Lezione 6 3 Maggio Stimatori con guadagno costante soggetti a perdita di pacchetti
|
|
- Jacopo Romeo
- 6 anni fa
- Visualizzazioni
Transcript
1 PSC: Progettazione di sistemi di controllo III Trim Lezione 6 3 Maggio 2007 Docente: Luca Schenato Stesori: L. Schenato 6.1 Stimatori con guadagno costante soggetti a perdita di pacchetti Si consideri il seguente sistema lineare stocastico: { xk+1 = Ax k + w k x k, w k R n, A R n n, y k = Cx k + v k y k, v k R m, C R m n k N (6.1) con x 0, w k e v k variabili aleatorie gaussiane, scorrelate, con media ( x 0, 0, 0) e covarianza (P 0, Q, R) rispettivamente. Si supponga inoltre che la coppia (A, C) sia osservabile e la coppia (A, Q 1/2 ) sia raggiungibile, e R > 0 1. Figure 6.1. Schema Plant-Network-Stimatore: le misure y k viaggiano contenute in pacchetti attraverso una generica rete prima di arrivare allo stimatore. Per il momento si assume che la rete non introduca ritardi nella trasmissione delle misure y k, per cui un generico pacchetto o arriva in tempo utile oppure è denitivamente perso. Il processo degli arrivi è modellato dalla variabile aleatoria γ k nel modo seguente: γ k = { 1 se yk è arrivata allo stimatore 0 se y k è stata persa. (6.2) Nella trattazione che segue si trascura il rumore di quantizzazione introdotto dalla codica/decodica digitale dei dati: la scelta è motivata dal fatto che nella maggior parte dei casi reali esso risulta trascurabile in confronto al rumore di misura v k. Allo stesso modo non viene considerato alcun rumore di canale in quanto se un pacchetto dovesse venire corrotto 1 Alcune di queste ipotesi possono essere rilassate, ma con un notevole appesantimento delle equazioni e delle dimostrazioni e quindi non verranno trattate. 6-1
2 durante la trasmissione, questo sarebbe poi scartato dal ricevitore (pacchetto perso). L'obiettivo è allora il calcolo dello stimatore ottimo a minima varianza ˆx k k dato da 2 ˆx k k E [x k (y s k,..., y s 0), (γ k,..., γ 0 ), x 0, P 0 ] (6.3) Si deniscono l'errore di stima e la sua varianza come e k k x k ˆx k k (6.4) P k k E [ e k k e T k k (y s k,..., y s 0), (γ k,..., γ 0 ), x 0, P 0 ] (6.5) Ricordando ora che il ltro di Kalman è uno stimatore ottimo nel caso di rumore gaussiano, e che è possibile sostituire al sistema (7.1), soggetto a perdita di pacchetti, il sistema { xk+1 = Ax k + w k y s k = C kx k + ṽ k (6.6) con y s k = γ ky k, C k = γ k C e ṽ k = γ k v k, si perviene alle seguenti formule, in cui si osserva che viene apportata una correzione alla stima ˆx k k solo se il pacchetto y k+1 è giunto a destinazione (γ k = 1): ˆx k+1 k+1 = Aˆx k k + γ k+1 K k+1 (yk+1 s CAˆx k k ) (6.7) P k+1 k = AP k k 1 A T + Q γ k AP k k 1 C T (CP k k 1 C T + R) 1 CP k k 1 A T (6.8) K k = P k k 1 C T (CP k k 1 C T + R) 1 (6.9) Si ha che lo stimatore ottimo ˆx k k può essere calcolato ricorsivamente tenendo in memoria solamente la stima e la varianza d'errore calcolate al passo precedente. Similmente a quanto visto per il ltro di Kalman, si può pensare di utilizzare uno stimatore come quello appena descritto caratterizzato però da un guadagno K k costante k N, denito come segue: x k+1 k+1 = A x k k + γ k+1 K(y s k+1 CA x k k ) (6.10) L'errore di stima commesso da questo nuovo stimatore è denito come ẽ k+1 k = x k+1 x k+1 k (6.11) x k+1 k = A x k k (6.12) la cui varianza è data da P k+1 k = E [ ẽ k+1 k ẽ T k+1 k (y s k,..., y s 0), (γ k,..., γ 0 ), x 0, P 0 ] (6.13) 2 Osservando la (7.3) si nota come questo stimatore possieda l'informazione relativa all'esito positivo o negativo circa la consegna del pacchetto (misura) k-esimo. Non risulta quindi essere equivalente allo stimatore x k k E [x k (yk s,..., ys 0), x 0, P 0 ] in cui le misure ttizie (pari a 0 nel nostro caso) generate in sostituzione di quelle perse sarebbero trattate come misure vere, portando quindi a prestazioni inferiori. 6-2
3 Sostituendo le Equazioni (6.10) e (6.12) nell'equazione (6.11) otteniamo: da cui si ricava ẽ k+1 k = A(I γ k KC)ẽ k k 1 + w k γ k AKv k P k+1 k = A(I γ k KC) P k k 1 (I γ k KC) T A T + Q + γ k AKRK T A T (6.14) ottenuta utilizzando i seguenti fatti: γ 2 k = γ k; γ k, v k e w k sono indipendenti; ẽ k k 1 span {γ k 1, v k 1, w k 1 } span {γ k, v k, w k } k; v k e w k hanno media nulla. Per semplicare la notazione si introducono i seguenti operatori: L γk (K, P k k 1 ) A(I γ k KC) P k k 1 (I γ k KC) T A T + Q + γ k AKRK T A T (6.15) Φ γk (P k k 1 ) AP k k 1 A T + Q γ k AP k k 1 C T (CP k k 1 C T + R) 1 CP k k 1 A T (6.16) Si osserva che entrambi gli operatori sono funzioni di γ k e in quanto tali risultano essere delle variabili aleatorie. In questo scenario una possibile metrica delle prestazioni dello stimatore è data dall'aspettazione della covarianza d'errore E γ [P k+1 k ], dove l'aspettazione è calcolata relativamente al processo degli arrivi γ k. Poiché P k+1 k è una funzione non lineare in γ k, non è possibile calcolare E γ [P k+1 k ] analiticamente tuttavia, essendo lo stimatore con K costante uno stimatore sub-ottimo si può certamente aermare che P k+1 k P k+1 k (6.17) e questo fatto permette, una volta determinata la varianza d'errore del ltro sub-ottimo, di stabilire un limite superiore per la varianza del ltro ottimo. Infatti la disuguaglianza sopra scritta continua a valere anche prendendo l'aspettazione di entrambi i termini, e si ottiene quindi P k+1 E[P k+1 k ] E[ P k+1 k ] P k+1 (6.18) Dove P k è invece facilmente calcolabile in quanto funzione lineare in γ k e costituisce un limite superiore per P k 6-3
4 Il calcolo di P k restituisce: P k+1 = E γ [L γk (K, P k )] = E (γ0,...,γ k 1 )[E γk [L γk (K, P k )]] [ = E (γ0,...,γ k 1 ) L γk =0(K, P k )P[γ k = 0] + L γk =1(K, P ] k )P[γ k = 1] [ = E (γ0,...,γ k 1 ) (A P k k 1 A T + Q)(1 λ)+ + (A(I KC) P ) ] k (I KC) T A T + Q + AKRK T A T λ ( = AE (γ0,...,γ k 1 )[ P ) k k 1 ]A T + Q (1 λ) + + (A(I KC)E (γ0,...,γk 1 )[ P ) k k 1 ](I KC) T A T + Q + AKRK T A T λ = λa(i KC) P k (I KC) T A T + (1 λ)a P k A T +Q+λAKRK T A T (6.19) Si denisce ora un nuovo operatore: L λ (K, P ) λa(i KC)P (I KC) T A T +(1 λ)ap A T +Q+λAKRK T A T, (6.20) Si ricordi inoltre la denizione data precedentemente dell'operatore Φ γk, che puo' essere usata anche nel modo seguente: Φ λ (P ) = AP A T + Q λap C T (CP C T + R) 1 CP A T. (6.21) Tutte le matrici P k per k = 0, 1,... possono essere ottenute risolvendo le equazioni: P k+1= L λ (K, P k) con P 0= P 0. La stabilità dello stimatore può quindi essere dedotta dalle proprietà dell'operatore L λ (K, P ). Teorema 6.1. L'operatore L λ (K, P ) denito in Equazione (6.20), e l'operatore Φ λ (P ) denito in Equazione (6.21), dove λ [0, 1] godono delle seguenti proprietà: 1. Lλ (K, P ) e' ane in P per K ssato 2. Lλ (K, P ) e' positivo, cioe' P 0 = L λ (K, P ) 0, K 3. Lλ (K, P ) e' monotono crescente, cioe' P 1 P 2 = L λ (K, P 1 ) L λ (K, P 2 ), K 4. Lλ (K, P ) = Φ λ (P ) + λa(k K P )(CP C T + R)(K K P ) T A T, con K P P C T (CP C T + R) 1 ; 5. Lλ (K, P ) Φ λ (P ), K, o equivalentemente Φ λ (P ) = min K Lλ (K, P ). 6-4
5 6. Φ λ (P ) e' monotono crescente in P, cioe' P 1 P 2 = Φ λ (P 1 ) Φ λ (P 2 ) 7. Φ λ (P ) e' monotono decrescente in λ, cioe' λ 1 e λ 2 con λ 1 λ 2 si ha Φ λ1 (P ) Φ λ2 (P ), P. Dimostrazione: La dimostrazione delle proprieta' 1)-6) e' simile a quelle gia' viste per l'operatore nel caso del ltro statico senza perdita di pacchetti, che si ottiene per λ = 1. La proprieta' 7) si vede facilmente dal fatto che Φ λ1 (P ) Φ λ2 (P ) = (λ 1 λ 2 )AP C T (CP C T + R) 1 CP A T 0. Dalle precedenti proprieta' ed in particolare dalla proprieta' 7) si evince che l'operatore Φ λ (P ) è monotono non decrescente in λ, nel senso che maggiore è la probabilita' che i pacchetti arrivino allo stimatore, migliore è la prestazione dello stimatore che si puo' ottenere. Si consideri ora A instabile. Partendo da questa considerazione si noti che per λ = 1 il tro è stabile (ltro di Kalman standard) e per λ = 0 il tro è instabile (nessuna osservazione) è possibile ottenere il graco di Figura 7.2. Si osserva che se per λ 1 < 1 il ltro è stabile, allora lo sarà anche per ogni λ λ 1, analogamente se il ltro è instabile per λ 2 > 0, allora sarà instabile per ogni λ λ 2. Quindi deve esistere un valore λ c, tale che per λ > λ c l'operatore e' stabile, mentre per λ < λ c l'operatore e' instabile. Questo tipo di considerazione di tipo intuitivo e' formalizzata nel seguente teorema: Teorema 6.2. Si considerino gli operatori Lλ (K, P ) e Φ λ (P ) deniti precedentemente. Si assuma inoltre che la coppia (A, C) sia osservabile, (A, Q 1/2 ) raggiungibile e R > Se A è instabile allora esiste λ c : λ > λ c la successione denita da S k+1 = Φ λ (S k ) (6.22) converge all'unico punto sso S = Φ λ (S ) dove S > 0, cioe' lim S k = S, S 0 0. k Se λ < λ c invece tutte le successioni sono illimitate cioe' lim k S k = +, S 0 0 Figure 6.2. Stabilità del ltro in funzione di λ 6-5
6 2. Il guadagno ottimo del punto sso S K = S C T (CS C T + R) 1 è il guadagno statico ottimo a regime, nel senso che date le due successioni T k+1 e V k+1 vale T k+1 = L λ (K, T k ) S V k+1 = L λ (K, V k ) V si ha S V K K, o in maniera equivalente: S = min K (6.23) tale che V = L λ (K, V ) (6.24) 3. Per quanto riguarda λ c in generale non e' possibile calcolarne analiticamente il valore, ma puo' essere ottenuto in maniera numerica risolvendo un problema di ottimizzazione convessa. Tuttavia e' possibile denire un limite superiore ed uno inferiore: dove λ min λ c λ max λ min = 1 con σ max massimo autovalore di A, e λ max = 1 j 1 σ 2 max(a) 1 [ σ inst j (A) ] 2 con σ inst j j-esimo autovalore instabile di A. In particolare si avrà che λ c = λ min nel caso in cui C sia una matrice quadrata invertibile, viceversa λ c = λ max nel caso in cui C abbia rango Essendo S una funzione di λ si ha inne λ 1 λ 2 = S (λ 1 ) S (λ 2 ) Dimostrazione: La dimostrazione per l'aermazione 1) si ottiene facendo delle considerazioni di continuita' come accennato prima del teorema. Infatti sappiamo certamente che per λ = 1 le successioni convergono e quindi lo stimatore e' stabile, mentre per λ = 0 le successioni divergono. Poiche' Φ λ (P ) e' una funzione continua di λ allora per continuita' anche la soluzione S deve essere continua. Utilizzando poi la monotonicita' decrescente in λ di Φ λ (P ) si deduce che esiste un certo λ c. La dicolta di trovare in maniera esplicita λ c sta nel fatto che mentre prima la stabilita' dell'operatore L λ (K, P ) era direttamente legata 6-6
7 alla stabilita' di A c = A(I KC), adesso gli autovalori e autovettori non si possono calcolare utilizzando gli stessi ragionamenti utilizzati nel caso senza perdita di pacchetti. La dimostrazione di esistenza, unicita', positivita' e convergenza a S per ogni condizione iniziale e' esattamente analoga a quella gia' viste nel caso senza perdita di pacchetti. Lo stesso vale anche per la proposizione 2). Per quel che riguarda la proposizione 3) il λ min e' facilmente ricavabile osservando che nel caso in cui C sia invertibile allora posso scegliere K = C 1, cosi' che L λ (K = C 1, P ) = (1 λ)ap A T +Q+λAC 1 R(C 1 ) T A T = A λ P A T λ + D, dove A λ = 1 λa e D 0. In questo caso l'operatore L λ (K = C 1, P ) risulta essere l'operatore di Lyapunov che ammette punto sso se e solo se A λ e' strettamente stabile. La matrice A λ e' stabile se e solo se gli autovalori σ i (A λ ) < 1. Poiche' σ i (A λ ) = 1 λσ i (A) si ottiene facilmente che la condizione di stabilita' e' equivalente a λ > 1 1 σ max (A) 2. Da un punto di vista pratico poichè non è in genere possibile ricavare S risolvendo analiticamente la MARE (Modied Algebraic Riccati Equation) S = Φ λ (S ), si ricorre ad un calcolo approssimato iterando l'equazione per un certo numero di passi a partire dalla condizione iniziale S 0 = 0 e, si osserva se la successione diverge, o converge ad una S, sempre sotto le ipotesi di osservabilita' della coppia (A, C) e raggiungibilita' della coppia (A, Q 1/2 ). Ulteriori dettagli sulle proprieta' degli operatori, criteri di convergenza, stabilita' e algoritmi numerici per il calcolo di λ c si possono trovare in [2] e [1]. 6-7
8 Bibliography [1] L. Schenato. Optimal estimation in networked control systems subject to random delay and packet drop. In to appear in IEEE Transactions on Automatic Control. [Online] available at paper_ieee_ac06_155.pdf. [2] B. Sinopoli, L. Schenato, M. Franceschetti, K. Poolla, M.I. Jordan, and S. Sastry. Kalman ltering with intermittent observations. IEEE Transactions on Automatic Control, 49(9): , September
Lezione 2 Aprile 19, Il filtro di Kalman: derivazione delle equazioni
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 2 Aprile 19, 2007 Docente: Luca Schenato Stesori: Schenato 2.1 Il filtro di Kalman: derivazione delle equazioni Si consideri il modello
Lezione 20: Stima dello stato di un sistema dinamico
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 20: Stima dello stato di un sistema dinamico Motivazioni Formulazione del problema Osservazione dello stato Osservabilità Osservatore asintotico
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)
SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
Il Metodo di Newton, o delle Tangenti Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Il Metodo di Newton, o delle Tangenti 6 Novembre 2016 Indice 1 Metodo di Newton, o delle tangenti 2 1.1
1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
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.
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
1 Alcuni risultati sulle variabili Gaussiane multivariate
Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor
Dipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti Docente: Anna Valeria Germinario Università di Bari A.V.Germinario (Università di
Esercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
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
Tempo massimo 2 ore. Consegnare solamente la bella copia. 1. Disegnare il graco della funzione: [10 punti]
Tempo massimo 2 ore. Consegnare solamente la bella copia. Metodi Matematici per l'economia A-K Corso di Laurea in Economia - anno acc. 202/203 7 gennaio 203. Disegnare il graco della funzione: [0 punti]
Metodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
4 Sistemi di equazioni.
4 Sistemi di equazioni. Risolvere un sistema significa erminare le soluzioni comuni a tutte le equazioni che lo compongono. Il grado di un sistema è il prodotto dei gradi di tali equazioni. 4. Sistemi
ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
3. Successioni di insiemi.
3. Successioni di insiemi. Per evitare incongruenze supponiamo, in questo capitolo, che tutti gli insiemi considerati siano sottoinsiemi di un dato insieme S (l insieme ambiente ). Quando occorrerà considerare
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
Esercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
Il filtro di Kalman stazionario e il regolatore LQG
Il filtro di stazionario e il regolatore LQG P. Valigi Ottimizzazione e Controllo 30 Aprile 2014 L estensione di KF al caso stazionario/intervallo infinito Nell estensione del filtro di ad intervallo infinito
Calcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
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
Operazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
Stimatori dello stato
Capitolo 5. OSSERVABILITÀ E RICOSTRUIBILITÀ 5. Stimatori dello stato La retroazione statica dello stato u(k) = K x(k) richiede la conoscenza di tutte le componenti del vettore di stato. Tipicamente le
0.1. MATRICI SIMILI 1
0.1. MATRICI SIMILI 1 0.1 Matrici simili Definizione 0.1.1. Due matrici A, B di ordine n si dicono simili se esiste una matrice invertibile P con la proprietà che P 1 AP = B. Con questa terminologia dunque
Corso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
Matematica per le Applicazioni Economiche I (M-P)
Matematica per le Applicazioni Economiche I (M-P) Corsi di Laurea in Economia Aziendale, Economia e Commercio, a.a. 06-7 Esercizi su Calcolo Differenziale. Per la seguente funzione, dato 0, si utilizzi
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
Esistenza ed unicità per equazioni differenziali
Esistenza ed unicità per equazioni differenziali Per concludere queste lezioni sulle equazioni differenziali vogliamo dimostrare il teorema esistenza ed unicità per il problema di Cauchy. Faremo la dimostrazione
Similitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
k=0 a k k=0 a k, quando si voglia precisare qual è l indice iniziale: si possono infatti considerare anche serie del tipo k=1 a k, k=50 a k,
2.2 Serie Le serie numeriche sono semplicemente successioni reali o complesse di tipo particolare, che però, per la loro importanza pratica e teorica, meritano una trattazione a parte. Data una successione
Massimo e minimo limite di successioni
Massimo e minimo limite di successioni 1 Premesse Definizione 1.1. Definiamo R esteso l insieme R = R { } {+ }. In R si estende l ordinamento tra numeri reali ponendo < a < +, a R. In base a tale definizione,
Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
non solo otteniamo il valore cercato per la validità della (1.4), ma anche che tale valore non dipende da
NOTE INTEGRATIVE PER IL CORSO DI ANALISI MATEMATICA 2 ANNO ACCADEMICO 2012/13 NOTE SULLA CONTINUITÀ UNIFORME D.BARTOLUCCI, D.GUIDO Sia f(x) = x 3, x [ 1, 1]. Si ha 1. La continuità uniforme x 3 y 3 = x
Geometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile
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
Lezione 3 - Teoria dei Numeri
Lezione 3 - Teoria dei Numeri Problema 1 Trovare il più piccolo multiplo di 15 formato dalle sole cifre 0 e 8 (in base 10). Il numero cercato dev'essere divisibile per 3 e per 5 quindi l'ultima cifra deve
8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
Analisi Matematica 1. Serie numeriche. (Parte 2) Dott. Ezio Di Costanzo.
Facoltà di Ingegneria Civile e Industriale Analisi Matematica 1 Serie numeriche (Parte 2) Dott. Ezio Di Costanzo ezio.dicostanzo@sbai.uniroma1.it Definizione Data la serie + n=0 a n si definisce resto
Università di Foggia - Facoltà di Economia. Prova scritta di Matematica Generale - Vecchio Ordinamento - 04 giugno 2002
Università di Foggia - Facoltà di Economia Prova scritta di Matematica Generale - Vecchio Ordinamento - 04 giugno 00 Cognome e nome............................................ Numero di matricola...........
Controlli Automatici I
Ingegneria Elettrica Politecnico di Torino Luca Carlone Controlli Automatici I LEZIONE V Sommario LEZIONE V Proprietà strutturali Controllabilità e raggiungibilità Raggiungibilità nei sistemi lineari Forma
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:
SERIE NUMERICHE FAUSTO FERRARI
SERIE NUMERICHE FAUSTO FERRARI Materiale propedeutico alle lezioni di Analisi Matematica per i corsi di Laurea in Ingegneria Energetica e Meccanica N-Z dell Università di Bologna. Anno Accademico 2003/2004.
Successioni, massimo e minimo limite e compattezza in R
Università di Roma Tor Vergata Corso di Laurea in Scienze e Tecnologie per i Media Successioni, massimo e minimo limite e compattezza in R Massimo A. Picardello BOZZA 10.11.2011 21:24 i CAPITOLO 1 Successioni
Esercizi Applicazioni Lineari
Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le
Massimo limite e minimo limite di una funzione
Massimo limite e minimo limite di una funzione Sia f : A R una funzione, e sia p DA). Per ogni r > 0, l insieme ) E f p r) = { fx) x A I r p) \ {p} } è non vuoto; inoltre E f p r ) E f p r ) se 0 < r r.
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
Esercitazione di Matematica su retta e parabola
Esercitazione di Matematica su retta e parabola 1. (a) Scrivere l'equazione della retta r passante per i punti A( 1, ), B( 5, 0). (b) Scrivere l'equazione della retta s parallela ad r passante per il punto
Ricorrendo alle definizioni di limite, si dimostrano importanti risultati. Vedremo: che, se esiste, il limite lim
Teoremi sui limiti Ricorrendo alle definizioni di limite, si dimostrano importanti risultati. Vedremo: che, se esiste, il limite lim f () può dare informazioni locali (= che valgono nell intorno di c)
TEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
Programmazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
La dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
SERIE NUMERICHE FAUSTO FERRARI
SERIE NUMERICHE FAUSTO FERRARI Materiale propedeutico alle lezioni di Complementi di Analisi Matematica ed Elementi di Calcolo delle probabilità per il corso di Laurea in Ingegneria per la parte di Elementi
Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
L ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
Statistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
Lezione 6 7 Febbraio. 6.1 Progettazione nel dominio della frequenza
LabCont: Laboratorio di Controlli II Trim. 2007 Lezione 6 7 Febbraio Docente: Luca Schenato Stesori: Fiorio Giordano e Guiotto Roberto 6. Progettazione nel dominio della frequenza Il metodo più usato per
Punti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
INTERPOLAZIONE. Introduzione
Introduzione INTERPOLAZIONE Quando ci si propone di indagare sperimentalmente la legge di un fenomeno, nel quale intervengono due grandezze x, y simultaneamente variabili, e una dipendente dall altra,
Analisi Matematica e Geometria 1
Michele Campiti Prove scritte di Analisi Matematica e Geometria 1 Ingegneria Industriale aa 2015 2016 y f 1 g 0 La funzione seno e la funzione esponenziale Raccolta delle tracce di Analisi Matematica e
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
Pag. 151 Dimostrazioni dei criteri per lo studio della convergenza di serie numeriche
C.7 Serie Pag. 151 Dimostrazioni dei criteri per lo studio della convergenza di serie numeriche Teorema 5.29 (Criterio del confronto) Siano e due serie numeriche a termini positivi e si abbia 0, per ogni
Esercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
SISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
Sistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Coseno, seno, e pi greco
L. Chierchia. Dipartimento di Matematica e Fisica, Università Roma Tre 1 Coseno, seno, e pi greco In queste note daremo una presentazione analitica e autocontenuta della definizione e delle proprietà fondamentali
Lezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
Spazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
Statistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE. L'ipotesi di razionalità implica che un decisore cerchi di
LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE L'ipotesi di razionalità implica che un decisore cerchi di individuare la migliore tra tutte le alternative a sua disposizione. Problemi di ottimizzazione =
LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
Soluzione. Il dominio E consiste nella parte di spazio contenuta nella sfera ma esterna al cono rappresentata in Figura 1. Infatti
Esercizio 1 (G. Ziglio). (6 punti) Calcolare il volume della porzione di spazio E interna alla sfera di equazione x 2 + y 2 + z 2 = 1 ed esterna al cono di equazione z 2 = x 2 + y 2 E = (x, y, z) R x 2
Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1 Entropia di una
Università degli Studi della Calabria Facoltà di Ingegneria. 17 luglio 2012
Università degli Studi della Calabria Facoltà di Ingegneria Correzione della Seconda Prova Scritta di nalisi Matematica 7 luglio cura dei Prof. B. Sciunzi e L. Montoro. Seconda Prova Scritta di nalisi
Funzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
ESERCITAZIONE: ESPONENZIALI E LOGARITMI
ESERCITAZIONE: ESPONENZIALI E LOGARITMI e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Esercizio 1 In una coltura batterica, il numero di batteri triplica ogni ora. Se all inizio dell osservazione
A Analisi Matematica 1 (Corso di Laurea in Informatica e Bioinformatica) Simulazione compito d esame
COGNOME NOME Matr. A Analisi Matematica (Corso di Laurea in Informatica e Bioinformatica) Firma dello studente Tempo: 3 ore. Prima parte: test a risposta multipla. Una ed una sola delle 4 affermazioni
Analisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:
Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice
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
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
x 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
Correzione primo compitino, testo B
Correzione primo compitino, testo B gennaio 20 Parte Esercizio Facciamo riferimento alle pagine 22 e 2 del libro di testo Quando si ha a che fare con la moltiplicazione o la divisione di misure bisogna
Problemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
Analisi dei metodi per individuare le strategie miste nei giochi 2 x 2
Analisi dei metodi per individuare le strategie miste nei giochi 2 x 2 L algoritmo numerico proposto, per risolvere i giochi 2x2 in caso di assenza di punto di sella, può essere ben schematizzato, relativamente
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il