modelli P dell impianto e Sp delle specifiche Sp:

Dettagli

Corrispondenze e funzioni

Corrispondenze e funzioni Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

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

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

Dettagli

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

Dettagli

Macchine a stati finiti. Sommario. Sommario. M. Favalli. 5th June 2007

Macchine a stati finiti. Sommario. Sommario. M. Favalli. 5th June 2007 Sommario Macchine a stati finiti M. Favalli 5th June 27 4 Sommario () 5th June 27 / 35 () 5th June 27 2 / 35 4 Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:

Dettagli

Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza

Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di

Dettagli

Macchine a stati finiti. Sommario. Sommario. M. Favalli. Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:

Macchine a stati finiti. Sommario. Sommario. M. Favalli. Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante: Sommario Macchine a stati finiti M. Favalli Engineering Department in Ferrara 4 Sommario (ENDIF) Analisiesintesideicircuitidigitali / 35 (ENDIF) Analisiesintesideicircuitidigitali 2 / 35 4 Le macchine

Dettagli

Macchine a stati finiti G. MARSELLA UNIVERSITÀ DEL SALENTO

Macchine a stati finiti G. MARSELLA UNIVERSITÀ DEL SALENTO Macchine a stati finiti 1 G. MARSELLA UNIVERSITÀ DEL SALENTO Introduzione Al più alto livello di astrazione il progetto logico impiega un modello, la cosiddetta macchina a stati finiti, per descrivere

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

Dettagli

Registri. «a2» 2013.11.11 --- Copyright Daniele Giacomini -- appunti2@gmail.com http://informaticalibera.net

Registri. «a2» 2013.11.11 --- Copyright Daniele Giacomini -- appunti2@gmail.com http://informaticalibera.net «a2» 2013.11.11 --- Copyright Daniele Giacomini -- appunti2@gmail.com http://informaticalibera.net Registri Registri semplici....................................... 1823 Registri a scorrimento..................................

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

f il sottoinsieme D f di A dei valori che può assumere la variabile indipendente x. Talvolta indicheremo il dominio della funzione f con dom (f).

f il sottoinsieme D f di A dei valori che può assumere la variabile indipendente x. Talvolta indicheremo il dominio della funzione f con dom (f). Liceo Scientico Paritario Ven. A. Luzzago di Brescia. Classe 5A - Anno Scolastico 2014/2015 - Prof. Simone Alghisi 1 Le funzioni (1.1) Denizione Siano A e B due insiemi. Una funzione f : A B é una legge

Dettagli

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5

min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5 IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:

Dettagli

Reti sequenziali sincrone

Reti sequenziali sincrone Reti sequenziali sincrone Un approccio strutturato (7.1-7.3, 7.5-7.6) Modelli di reti sincrone Analisi di reti sincrone Descrizioni e sintesi di reti sequenziali sincrone Sintesi con flip-flop D, DE, T

Dettagli

Fondamenti e didattica di Matematica Finanziaria

Fondamenti e didattica di Matematica Finanziaria Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio

Dettagli

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1 Analisi delle reti 1. Analisi nodale (metodo dei potenziali dei nodi) 1.1 Analisi nodale in assenza di generatori di tensione L'analisi nodale, detta altresì metodo dei potenziali ai nodi, è un procedimento

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Rappresentazione grafica di entità e attributi

Rappresentazione grafica di entità e attributi PROGETTAZIONE CONCETTUALE La progettazione concettuale, ha il compito di costruire e definire una rappresentazione corretta e completa della realtà di interesse, e il prodotto di tale attività, è lo schema

Dettagli

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette. . Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

Dettagli

ALGORITMO DEL SIMPLESSO

ALGORITMO DEL SIMPLESSO ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5)

Dettagli

UNIVERSITÀ DEGLI STUDI DI TERAMO

UNIVERSITÀ DEGLI STUDI DI TERAMO UNIVERSITÀ DEGLI STUDI DI TERAMO CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA (Classe 7) Corso di Matematica per l Economia (Prof. F. Eugeni) TEST DI INGRESSO Teramo, ottobre 00 SEZIONE

Dettagli

Rappresentare i nessi logici con gli insiemi

Rappresentare i nessi logici con gli insiemi Rappresentare i nessi logici con gli insiemi È un operazione molto utile in quesiti come quello nell Esempio 1, in cui gruppi di persone o cose vengono distinti in base a delle loro proprietà. Un elemento

Dettagli

Funzioni. Parte prima. Daniele Serra

Funzioni. Parte prima. Daniele Serra Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1

Dettagli

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che: Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi

Dettagli

Ottimizzazione Multi Obiettivo

Ottimizzazione Multi Obiettivo Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali

Dettagli

3 GRAFICI DI FUNZIONI

3 GRAFICI DI FUNZIONI 3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom

Dettagli

Organizzazione degli archivi

Organizzazione degli archivi COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i

Dettagli

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26 Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo

Dettagli

Diagonalizzazione di matrici e applicazioni lineari

Diagonalizzazione di matrici e applicazioni lineari CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x

Dettagli

Capitolo 2. Operazione di limite

Capitolo 2. Operazione di limite Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A

Dettagli

Ottimizazione vincolata

Ottimizazione vincolata Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1)

APPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1) ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1) Un insieme è una collezione di oggetti. Il concetto di insieme è un concetto primitivo. Deve esistere un criterio chiaro, preciso, non ambiguo, inequivocabile,

Dettagli

Lezione 8. La macchina universale

Lezione 8. La macchina universale Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

Algebra Lineare e Geometria

Algebra Lineare e Geometria Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da

Dettagli

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

Dettagli

MODELLO RELAZIONALE. Introduzione

MODELLO RELAZIONALE. Introduzione MODELLO RELAZIONALE Introduzione E' stato proposto agli inizi degli anni 70 da Codd finalizzato alla realizzazione dell indipendenza dei dati, unisce concetti derivati dalla teoria degli insiemi (relazioni)

Dettagli

Laurea Specialistica in Informatica

Laurea Specialistica in Informatica Corso di Laurea in FISICA Laurea Specialistica in Informatica Fisica dell informazione 1 Elementi di Architettura degli elaboratori Prof. Luca Gammaitoni Informazioni sul corso: www.fisica.unipg unipg.it/gammaitoni/fisinfoit/gammaitoni/fisinfo

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

SISTEMI DI NUMERAZIONE E CODICI

SISTEMI DI NUMERAZIONE E CODICI SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema

Dettagli

Funzioni. Funzioni /2

Funzioni. Funzioni /2 Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x) 1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

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

Dettagli

UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI

UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all

Dettagli

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

Macchine sequenziali

Macchine sequenziali Corso di Calcolatori Elettronici I A.A. 2010-2011 Macchine sequenziali Lezione 14 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Automa a Stati Finiti (ASF) E una prima astrazione di

Dettagli

Studio di una funzione ad una variabile

Studio di una funzione ad una variabile Studio di una funzione ad una variabile Lo studio di una funzione ad una variabile ha come scopo ultimo quello di pervenire a un grafico della funzione assegnata. Questo grafico non dovrà essere preciso

Dettagli

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006 PROGETTO OLIMPII I MTEMTI U.M.I. UNIONE MTEMTI ITLIN SUOL NORMLE SUPERIORE IGiochidirchimede-Soluzioniiennio novembre 006 Griglia delle risposte corrette Problema Risposta corretta E 4 5 6 7 8 9 E 0 Problema

Dettagli

Reti di Petri: analisi, modellistica e controllo

Reti di Petri: analisi, modellistica e controllo Reti di Petri: analisi, modellistica e controllo /2/25 Alessandro De Luca Reti di Petri Sono un formalismo grafico/matematico per la modellazione di sistemi dinamici a eventi discreti introdotte nel 962

Dettagli

Ricerca Operativa e Logistica

Ricerca Operativa e Logistica Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se

Dettagli

DOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2.

DOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2. FUNZIONI DI DUE VARIABILI 1 DOMINIO E LIMITI Domini e disequazioni in due variabili. Insiemi di livello. Elementi di topologia (insiemi aperti, chiusi, limitati, convessi, connessi per archi; punti di

Dettagli

ALGEBRA DELLE PROPOSIZIONI

ALGEBRA DELLE PROPOSIZIONI Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra

Dettagli

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

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

Dettagli

LA RETTA. Retta per l'origine, rette orizzontali e verticali

LA RETTA. Retta per l'origine, rette orizzontali e verticali Retta per l'origine, rette orizzontali e verticali LA RETTA Abbiamo visto che l'equazione generica di una retta è del tipo Y = mx + q, dove m ne rappresenta la pendenza e q il punto in cui la retta incrocia

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

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

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

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

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

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno

Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Rappresentazione di numeri Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Un numero e un entità teorica,

Dettagli

Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi.

Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi. E. Calabrese: Fondamenti di Informatica Problemi-1 Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi. L'informatica

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

Reti di Petri: analisi, modellistica e controllo

Reti di Petri: analisi, modellistica e controllo Reti di Petri: analisi, modellistica e controllo 2-3/2/24 Alessandro De Luca Reti di Petri Sono un formalismo grafico/matematico per la modellazione di sistemi dinamici a eventi discreti introdotte nel

Dettagli

Le equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.

Le equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema

Dettagli

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13

Dettagli