Lezione Maggio Analisi in media delle prestazioni di un algoritmo di consensus
|
|
- Nicola Santoro
- 4 anni fa
- Visualizzazioni
Transcript
1 PSC: Progettazione di sistemi di controllo III rim. 27 Lezione 22 3 Maggio Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 22. Analisi in media delle prestazioni di un algoritmo di consensus L analisi delle prestazioni di un algoritmo di consensus con matrice P tempovariante può essere fatta a regime, ovvero studiando il valore a cui (eventualmente converge lo stato, oppure nel transitorio, ovvero guardando la velocità con cui viene raggiunto il valore di regime. A questo proposito sono stati introdotti i seguenti parametri: per l analisi nel transitorio la distanza dal consensus d(t = x(t xa (t½ 2 dove x A (t = ½ x(t è la media delle componenti di x(t, ovvero il baricentro all istante t; per l analisi a regime lo spostamento dal baricentro corrente rispetto al baricentro iniziale β(t = x A (t x A ( 2. In particolare interessa analizzare il comportamento di questi parametri per t ; per l analisi del transitorio si utilizza la teoria degli esponenti di Lyapunov che consente di trovare il rate di convergenza per d(t a regime, ottenendo che sotto le condizioni per cui si ha probabilistic consensus vale lim t [d(t]/t = λ quasi sicuramente, con λ costante e non aleatorio detto secondo esponente di Lyapunov; per l analisi a regime si trova con B(ω = β( = x( B(ωx( quasi sicuramente, (ρ(ω ½ ( ρ(ω ½ matrice aleatoria. I problemi nascono dal fatto che per l analisi del transitorio il secondo esponente di Lyapunov fornisce un informazione troppo scarsa per una stima della qualità delle prestazioni (si veda l esempio descritto nella lezione scorsa, e per l analisi a regime è necessario studiare una matrice aleatoria. Ci si deve perciò ricondurre ad un analisi in media, studiando E [β( ] ed E [d( ] Analisi in media della distanza dal consensus Ci si occupa ora dello studio di E [d(t]; è noto dalla lezione precedente che E [d(t] = E [ x(t Ωx(t ] = x( (tx( (
2 dove per t e (t E [ P( P(... P(t Ω P(t... P( P( ] ( Ω = I ½½. É possibile provare che (t + = E [ P( (tp( ] (22.2 e quindi (t segue l evoluzione di un sistema dinamico lineare che può essere scritto nella forma (t + = L ( (t (22.3 dove L : R R è l operatore lineare di dimensione 2 definito in (22.2. Risulta utile introdurre una rappresentazione matriciale alternativa per l operatore lineare L. Data una matrice A R si definisce vect(a il vettore colonna che ha l elemento A ij nella posizione ( (i + j -esima. Si può dimostrare che vect(abc = (C Avect(B, dove indica il prodotto di Kronecker per matrici. Utilizzando questa notazione e le proprietà del prodotto di Kronecker, si trova che vect ( (t + = E [ P( P( ] vect ( (t e quindi l operatore lineare L( si può rappresentare con la matrice = L vect ( (t (22.4 L E [ P( P( ] = E [P( P(], L R 2 2 (22.5 É possibile provare che L ha tutti elementi non negativi e che L è una matrice stocastica per righe, ovvero ha un autovalore in e tutti gli autovalori di modulo strettamente inferiore ad. Le condizioni per cui si ha probabilistic consensus garantiscono che (22.4 giunga al consensus; la velocità di convergenza del sistema (22.4 determina la velocità di ( Analisi in media dello spostamento dal baricentro corrente Per cominciare si osserva che, poichè β(t converge con probabilità unitaria a β( = [( ρ (ω ½ x( ] 2, allora É stato mostrato la lezione scorsa che lim E [β(t] = E [β( ]. t E [β( ] = x( Bx(, 22-2
3 dove (omettendo la dipendenza di ρ da ω B = E [ ( ρ (ρ ½ ] ½ = E [ ρρ ] E [ρ] ½ ½E [ρ] 2 ½½. (22.6 In particolare, se P è doppiamente stocastica, E [ρ] = ½ e (22.6 si semplifica in B = E [ ρρ ] 2 ½½. Utile notare che B è espressa in funzione di E [ρ] e di E [ ρρ ], che sono gli autovettori relativi all autovalore della matrice P = E [P(t] e dell operatore L rispettivamente; a questo punto, rimane da calcolare soltanto il termine E [ ρρ ]. Data una generica matrice X R presa come condizione iniziale, applicando iterativamente la (22.3 si trova E [ x(t Xx(t ] = x( L t (Xx(; in particolare, ciò è vero con X = Ω, per cui si ottiene e (t = L t ( ( = L t (Ω (22.7 E [d(t] = x( (tx( = x( L t (Ωx( (22.8 Si osservi poi che, nelle condizioni che garantiscono il probabilistic consensus, si ha E [ x(t Xx(t ] t E [ x( Xx( ] = E [ x( ρ ½ X½ ρ x( ] = ½ X½x( E [ ρρ ] x(, dove x( = ρ x(½. Ma d altra parte deve essere pertanto si deve avere x( L t (Xx( t x( L (Xx(; E [ ρρ ] = ½ X½ L (X. Questa formula è valida X : ½ X½, cioè per tutte le matrici la cui somma degli elementi è non nulla; la scelta più semplice è ovviamente quella di prendere X = I, mentre non si può prendere X = Ω. uttavia è interessante notare che, quando si ha probabilistic consensus, E [d( ] = x( L (Ωx( =, e ciò significa che Ω non eccita l autovettore di L associato all autovalore ; infatti, supponendo che gli autovalori dell operatore siano semplici e distinti, si ha L t (X = α t v + α λ t v +... t α v con,λ,λ 2,...,λ 2 autovalori dell operatore, λi <, i = 2,..., 2 ; v,v,v 2,...,v 2 autovettori associati agli autovalori; 22-3
4 α,...,α 2 scalari che dipendono da X; e la convergenza a richiede α =. Esempio - Asymmetric gossip. Sia dato un grafo completo con 2 archi (edge, e la matrice di comunicazione P(t implementi l algoritmo di asymmetric gossip. Ad ogni istante t si hanno 2 possibili matrici di comunicazione, tutte equiprobabili di probabilità p = / 2. Il prototipo della matrice di comunicazione in cui si accende l arco che unisce i vertici j e i è R ij =... q q = I q = I q (e i e j..... }{{} Si vuole studiare innanzitutto la dinamica della distanza dal consensus. In generale l operatore L( è difficile da calcolare in maniera esplicita come e i L( = E [P(t P(t] = ij p ( R ij ( R ij, (22.9 ma risulta fattibile effettuare il calcolo dell operatore in corrispondenza delle due matrici I e ½½ : Infatti, considerando lo spazio bidimensionale V = I, ½½ proprietà: 2q( q L(I = I Ω, (22. ( ½½ L = ½½ + 2q2 Ω. (22. 2 = αi + β ½½ Ω V, cioè la condizione iniziale appartiene a V (con α = e β = ; 2 L(V V, quindi V è invariante rispetto all operatore L( ; Sfruttando la linearità dell operatore si può allora calcolare il valore di L(Ω L(Ω = L (I ½½ [ 2q( q = Ω ( ½½ = L(I L ] + 2q2 2 Ω =, si hanno le due seguenti 2q( q = I Ω ½½ 2q2 2 Ω = ( 2q( q 2q2 2 Ω, 22-4
5 e quindi Ω è autovettore di L(. La velocità di convergenza di L (Ω e quindi la velocità di convergenza di E [d(t], in questo semplice caso, sono determinate dall autovalore di Ω: 2q( q 2q2 R <. ( e quindi gli agenti tenderanno ad assumere tutti uno stesso valore con probabilità. Per quanto riguarda lo studio di E [β(t], si vede che in questo caso P = E [P] = R ij è 2 doppiamente stocastica, perciò B = E [ ρρ ] 2 ½½ = ½ X½ L (X 2 ½½. (22.3 Per risolvere (22.3, si pone X = I: bisogna quindi calcolare L (I e si nota subito che I V. In generale, in virtù del fatto che V è invariante per l operatore L(, si ha che, partendo dalla condizione iniziale ( = α(i + β( ½½, la dinamica è data da (t = L t ( ( = α(ti + β(t ½½, (22.4 ed è pertanto sufficiente capire come variano i coefficienti α(t e β(t per conoscere completamente la dinamica (22.4. A questo proposito si sfruttano (22. e (22., sostituendo Ω con la sua espressione e ottenendo ( L(I = L (α(i + β( ½½ = = α(i + β( ½½, ( ½½ L = L (α(i + β( ½½ = = α(i + β( ½½, 2q( q I + ( 2q 2 2 I + ( 2q( q ½½ ( 2q2 ½½ 2 che consentono di definire completamente la mappa (lineare ( α(t,β(t ( α(t +,β(t + : α(t + = 2q( q 2q 2 2 α(t. 2q( q 2q β(t + 2 β(t }{{ 2 } La matrice C ha due autovettori distinti: [ ]., che individua Ω, con autovalore R dato da (22.2; C 22-5
6 2. [ ] 2 2, con autovalore. 2 Gli autovettori di L si deducono dagli autovettori di C, e sono:. I + ½½ = Ω; 2. I + ½½ Λ e si osserva quindi che (Ω,Λ è base di autovettori di V. Pertanto si può scrivere I = aλ + bω e la dinamica (22.4 con ( = I è data da con a = 2 +, b = +, che per t tende a L t (I = a t Λ + br t Ω, L (I = aλ = ( I + ½½ ; + sostituendo in (22.3 e notando che E[ρρ ] = lim t L t (I si ha: B = L (I 2 ½½ = ( + Ω, che individua un certo valore di consensus. Si osserva che per la matrice B tende a e quindi con probabilità si raggiunge il baricentro iniziale. Rifacendo gli stessi calcoli nel caso di algoritmo di symmetric gossip si troverebbe R =.94; pertanto, almeno per valori piccoli di t, l andamento della distanza dal consensus non si discosta molto da quello individuato da R t. Questo giustifica il grafico mostrato nella scorsa lezione e mostra che il secondo esponente di Lyapunov non offre informazioni esaustive sull analisi delle prestazioni Approccio worst-case Ci si pone ora l obiettivo di trovare delle condizioni sulle matrici P(t che garantiscano di arrivare comunque al consensus. Si consideri il sistema x(t + = P(tx(t (22.5 dove P(t sono matrici stocastiche tempo-varianti. Lo stato ad un preciso istante t è funzione dello stato iniziale x( attraverso la relazione x(t = P(t... P( x( e la condizione di convergenza (consensus diviene x(t t α½ se P(t... P( t ½ q (
7 É lecito a questo punto porsi le seguenti domande: come si traduce in termini di P(t la condizione (22.6? 2 come è determinato il vettore q? Sia {½,v,...,v n } una base generica di R n, e sia = [½ v... v n ] la corrispondente matrice di cambiamento di base. É possibile riscrivere la matrice P nella nuova base come P(t = P(t, dove P R (n (n ed è l autovalore relativo all autovettore ½ (la matrice P è stocastica. Si noti che se x(t v,...,v n V, allora x(t + = P(tx(t V, e quindi V è un insieme invariante dello stato. Per raggiungere il consensus bisogna che l evoluzione dello stato a regime sia determinata soltanto dall autovettore ½, che equivale a richiedere che il prodotto delle matrici P(t... P(, ovvero sia strettamente stabile. on è banale trovare delle condizioni necessarie e sufficienti riguardanti questo problema: infatti è noto che matrici P( e P(2 stabili non implicano che P(2 P( è stabile, e il prodotto di matrici instabili può essere stabile. Si vogliono allora trovare delle condizioni sufficienti sulle singole P(t che garantiscano la convergenza a del prodotto P(t... P( a prescindere dalla particolare sequenza. Una possibilità è quella di pensare in termini di norma della matrice. rovando che esiste una norma tale che allora. P(t λ < t; 2. P( P(2 P( P(2 (proprietà submoltiplicativa; P(t... P( P(t... P( λ t In genere la condizione. è molto restrittiva e la scelta della norma è di fondamentale importanza; le norme che soddisfano la proprietà 2., di solito, sono le norme indotte. Si definiscono allora le seguenti norme indotte A i2 = max x 2 Ax 2 x 2 ; A i = max x Ax x ; A i = max x Ax x ; A iq = max x Q Ax Q x Q, dove Q > e x 2 Q = x Qx. Si vede subito dalla definizione di norma indotta che 22-7
8 A i λ MAX (autovalore massimo; A i = λ MAX. el caso delle matrici stocastiche, in letteratura è stato dimostrato come vi sia una certa convenienza nell utilizzare la norma indotta infinito: applicando il teorema di Peròn-Frobenius, si trova che la norma indotta infinito di una matrice stocastica è sempre unitaria. L obiettivo è avere convergenza esponenziale all agreement: ciò si traduce nel richiedere che il prodotto delle matrici P(t... P( converga ad una matrice di rango P(t... P( ½q(t i bλ t = x(t α½. Si definiscano ora due nuovi operatori applicabili ad un generico vettore p R n l operatore che individua la componente del vettore di valore minore p min i p i ; (22.7 l operatore che individua la componente del vettore di valore maggiore banalmente si ha p p. Se P è stocastica si trova che Pp = min i n j= p max p i ; (22.8 i P ij p j min i n P ij p = p, e analogamente vale anche P p p. Quindi, considerando l evoluzione (22.5, le successioni x(t e x(t sono rispettivamente monotona crescente e monotona decrescente, a prescindere dalla sequenza P(t. Le successioni sono inoltre limitate, dato che j= x( x(t x(t x( ; pertanto esistono finiti i limiti lim t x(t e lim t x(t. L operatore (22.7 può essere esteso alle matrici: P vettore riga che contiene l elemento più piccolo di ogni colonna; (22.9 questo nuovo operatore consente di definire una nuova matrice non negativa: P = P ½ P. ella prossima lezione si approfondirà il seguente risultato: Quanto mostrato si può ricondurre ad una considerazione di tipo geometrico: l intervallo di valori che comprende le componenti dello stato non può aumentare. 22-8
9 eorema 22.. Se λ < : P(t i < λ t, allora P(t... P( ½q(t i bλ t con q(t = P(t... P(. In particolare, poichè si dimostrerà che l operatore (22.9 individua una successione monotona e limitata si ha che esiste finito lim t q(t = q, che rappresenta l agreement che sarà raggiunto. È utile infine osservare che P ½ P i < P ha almeno un elemento non nullo, ovvero P ha almeno una colonna con tutti gli elementi strettamente positivi; G P è strongly rooted graph, cioè esiste un nodo che in un solo passo può comunicare con tutti gli altri. 22-9
PSC: Progettazione di sistemi di controllo III Trim Lezione 23 4 Giugno. Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 23 4 Giugno Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 23.1 Problema del consensus: analisi worst-case
Lezione 17 Maggio 23
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 17 Maggio 23 Docente: Luca Schenato Stesori: Comin, Dal Bianco, Fabris, Parmeggiani 17.1 Consensus 17.1.1 Nozioni preliminari L idea dell
Lezione Novembre 2010
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 18 25 ovembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 18.1 Ancora sulla progettazione di P
NORMA 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:
Lezione 13 Maggio Ricapitolazione del Controllo Ottimo LQ
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 13 Maggio 16 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 13.1 Ricapitolazione del Controllo Ottimo LQ Ripassiamo
TEORIA 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.
Lezione Novembre 2010
PSC: Progettazione di sistemi di controllo aa 2010-2011 Lezione 16 22 Novembre 2010 Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 161 Problema del consensus Si consideri
LEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando
Appunti 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
Matrici delle differenze finite
Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze
Si dimostra che queste funzioni godono delle proprietà delle norme (ossia sono norme).
Norma di un vettore I Una norma vettoriale su R n è una funzione : R n R + {}, che associa ad ogni vettore x R n, di componenti x i, i = 1,..., n, uno scalare, in modo che valgano le seguenti proprietà:
PSC: Progettazione di sistemi di controllo III Trim Lezione 4 Aprile 26
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 4 Aprile 26 Docente: Luca Schenato Stesori: L. Schenato 4.1 Denizioni e proposizioni generali Si consideri lo spazio delle matrici semidenite
Dispensa n.1. Sul legame tra autovalori della matrice A e poli della funzione di trasferimento
Dispensa n.1 Sul legame tra autovalori della matrice A e poli della funzione di trasferimento E dato un sistema lineare, avente un solo ingresso, una sola uscita e uno spazio di stato a dimensione n. Tale
Lezione 7 29 Ottobre
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 7 29 Ottobre Docente: Luca Schenato Stesori: L. Schenato 7.1 Definizioni e proposizioni generali Si consideri lo spazio delle matrici semidefinite
Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
Note 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
Risoluzione 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
Prova scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 20 Gennaio 2017
Prova scritta di Geometria Docente: Giovanni Cerulli Irelli Gennaio 7 Esercizio. Si considerino i seguenti tre punti dello spazio euclideo: P :=, Q :=, R :=.. Dimostrare che P, Q ed R non sono collineari.
Capitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 2017 1 Introduzione Gli esercizi di questo capitolo riguardano i seguenti
- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.
Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e
Matematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/2012 Tema A
Matematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/202 Tema A NOME:..................................................... COGNOME:.....................................................
Note di Teoria della Probabilità.
Note di Teoria della Probabilità. In queste brevi note, si richiameranno alcuni risultati di Teoria della Probabilità, riguardanti le conseguenze elementari delle definizioni di probabilità e σ-algebra.
Soluzione della prova scritta di di Algebra lineare del 10 giugno Esercizio 1
Soluzione della prova scritta di di Algebra lineare del 0 giugno 05 Esercizio (a) La matrice A che rappresenta f rispetto alle basi assegnate è la seguente: A = 0 0 0 (b) Applicando il metodo di Gauss
Teoria dei Grafi Elementi di base della Teoria dei Grafi
L. Pallottino, Sistemi Robotici Distribuiti - Versione del 4 Marzo 2015 42 Teoria dei Grafi Elementi di base della Teoria dei Grafi Definizione 1. Un grafo G = (V, E) è composto da un insieme finito di
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 5. Determinazione numerica di autovalori e autovettori Si consideri il seguente problema: Data la matrice A R n n, si determinino
Daniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
ENDOMORFISMI. NOTE DI ALGEBRA LINEARE
ENDOMORFISMI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 15 GENNAIO 2011 1. Endomorfismi e sottospazi invarianti Definizione 1.1. Sia V uno spazio vettoriale su K. Un endomorfismo di V è una qualsiasi
Luigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
VETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
ANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
Analisi nel dominio del tempo delle rappresentazioni in variabili di stato
4 Analisi nel dominio del tempo delle rappresentazioni in variabili di stato Versione del 21 marzo 2019 In questo capitolo 1 si affronta lo studio, nel dominio del tempo, dei modelli di sistemi lineari,
Lezione Novembre 2010
PSC: Progettazione di sistemi di controllo aa 2010-2011 Lezione 14 16 Novembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 141 Algoritmi di Consensus Con il termine
Esercizi di Geometria 1 - Foglio 3bis
Esercizi di Geometria - Foglio 3bis Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso dicembre 7 Esercizio. Sia f : V W un applicazione e G = {(v,
Definizione di Sistema Dinamico
Capitolo 1. INTRODUZIONE 1.1 Definizione di Sistema Dinamico Esistono vari tipi di sistemi dinamici: tempo continui, tempo discreti, lineari, non lineari, a variabili concentrate, a variabili distribuite,
UNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di PS-Probabilità P.Baldi Tutorato 9, 19 maggio 11 Corso di Laurea in Matematica Esercizio 1 a) Volendo modellizzare l evoluzione della disoccupazione in un certo ambito
2) Scrivere la soluzione generale del seguente sistema di equazioni differenziali lineari del primo ordine. y 1 = 2y 1 5y 3 y 2
Corso di Laurea in Matematica Analisi Matematica 3/Analisi 4 - SOLUZIONI (8/6/5) Docente: Claudia Anedda ) Trovare il limite puntuale della successione di funzioni f k (t) = cos(kt), t R. Stabilire se
determinare una soluzione y(t) dell equazione completa e, quindi dedurne tutte le y(t) soluzioni dell equazione.
ANALISI VETTORIALE Soluzione esercizi 4 febbraio 2011 10.1. Esercizio. Assegnata l equazione lineare omogenea di primo ordine y + a y = 0 determinare le soluzioni di tale equazione in corrispondenza ai
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
LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
Esercizi proposti di Fondamenti di Automatica - Parte 2
Esercizi proposti i Fonamenti i Automatica - Parte Febbraio 5 Es. Dimostrare che le matrici A, a elementi reali, e A D, a elementi complessi, sono simili. α ω α + ω A, A ω α D α ω Es. Calcolare e A t e
Raggiungibilità, 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)
Geometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
Analisi Matematica I per Ingegneria Gestionale, a.a Secondo compitino e primo appello, 15 gennaio 2018 Testi 1
Secondo compitino e primo appello, 5 gennaio 8 Testi Prima parte, gruppo.. Calcolare la velocità (intesa come vettore) e il modulo della velocità di un punto che si muove nel piano con la seguente legge
Il ranking di pagine web
Il ranking di pagine web Consideriamo l insieme delle pagine web con i relativi link. Questo può essere considerato come un grafo orientato (con miliardi di nodi). Concentriamoci su l esempio più piccolo
Equazioni Differenziali
Università degli Studi di Udine Anno Accademico 2012/2013 Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Matematica Equazioni Differenziali Appello del 5 febbraio 2013 N.B.: scrivere
Si 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
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 2011-2012 Prova scritta del 28-1-2013 TESTO E SOLUZIONI 1. Per k R considerare il sistema lineare X 1 X 2 + kx 3 =
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
Esercitazione 04: Sistemi a tempo discreto
18 marzo 2019 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state scritte e redatte dal Prof. Alessandro Papadopoulos, Mälardalen University
Traiettorie nello spazio degli stati
. Traiettorie nello spazio degli stati Per mostrare i tipici andamenti delle traiettorie nello spazio degli stati in funzione della posizione dei poli del sistema si farà riferimento ad un esempio: un
Elementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
Analisi Matematica 1 Soluzioni prova scritta n. 1
Analisi Matematica Soluzioni prova scritta n Corso di laurea in Matematica, aa 008-009 5 giugno 009 Sia a n la successione definita per ricorrenza: a n+ 3 a n a 3 n, a 3 a n+ 3 a n a 3 n, a 3 a n+ 3 a
MACROAREA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea Magistrale in Matematica
MACROAREA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea Magistrale in Matematica TESI DI LAUREA MAGISTRALE Studio della convergenza del metodo delle potenze Relatore: Carmine di Fiore Canditato:
Calcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Metodi Iterativi la soluzione si ottiene tramite approssimazioni
5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
Compito di Analisi Matematica II del 28 giugno 2006 ore 11
Compito di Analisi Matematica II del 28 giugno 26 ore Esercizio. ( punti) Calcolare il flusso del campo vettoriale F (,, z) = (z, z 2, z 2 ) } uscente dalla frontiera di D = (,, z) R 3 : 2 + z 2, z,. Svolgimento
25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
4 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
I 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
Anno accademico
RICHIAMI PER IL CORSO DI ANALISI NUMERICA PROF R MORANDI Anno accademico 28 29 1 RICHIAMI: PRECISIONE FINITA (USO DEL CALCOLATORE) IN UN CALCOLATORE UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTA- TA COME
Calcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica. Prof.ssa Laura Pezza (A.A.
Calcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica Prof.ssa Laura Pezza (A.A. 2018-2019) VIII Lezione del 14.03.2019 http://www.dmmm.uniroma1.it/ laura.pezza
Sistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 206/7 Processi stocastici e analisi di serie temporali PROVA DI ESONERO SUI PROCESSI DI MARKOV DEL 6 DICEMBRE 206 Punteggi: : + + 4 2; 2: 2 5;
Esercizi sui circuiti in fase transitoria
Esercizi sui circuiti in fase transitoria v 5 mh 6 Ω Ω µf Ω Esercizio. alcolare la tensione v un i- stante dopo la chiusura dell interruttore T (t =). Si supponga che il circuito sia in regime stazionario
DIAGONALIZZAZIONE. M(f) =
DIAGONALIZZAZIONE Esercizi Esercizio 1. Sia f End(R 3 ) associato alla matrice M(f) = 0 1 2 0. 2 (1) Determinare gli autovalori di f e le relative molteplicità. (2) Determinare gli autospazi di f e trovare,
Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
3. 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
Approssimazione di dati e funzioni
Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi
Esercitazione 03: Sistemi a tempo discreto
0 aprile 06 (h) Alessandro Vittorio Papadopoulos alessandro.papadopoulos@polimi.it Fondamenti di Automatica Prof. M. Farina Analisi di investimenti Una banca propone un tasso d interesse i = 3% trimestrale
Soluzione esercizi 28 ottobre 2011
ANALISI Soluzione esercizi 8 ottobre 0 4.. Esercizio. Siano α e β due numeri reali tali che la loro somma e la loro differenza siano razionali: provare che allora essi sono entrambi razionali. Il teorema
Programmazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO 1. Domande Domanda 1. Dire quando una funzione f : X Y tra dee insiemi X ed Y si dice iniettiva.
Geometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
Sistemi 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
UNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]
3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
Proprietà Strutturali dei Sistemi Dinamici: Stabilità
Proprietà Strutturali dei Sistemi Dinamici: Stabilità Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 2.2 Ottobre 2012 1 Stabilità Consideriamo il sistema
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
CONTROLLO 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
Analisi Matematica I per Ingegneria Gestionale, a.a Scritto del terzo appello, 19 febbraio 2018 Testi 1
Scritto del terzo appello, 9 febbraio 208 Testi Prima parte, gruppo.. Per ciascuno dei seguenti punti dare le coordinate (polari o cartesiane) che mancano: a) = 0, = ; r = α = b) = 3, = 3; r = α = c) r
CORSO DI LAUREA IN INGEGNERIA MECCANICA A.A PROVA SCRITTA DI GEOMETRIA DEL Corsi dei Proff. M. BORDONI, A.
CORSO DI LAUREA IN INGEGNERIA MECCANICA A.A. - PROVA SCRITTA DI GEOMETRIA DEL -- Corsi dei Proff. M. BORDONI, A. FOSCHI Esercizio. E data l applicazione lineare L : R 4 R 3 definita dalla matrice A = 3
28 giugno 2018, es.1) Programmazione lineare
8 giugno 018, es.1) Programmazione lineare Discutere il seguente problema di Programmazione lineare: trovare il massimo di p(x 1, x, x, x 4 ) = x 1 + 15 x + 8 x + x 4 con i vincoli x k 0 (1 k ) e x + x
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
Derivate di ordine superiore
Derivate di ordine superiore Derivate di ordine superiore Il processo che porta alla definizione di derivabilta e di derivata di una funzione in un punto si puo iterare per dare per ogni intero positivo
Analisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
RETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
Secondo scritto. 8 luglio 2010
Secondo scritto 8 luglio 010 1 Parte 1 Esercizio 1.1. Facciamo riferimento alle pagine e 3 del libro di testo. Quando si ha a che fare con la moltiplicazione o la divisione di misure bisogna fare attenzione,
SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X
CATENE DI MARKOV SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X X X 0 T 0 T! Δ 0, 1,, 0 Δ 1 Δ Δ 1Δ Δ Δ ESEMPIO: I GUASTI (Ipotesi
4. MODELLI DI SCELTA DEL PERCORSO
4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo
INGEGNERIA INFORMATICA
INGEGNERIA INFORMATICA FONDAMENTI DI AUTOMATICA 29/06/2017 Prof. Marcello Farina SOLUZIONI ESERCIZIO 1 Si consideri il sistema descritto dalle seguenti equazioni: A. Scrivere le equazioni del sistema linearizzato
CONTROLLI AUTOMATICI LS Ingegneria Informatica. Analisi modale
CONTROLLI AUTOMATICI LS Ingegneria Informatica Analisi modale Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 5 9334 e-mail: claudio.melchiorri@unibo.it http://www-lar.deis.unibo.it/~cmelchiorri
Caso 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
AUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
COMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005
Prova scritta del 26 gennaio 2005 Esercizio 1. Posto B = x R 2 : x 2 2}, sia f n } una successione di funzioni (misurabili e) integrabili in B tali che f n f q.o. in B e, per ogni n N, f n (x) 2 x 3 per
Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a. 2014-2015, lez.3) 1 Analisi Numerica 1 mod. a.a. 2014-2015, Lezione n.3