Tutorial Matlab

Note Introduttive al Matlab
Ivan Arsie
iarsie@unisa.it, www.macchine.unisa.it
Riferimenti Bibliografici e Siti Web

Matlab, The Language of Technical Computing - Guida allUso (Release 13) - The MathWorks Inc. Home page Mathworks: http://www.mathworks.com On-line Tutorial: http://www.mathworks.it/academia/student_center/tutorials/intropag e.html Helpdesk: http://www.mathworks.com/access/helpdesk/help/helpdesk.shtml A. Cavallo, R. Setola, F. Vasca Using Matlab, Simulink e Control Toolbox A practical Approach, Prentice Hall. William J. Palm III - Introduction to MATLAB 6 for Engineers: with 6.5 Update, Mc-Graw Hill.
Corso Introduttivo al MATLAB

1. 2. 3. 4. 5. 6. Elementi fondamentali Operazioni Polinomi e Grafica Programmazione Funzioni avanzate Simulink
Elementi Fondamentali
Introduzione Ingresso da tastiera Ingresso da files esterni Manipolazione di matrici Esercizi Grafici Bidimensionali Esercizi su 2D
Introduzione
MATrix LABoratory (ver. 5.3.1) Computation, Visualization, Programming
Linguaggio di programmazione ad alto livello Learning by using Corredato da una famiglia di applicazioni specifiche (Toolbox): signal processing, statistics, optimization, neural networks, etc...
Ingresso da tastiera
Definizione di uno scalare e di un vettore

>> A=2 <CR> >> a=[1 2 3 4] <CR>
Cancellazione di un vettore (uso di a e A)

>> clear A
Definizione di una matrice (uso di , e ;)

>> b=[1 2 3 4 () 5 6 7 8] <CR> >> c=[1 2 3 4; 5 6 7 8];
tanto per cominciare a smanettare...

>> b=c >> a >> b==c >> sum(b) >> diag(c)
Ingresso da files esterni

Un file ASCII IN.TXT col contenuto:
30 170 70
15 160 55 50 165 75 >> load IN.TXT >> IN
Le opzioni di formato
format short, long, short e, long e, hex, bank, rat,
Salvataggio in un file
>> save nomeFile nomeVar1 nomeVar2
Comandi di utilit diamoci unocchiata

>> help >> help matlab\ops >> help matlab\general >> clc
Manipolazione di matrici
Elementi di una matrice: definito un vettore x di 4 elementi si ponga

>> x(5)=x(1) >> x(4)=[] >> x=[]
Affiancamento di matrici
>> C=[A B] >> D=[A A+3;A+3 A]
Altri comandi
>> [m,n]=size(C) >> h=length(b) >> who
Rappresentazione di intervalli :
>> z=1:5 >> zd=1:.1:5 >> linspace(min,max,punti) (logspace)
Operazioni sulle matrici

>> B=A(1:3,2:5) >> B(1,2)=[] >> B(:,2)=[] >> B(2:2:6)=[]
Manipolazione di matrici
Matrici speciali
>> eye(3) >> eye(3,4) >> zeros(2,3) >> ones(1,2) >> diag([4 5 6 7])
Stringhe di caratteri
>> >> >> >> >> a=arpa >> b=unarpa findstr(a,a) (posizione di a in a) int2str(123) num2str(1.23) str2num(1.23)
Da stringa a matrice
>> A=str2mat(oggi,non,piove) >> A(:,1) >> A(:,5)
Esercizi
1 Dato x=(1,2,3,4), si costruisca y=(1,3,4,5) 2 Dato x=(1,2,3,4,5,20), si costruisca y=(1,2,3,4,5,20,20,5,4,3,2,1) usando : e fliplr 3 Dati a=(1,2,3,4) e b=(7,8,9,10) si costruisca c=(1,7,2,8,3,9,4,10) 4 Data una stringa indicativa del proprio nome e cognome si definisca una procedura che separi luno dallaltro e li disponga sulle due righe di una matrice
Grafici bidimensionali
Rappresentazione di un vettore di dati e uso del plot

>> >> >> >> >> plot(rand(10)) >> plot(rand(1,10)) plot(rand(1,10),r*:) help plot x=[1:2:10,13:-3:-1]; y=rand(1,length(x)); plot(x,y)
Pi grafici nella stessa finestra

>> subplot(2,2,1); plot(rand(1,10)) >> subplot(2,2,3); plot(3*rand(1,10))
Scalatura degli assi

>> axis([-1 5 -2 Inf])
Altri comandi: xlabel, ylabel, title, grid, gtext, ginput

>> title(\it{alfa si scrive} \alpha) >> t=0:.1:2*pi; plot(t,sin(t); >> text(3*pi/4,sin(3*pi/4), \leftarrow sin(t)=0.707)
Grafici bidimensionali
Le propriet di una figura

>> a=plot(rand(1,10)); set(a)
Le opzioni sulla finestra di figura - File --> Save As - File --> Export - Tools --> Properties - Tools --> Legend - Tools --> Add - Tools --> Zoom Grafici multipli
>> >> >> >> >> plot(x1,y1,k,x2,y2) plot([1 2 3],[-1 -2 -3]) plot([1 2 3;-1 -2 -3]) teta=-pi:.1:pi; plot(teta,[sin(teta);cos(teta)]); legend(seno,coseno)
Esercizi sui grafici bidimensionali

Si costruiscano degli opportuni vettori per la rappresentazione del grafico

2 0 3 5 7
Usando il comando patch e gli altri visti, si disegni uno spicchio di luna rossa

Operazioni
Operazioni aritmetiche Funzioni Operazioni di relazione Operazioni logiche Esercizi
Operazioni
Operazioni aritmetiche
Variabili predefinite (att.ne allunit immaginaria!)
ans, eps, pi, i, j, Inf, NaN, clock, cputime, date, flops, realmax, realmin, nargin, nargout
Op aritmetiche Funzioni Op di relazione Op logiche Esercizi
Operazioni aritmetiche su scalari +, -, *, /, ^, sqrt, \

>> 2/3 >> 2\3 >> 2*1/3 >> 1/2*3
Operazioni aritmetiche su vettori e loperatore .*

>> >> >> >> sqrt([1 2 3]) [1:3]*[1:3] [1:3]^2 [1:3].^[1:3] >> [1:3]*[1:3] >> [1:3].*[1:3] >> [1:3].^2
Operazioni
Operazioni algebriche su matrici

>> >> >> >> >> >> [1+j,1-2*j] >> [1+j,1-2*j]. A+3 >> 2*A B=inv(A) >> B=A^(-1) X=A/B (esegue A*B-1) X=A\B (esegue A-1*Be se A non quadrata?) B=pinv(A) ( B=(ATA)-1AT )
Operazioni
La soluzione del problema Ax=b - se length(x)>length(b), cio pi incognite che equazioni (o meglio se rank(A)=rank([A b])), esistono infinite soluzioni; due possibili soluzioni sono:
>> x=pinv(A)*b (soluzione a min norma) >> y=A\b (soluzione con maggior numero di zeri)
- se length(x)=length(b), o meglio se la matrice A non singolare, esiste una unica soluzione:

>> y=A\b
- se length(x)<length(b), cio pi equazioni che incognite (o meglio se rank(A)<rank([A b])), non esistono soluzioni; una soluzione approssimata
>> x=pinv(A)*b (soluzione a min norma derrore)
Funzioni
Operazioni
Arrotondamento - round arrotonda allintero pi vicino

>> round(1.5) >>round(1.499) (15 o 16 c.d.) >> fix(1.1) >> fix(-2.1) >> floor(-2.1) >> ceil(-2.1)
- fix arrotonda verso lo 0

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi >> fix(1.9) >> foor(1.9) >> ceil(1.9)
- floor arrotonda per difetto allintero pi vicino

>> floor(-2.6) >> ceil(1.1)
- ceil arrotonda per eccesso allintero pi vicino Approssimazioni razionali - rem resto di una divisione intera
>> rem(3,2) >> mod(3,7) >> rats(9.22) >> rem(2,3) >> mod(7,3) >> rem(2,0)
- mod risultato della a mod b - rats approssimazione razionale
Funzioni
Operazioni
Aritmetica complessa - real parte reale - imag parte immaginaria - conj coniugato complesso - abs valore assoluto o modulo complesso - angle angolo di fase Esempi
>> 2+3i >> clear i >> 2+3j >> 2+3*i >> a=3,z=2+ai
Esercizio. Si tabelli il modulo e la fase della funzione razionale fratta riportata, per s=j ed [10^(-2):10^2]
3s 2 + 5s + 7 s 3 + 5s 2 + 7 s + 12
Funzioni
Operazioni
Funzioni esponenziali e logaritmiche - pow2 esponenziale in base 2 - exp esponenziale in base e - log logaritmo naturale - log2 logaritmo in base 2 - log10 logaritmo in base 10 Esempio
>> x=(1:.1:5); y=log(x); [x y] >> plot(x,y)
proviamo a disegnare qualche altra funzione elementare ...
Funzioni
Operazioni
Funzioni trigonometriche - sin seno - cos coseno - tan tangente - asin arcoseno - acos arcocoseno - atan arcotangente - atan2 arcotangente a quattro quadranti - cart2pol da coordinate cartesiane a polari Lesempio della circonferenza
>> teta=-pi:.1:pi; x=cos(teta); y=sin(teta); >> [fase,modulo]=cart2pol(x,y) >> plot(x,y) >> plot(modulo,fase)
. proviamo a rappresentare qualche altra funzione trigonometrica .
Funzioni
Operazioni
Funzioni su matrici - max funzione di massimo (e min di minimo)

>> max(x) >> max(A) >> max(max(A)) >> [Y,I]=max(A) >> max(A,B) >> [m1,i1]=max(A); [m,k]=max(m1); h=i1(k); h,k
- sort ordinamento in senso crescente

>> R=[1,2;5,1;3,3;2,4]; A=sort(R) >> [S,i1]=sort(R); B=R(i1,:)
- sum, rank, det, poly, trace, norm, eig, mean, expm, logm, sqrtm
>> >> >> >> A=[0 1 1;0 0 1;0 0 0]; E1=exp(A); E2=expm(A); E3=eye(3)+A+A^2/2; E4= eye(3)+A+A.^2/2; E1, E2, E3, E4
Operazioni
Operazioni di relazione
Operatori di relazione - < minore - <= minore o uguale - > maggiore - >= maggiore o uguale - == uguale - ~= diverso Operatori logici - & and - xor or esclusivo Esempi
>> 2>3 >> 2+2~=4 >> P=(rem(A,2)==0) (gli elementi di A divisibili per 2)
- | or - ~ not
Operazioni
Operazioni logiche
Come sempre gli operatori su matrici agiscono per colonne - any d 1 se almeno un elemento diverso da 0 - all d 1 se tutti gli elementi sono diversi da 0
>> A=[0 1 1;0 0 1;0 0 0]; any(A), all(A) >> all(A<0) >> all(A>=0) >> any(A>0.5)
- find trova gli indici il cui argomento diverso da 0

>> find(A) >> [h,k]=find(A) >> t=0:.005:20; y=sin(t); (trovare i valori di t per cui y=0.5) >> tolleranza=0.05; i=find(abs(y-0.5)<tolleranza)
Esercizi
Operazioni
Dati x=3+j5, y=-2+j4, z=j3, si calcolino: x+y, x-z, (x+y)z, |x|, 1/y, z2, log(x), ey, |x/y| Si risolva il sistema di equazioni: x+y=a 3x+2y=b per a=(1, 4, 3) e b=(1, sqrt(3), 0.5) Si rappresenti la funzione e3tsin 5t per t[-2,2] con 45 punti
Esercizi
Operazioni
A partire dalle curve di coppia di un motore, individuare una regressione lineare del tipo [es_linreg]: x1 + x2* (rpm) + x3* (rpm)2 + x4* (throttle) = torque
RPM 6000 5222 4520 3740 3024 2250 6000 5240 4507 3750 3007 2250 THROTTLE 28.8655 28.8655 28.8655 28.8655 28.8655 28.8655 40.5933 40.5933 40.5933 40.5933 40.5933 40.5933 TORQUE 58.1854 72.3081 84.1771 89.6724 90.2083 92.1813 75.4997 89.2116 99.3314 100.6825 97.0504 94.1107
Esercizi
Operazioni Le prevalenze reale ed Euleriana di una pompa possono essere espresse in funzione della portata volumetrica Q e del regime di rotazione n attraverso le seguenti relazioni: Hr = k1* n2 + 2*k2 n*Q - k3*Q2
HE = k5* n2 k6*Q*n mentre la prevalenza esterna pu essere espressa come Hest = Hu + k4*Q2. A partire dai dati rilevati nelle quattro misure indicate rappresentare graficamente gli andamenti delle prevalenze Euleriana, reale ed esterna ed il rendimento al variare della portata volumetrica per vari regimi di rotazione [es_curvecaratt]. Si assuma k4 = k6 =1; k5 =14 1) Q=1 m3/h; n= 1000 rpm; Hr = 11 m 2) Q=2 m3/h; n= 2000 rpm; Hr = 44 m 3) Q=4 m3/h; n= 3000 rpm; Hr = 98 m 4) Q=10 m3/h; n= 3500 rpm; Hr = 92.5 m
Operazioni
Esercizi
Si rappresentino 5 periodi della funzione |sin t| Si definisca il vettore x contenente 31 valori dellintervallo [1/2, 25] ottenuti con spaziatura logaritmica in base 2 Definito un opportuno vettore x si valutino L=(x>=2), L=(x<3), L=(x>3), L=(x<4 & x>-4) Dato il vettore x=(1, 34, 2, -12, 56, 7, 0, 9) visualizzare i valori maggiori di 5.

Polinomi e Grafica 3D
Operazioni su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D
Operazioni sui polinomi

Polinomi e Grafica
Definizione di un polinomio >> p=[1 0 -1]; (definisce il polinomio x2-1) Le radici di un polinomio
>> roots([1 0 -1]) >> roots([1 -2 -15])
Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D
Dalle radici al polinomio

>> radici=[-1,1]; poly(radici) >> radici=[-3,-5]; poly(radici)
Il prodotto di polinomi
>> a=[1 0 1]; b=[1 1]; c=conv(a,b)
Il rapporto di polinomi a(s)=q(s)b(s)+r(s)

>> [q,r]=deconv(a,b) >> polyval(a,3) La derivata di un >> polyder(a) >> [q,r]=deconv(b,a)
Il valore di un polinomio in un punto polinomio
Interpolazione
Polinomi e Grafica
Il comando polyfit per il fitting dei dati

>> x=-1:.1:1; y=2*x+1+2*rand(1,length(x)); >> plot(x,y) >> p=polyfit(x,y,1); y1=polyval(p,x); >> plot(x,y,x,y1) >> p=polyfit(x,y,5); y5=polyval(p,x); >> p=polyfit(x,y,10); y10=polyval(p,x); >> plot(x,y,x,y1,x,y5,x,y10) [es_interpolazione1]
Interpolazione
Polinomi e Grafica
Il comando spline (interpolazione con cubiche) - il significato fisico (la spline usata per disegnare) - si infittisce lintervallo tra i campioni, tra questi si cerca unapprossimazione polinomiale e si assicura la differenziabilit fino ad un certo ordine nei punti di giunzione (la cosiddetta pp-form):
x [a, b],
k i =1
x [a = 1 , 2 , K , h +1 = b] j = 1, K , h
p j ( x ) = ( x j ) k i /( k i )! cij ,
>> x=-1:.1:1; y=2*x+1+2*rand(1,length(x)); >> xx=-1:.1/2:1; yy=spline(x,y,xx); >> plot(x,y,o,xx,yy)
Interpolazione
Polinomi e Grafica
Il comando interp1 per linterpolazione monodimensionale

>> >> >> >> x=-1:.1:1; y=2*x+1+2*rand(1,length(x)); xi=-1:.03:1; yi=interp1(x,y,xi,nearest) plot(x,y,o,xi,yi) yil=interp1(x,y,xi,linear); plot(x,y,o,xi,yi,xi,yil)
o altre opzioni come spline e cubic. Interpolazione bidimensionale: dati X ed Y monotoni ZI = interp2(X, Y, Z, XI, YI, method)
>> >> >> >> >> [x,y]=meshgrid(-3:1:3) z=x.*exp(-x.^2-y.^2) surf(x,y,z); [xi,yi]=meshgrid(-3:.25:3); zi=interp2(x,y,z,xi,yi); surf(xi,yi,zi)
Esercizi sui polinomi

Polinomi e Grafica
Calcolare i punti estremali, le intersezioni con gli assi e gli eventuali punti di flesso della funzione f(x)=x4+5x3+1. [es_polinomi] Data la sequenza di punti y=[7.02 1.46 -1.55 0.94 2.21 7.95 15.56 19.22 32.80 37.72 59.79] per x=[0:10], individuare i polinomi di interpolazione di grado (1, 2, 3) e rappresentarli graficamente. La densit dellaria (in g/m3) varia con la quota h (in km) secondo la tabella riportata. Determinare un polinomio interpolatore di ordine n=1, 2, 3, , 6 e la norma dellerrore commesso. Si calcolino poi i valori della densit dellaria ai valori di quota 10, 20, 30, 40, 50 e 60. h=7, 10, 15, 21, 27, 34, 39, 43, 47, 51, 55, 59, 61 =556, 369, 191,75, 26.2, 9.9,4.4,2.3, 1.4,.8, .5,.33,.25
Esercizi sui polinomi

Polinomi e Grafica Per un motore ad accensione comandata, sono state effettuate le seguenti misure di emissioni di NOx al variare del rapporto di miscela A/F [es_nox]:
A/F 12 13 14 14.5 15 15.1 16 17 18 19 20 NOx (ppm) 50 100 200 350 500 450 600 550 300 150 50
Rappresentare landamento delle emissioni in funzione di A/F, e determinare la migliore rappresentazione polinomiale delle emissioni in funzione di A/F in termini di precisione e generalizzabilit. Stimare il valore delle emissioni per A/F=15.2
Grafici tridimensionali
Polinomi e Grafica
Un primo esempio
>> >> >> >> t=0:pi/10:10*pi; plot3(sin(t),cos(t),t) x=0:.1:4; y=-2:.1:1; [X,Y]=meshgrid(x,y); Z=sin(X).*cos(Y); plot3(X,Y,Z); mesh(X,Y,Z); surf(X,Y,Z); surfc(X,Y,Z);
Il colore per i grafici

>> [X,Y]=meshgrid(-8:.5:8);R=sqrt(X.^2+Y.^2)+eps >> Z=sin(R)./R; surf(Z);
La mappa dei colori Red Green Blue (RGB)

nero bianco giallo magenta cyan grigio 0 1 1 1 0 0.5 0 1 1 0 1 0.5 0 1 0 1 1 0.5
>> >> >> >> >>
t=-pi:pi/10:pi; fi=(-pi/2:pi/20:pi/2); X=cos(fi)*cos(t); Y=cos(fi)*sin(t); Z=sin(fi)*ones(size(t)); surf(X,Y,Z) colormap([0 0 0;1 1 1]); C=rand(size(Z)); surf(X,Y,Z,C)
Polinomi e Grafica
Le curve di livello
>> t=-2:.2:2; [X,Y,Z]=peaks(n); mesh(X,Y,Z); >> figure(2); contour(X,Y,Z,20); >> hold on; [U,V]=gradient(Z,.2); >> quiver(X,Y,U,V); hold off >> [C,h]=contour(Z,10); clabel(C,h) >> figure(3); mesh(X,Y,Z), hold on; >> contour3(X,Y,Z,[1 1],k); >> Az=180;El=0; view([Az El]) z y
El -y Az
Polinomi e Grafica
I solidi di rotazione ottenuti col comando cylinder - due possibili rotazioni della retta y=x:
cylinder(0:.1:2) cylinder(-2:.1:2)
- le possibili rotazioni di un coseno:

teta=0:pi/10:2*pi; [X,Y,Z]=cylinder(4*cos(teta)); subplot(2,2,1), mesh(X) subplot(2,2,2), mesh(Y) subplot(2,2,3), mesh(Z) subplot(2,2,4), mesh(X,Y,Z)
Esercizi su grafici tridimensionali
Polinomi e Grafica
Si rappresenti la funzione z=x2 + 4y nel piano [z,x] al variare di y, nel piano [z,y] al variare di x e nello spazio 3D [es_grafici3d]
%piano x,z x=[-10:10];hold on for y=-2:2 z=x.^2+4*y;plot(x,z) end hold off %piano y,z clear x, y;y=[-10:10];figure;hold on for x=-2:2 z=x.^2+4*y;plot(y,z) end hold off %spazio3D clear x,y;x=[-10:10];y=[-10:10]; figure [X,Y]=meshgrid(x,y); Z=X.^2+4*Y; plot3(X,Y,Z);mesh(X,Y,Z);surf(X,Y,Z);
Esercizi su grafici tridimensionali
Polinomi e Grafica
Si risolva graficamente il problema di ottimizzazione vincolata min x2+y2+z2 con il vincolo x2+2y+4z-14 Suggerimento: si disegni prima il vincolo. Ritornando allesempio della sfera presentato in precedenza, si disegni in nero la sola semisfera inferiore e poi la sola semisfera di destra. Utilizzando il comando help e la funzione peak, si utilizzino i comandi - hist, stem, stem3, pie, light

Programmazione
Le strutture fondamentali Script files Funzioni Esercizi sulla programmazione
Le strutture fondamentali
Programmazione
La struttura if-then-else if condizione, istruzioni elseif condizione, istruzioni else istruzioni end T=0:.1:2; for t=T, y=[y,sin(t)]; end
y=sin(T);
Literazione for for i=1:n, istruzioni end Literazione while while condizione, istruzioni end [m,n]=size(A); for i=1:m for j=1:n if A(i,j)>10, A(i,j)=0; end, end, end
A(A>10)=0*A(A>10);
Script files
Programmazione
Un esempio di M-file [es_scriptfile]

%Un M-file per la stima approssimata della funzione coseno attraverso lo sviluppo in serie di Mc Laurin, arrestato al quinto ordine. x=0; cos_approx=0; for i=0:5 termine_par=(-1)^i*x^(2*i)/factorial(2*i); cos_approx=cos_approx+termine_par; end cos_approx
Script files
Programmazione
Un esempio sulla dipendenza dei tempi di calcolo dalla struttura di programmazione adottata
[es_tempicalcolo] clear; tic for i=1:10000 t(i)=.1*i; y(i)=t(i)^2; end; toc clear tic t=[0:.1:1000]'; y=t.^2; toc
Funzioni
Programmazione
La struttura delle function [es_function]

function [t,y]=es_function(x)
%Una funzione per la stima approssimata della funzione coseno attraverso lo sviluppo in serie di Mc Laurin, arrestato al quinto ordine. cos_approx=0; for i=0:5 termine_parziale=(-1)^i*x^(2*i)/factorial(2*i); cos_approx=cos_approx+termine_parziale; end y=cos_approx; t=x; end >>x=[-pi:.1:pi]; >>[t,y]=es_function(x)
Funzioni
Programmazione
Un esempio con lo switch

function [multipli,non_multipli]=mult(base) % Nei primi 100 interi, i numeri multipli della base data n=2; non_multipli=0; multipli=1; while n<=100 switch rem(n,base)==0 case 0 non_multipli=[non_multipli n]; case 1 multipli=[multipli n]; end n=n+1; end
Esercizi sulla programmazione

Programmazione
Verificare che la funzione cos(x) nellintorno dellorigine approssimabile con le somme parziali del suo s viluppo in serie di Mc Laurin, tracciando i grafici della funzione cos(x) e delle prime 5 somme parziali nellintervallo [-, +] [es_taylor]:
x 2n cos( x ) = ( 1) ( 2n )! n =0
n
Verificare che il calcolo vettoriale consente di ridurre i tempi di elaborazione rispetto allimplementazione di una struttura classica di programmazione

Funzioni Avanzate
Analisi Statistica Ricerca dei Minimi e degli Zeri Derivazione ed Integrazione Numerica
Analisi Statistica
Funzioni Avanzate
Definizione di una distribuzione di variabili normale (oppure Beta, Binomiale, Chi-square, etc)
>> R=normrnd(10,1,100,1);
Analisi Statistica Ricerca Minimi e Zeri Derivazione ed Integrazione Numerica
Calcolo della probability density function in x

>> y=normpdf(x,10,1)
p.d.f : f(x)=Pr{x < X < x+dx}
Calcolo dei momenti primo e secondo

>> mean(R) >> std(R)
Calcolo della matrice di covarianza e dei coefficienti di correlazione

>> cov(R1,R2) >> corrcoef(R1,R2)
Confronto tra distribuzioni normali al variare del momento secondo

>> x=[0:20] >> y1=normpdf(x,10,1) >> y2=normpdf(x,10,2) >> plot(x,y1,x,y2)
Ricerca Minimi e Zeri

Funzioni Avanzate
Minimo e zero di una funzione

function b=es_minimo(v); b=(v+1).*exp(-v.^2); return >> a=fmin(es_minimo,-2,2) >> a=fzero(es_minimo,-2)
Minimo di una funzione di pi variabili

function b=es_minimo2(v); x=v(1); y=v(2); z=v(3); b=x^2+2.5*sin(y)-z^2*x^2*y^2; return >> a=fmins(es_minimo2,[-0.6 -1.2 0.135])
Esercizi su Ricerca Minimi e Zeri

Funzioni Avanzate
Calcolare le radici dellequazione

x2-3sinx+0.1=0
Calcolare il minimo della funzione

f(x,y)=e(x-y)+x2+y2
>>minimo=fmins('es_minimo_fun',[-0.3 0.3]) function z=es_minimo_fun(v); x=v(1);y=v(2); z=exp(x-y)+x^2+y^2; return

Funzioni Avanzate
Assegnato il set di dati illustrato in figura e riportato nel file (es_minimo2_dati.mat), individuare i valori ottimali dei parametri lambda che ne consentano di riprodurre landamento attraverso la struttura funzionale seguente [es_minimo2]:
y=lambda(1)*exp[-lambda(2)*t]
6 5 4 3 2 1 0
0.2
0.4
0.6
0.8
1 t
1.2
1.4
1.6
1.8
Soluzione

Funzioni Avanzate
clear all;clc global dati load es_minimo2_dati t=dati(:,1); y=dati(:,2); plot(t,y,'ro') pause; lambda0=[3 1]; lambda=fmins('es_minimo2_fun',lambda0) [err,z]=es_minimo2_fun(lambda); plot(t,y,'ro',t,z)
function [err,z] = es_minimo2_fun(lambda) global dati t = dati(:,1);y = dati(:,2); z=lambda(1)*exp(-lambda(2)*t); err = norm(z-y);plot (t,y,'o',t,z) return

Funzioni Avanzate
Assegnato il set di dati illustrato in figura e riportato nel file (es_minimo2_dati.mat), individuare i valori ottimali dei parametri non lineari lambda che ne consentano di riprodurre landamento attraverso la struttura funzionale seguente [es_minimo3]:
y=c(1)*exp[-lambda(1)*t]+c(2)*exp[-lambda(2)*t]
6 5 4 3 2 1 0
0.2
0.4
0.6
0.8
1 t
1.2
1.4
1.6
1.8

Funzioni Avanzate Nel modello economico semplificato di mercato perfettamente concorrenziale grande rilievo assumono le curve di domanda ed offerta, che in ascissa hanno la quantit di bene prodotto o richiesto in un prefisato periodo di tempo ed in ordinata il prezzo unitario del bene. Lintersezione delle curve determina il prezzo di equilibrio della merce. Assumendo i seguenti dati per la produzione e richiesta del grano in un ipotetico mercato si calcoli il prezzo di equilibrio e si traccino le curve di domanda ed offerta utilizzando almeno 30 punti [es_minimo4].
Prezzo ($/staio) 1.25 1.40 1.50 1.60 1.75 1.90 2.00 Domanda (migliaia di stai / giorno) 350 330 320 310 295 280 245 Offerta (migliaia di stai / giorno) 190 220 250 270 300 320 350

Funzioni Avanzate
Si calcoli il minimo della funzione x4+6xy+xy3-6xz3-yz+4z3
Una fabbrica decide di iniziare la produzione di un nuovo tipo di caramelle dietetiche. Il costo di produzione di L. 1000 per confezione e lufficio di marketing prevede una richiesta settimanale di 100000/p2 confezioni dove p il prezzo complessivo al quale ogni confezione venduta. Si calcoli il prezzo al quale sar messa in vendita una confezione di caramelle per massimizzare il profitto.

Funzioni Avanzate
Le prevalenze reale ed Euleriana di una pompa possono essere espresse in funzione della portata volumetrica Q e del regime di rotazione n attraverso le seguenti relazioni: Hr = k1* (n/1000)2 + 2*k2 (n/1000)*Q - k3*Q2 HE = k5* (n/1000)2 k6*Q*(n/1000) mentre la prevalenza esterna pu essere espressa come Hest = Hu + k4*Q2. Si assuma k1 =10; k2 = k3 = k4 = k6 =1; k5 =14; Hu=20 Calcolare il punto ottimale di funzionamento corrispondente al massimo rendimento con il vincolo di uguaglianza tra caratteristica interna ed esterna. Eseguire lottimizzazione sia con un metodo di minimizzazione non vincolata impiegando una penalty function, sia con un metodo di minimizzazione vincolata [es_curvecaratt]: 1 max [ - k * (Hr-Hu)2] 2 max con Hr =Hu e dHr/dQ <0

Funzioni Avanzate
ENEL Utenza elettrica Cogeneratore Ausiliario (caldaia)

Carico termico ed elettrico
Utenza termica Serbatoio

EU = EC U + EE U EC = EC U + EC E QC = QC U + QC S QU = QC U + QAU + QS U QC = EC mComb Q (EC ) E = EC Csp (EC )
[es_cogenerazione]
Integrazione Numerica
Funzioni Avanzate
La risoluzione delle equazioni differenziali ordinarie in Matlab viene eseguita con due metodi: 1 - ode23 usa il metodo di Runge-Kutta del 2-3 ordine; 2 - ode45 usa il metodo di Runge-Kutta del 4-5 ordine; La sintassi identica per le due funzioni e richiede che lequazione da integrare sia espressa come sistema di equazioni ordinarie del primo ordine:
dx = f ( x, t ) dt
>> [t,x]=ode23(xpunto,t0,tf,x0)
Esercizi sulla Integrazione Numerica

Funzioni Avanzate
Le equazioni di Volterra-Lokta descrivono un modello semplificato dellevoluzione di due specie in competizione tra loro (noto come modello predapredatore):
preda
predatore
dx = (a by ) x dt dy = (cx d ) y dt
Si studi la soluzione di queste equazioni a partire dai parametri nominali a=2.7, b=0.7, c=1, d=3 [es_loktavolterra]. Soluzione

Funzioni Avanzate
clear all % Modello Lokta-Volterra (preda-predatore) global a b c d a=2.7;b=0.7;c=1;d=3; x0=[2,3]'; timerange=[0: .1:10]; [t,x]=ode45('loktavolterra',timerange,x0); plot(t,x) function xpunto=loktavolterra(t,x) global a b c d xpunto(1)=a*x(1)-b*x(1)*x(2); xpunto(2)=c*x(1)*x(2)-d*x(2); xpunto=xpunto'; return

Funzioni Avanzate
Simulare il modello preda-predatore rappresentato dalle equazioni di Volterra - Lokta in presenza delleffetto pesca:
preda predatore dx = (a by ) x hx dt dy = (cx d ) y hy dt
1) Si studi la soluzione di queste equazioni a partire dai parametri nominali a=2.7, b=0.7, c=1, d=3, h=0.5 nellintervallo t = [0:.1:10] [es_loktavolterra2]. 2) Si identifichi il valore ottimale del parametro h che consenta di riprodurre attraverso il sistema di equazioni landamento preda/tempo riportato nel file loktavolterra.mat, lasciando invariati i valori degli altri parametri [es_loktavolterra2min].

Funzioni Avanzate
Il modello semplificato di un satellite in orbita circolare intorno a un pianeta :
&2 = k && r r r2 && + 2 r = 0 && r

dove r la distanza del satellite dal centro del pianeta, langolo di azimut (detto in altri termini anomalia, se pensiamo al riferimento che giace nel piano dellorbita e un sistema di coordinate polari per individuare la posizione del satellite) e k la costante di gravitazione relativa al pianeta (per la terra k=9.807). Si studi il moto del satellite in orbita intorno alla terra per quote variabili tra 350 e 500 km. [es_satellite]
Funzioni Avanzate

Partendo dalla legge rappresentativa di una trasformazione adiabatica: P vK = cost. riprodurre la fase di compressione ideale per un motore ad accensione comandata [es_compr_id].
Funzioni Avanzate

Un impianto di pompaggio costituito da una pompa che preleva acqua da un bacino per alimentare un serbatoio in pressione situato ad una quota di 20 m rispetto al bacino. Simulare landamento della pressione nel serbatoio nelle seguenti condizioni [es_serbatoio]: Volume serbatoio = 10 m3; Pressione iniziale serbatoio = 1 bar; Temperatura aria = 300 K; Regime rotazione pompa = 2000 rpm; Hr = 10* (n/1000)2 + 2* (n/1000)*Q - Q2; Hest = Hu + k4*Q2 Hu = z + P/
Soluzione

Funzioni Avanzate
%----------------------------------------------------------------------------% calcolo pressione serbatoio %----------------------------------------------------------------------------global k4 k5 k6 hu k1 k2 k3 n gamma pamb mair rair tamb g k1=10;k2=1;k3=1;k4=1;k5=14;k6=1; hu=20;vserb=10;rair=287;pamb=1e5;tamb=300; mair=pamb*vserb/rair/tamb; rpm=2000;n=rpm*1e-3;g=9.807; timespan=[0:5000]; p0=pamb; %[Pa] [t,p]=ode45('dpserb',timespan,p0); plot(t,p) -------------------------------------------------------------------------% funzione calcolo pressione serbatoio function dp = dpserb(t,p) global k4 k5 k6 hu k1 k2 k3 n gamma pamb mair rair tamb g gamma=g*1000; AA=k4+k3;BB=-2*k2*n;CC=hu+(p-pamb)/gamma-k1*n^2; qvol=(-BB+sqrt(BB^2-4*AA*CC))/(2*AA) dp=p^2*qvol/3600/mair/rair/tamb; return

Simulink
Come costruire uno schema Sources e Sinks La simulazione Esercizi
Come costruire uno schema

Simulink
Un primo esempio: un sistema massa-molla

m&& = kx + f x && = x 1 ( kx + f ) m
f m x=0
+ -
1/m
&& x
dt k
& x
dt
Lo schema Simulink corrispondente
Come costruire uno schema
Simulink
Luso del mouse:

Sui blocchi: bottone sin per selezionare e spostare blocchi bottone dex per duplicare il blocco bottone dex su selezione per le propriet doppio click sin per selezionare i parametri Sulle linee bottone sin per selezionare e spostare linee bottone sin su vertice per spostare il vertice bottone dex per creare una diramazione Sullo schermo bottone sin per creare una nuova linea in ingresso o uscita ad un blocco bottone dex per le propriet dello schema doppio click sin per inserire testo
Sources e Sinks
Simulink
Sources:
Il clock per il tempo simulato La costante anche definibile dal workspace Una generica variabile temporale definita col From Workspace ( necessario anche il tempo) Un segnale periodico con il Repeating Sequence La sinusoide e il gradino
Sinks:
Per assegnare il valore ad una variabile con il To Workspace (occhio ai parametri!) Stop Simulation per fermare la simulazione Lo Scope per visualizzare la variabile durante la simulazione
La simulazione
Simulink
I parametri della simulazione:

Istante di tempo iniziale < Istante di tempo finale I metodi di risoluzione a passo fisso: * il metodo di Eulero (rapporto incrementale) * il metodo di Runge Kutta
& x (t ) = f (t , x (t ))
x ( kT + T ) = x ( kT ) + a1 K1 + a 2 K 2 + K + a p K p K1 = Tf ( kT , x ( kT )), K 2 = Tf ( kT + b2T , x ( kT ) + c21 K1 ), K 3 = Tf ( kT + b3T , x ( kT ) + c31 K1 + c32 K 2 ), K
* lopzione Mode/MultiTasking per consentire la verifica di incoerenza nella connessione di blocchi con diversi periodi di campionamento
La simulazione
Simulink
I parametri della simulazione:

I metodi di risoluzione a passo variabile sulla differenza di due successive iterazioni: * la predizione e la correzione * il max (per default (t_fin-t_in)/50) e min passo * la tolleranza relativa (percentuale della norma dello stato) e assoluta (quando lo stato si avvicina a zero):
ei max(tol _ rel | xi | , tol _ assi )
* per modificare la tolleranza assoluta sulla singola variabile, usare i paramaetri dellintegratore Lopzione Refine Output per valutare le uscite del sistema in un numero maggiore di punti (di un fattore e questa opzione non cambia lintervallo di integrazione), o in un numero prefissato di punti.
Esercizi
Simulink
Costruire lo schema Simulink per un sistema massa-molla-smorzatore ed analizzare la risposta ad una forzante sinusoidale (m=1, k=10, sigma=0.1, F0=10) [es_pendoloforzato]. Simulare la risposta dinamica di un autoveicolo ad una variazione a gradino della coppia motrice [es_dynvehicle].

Lingua

Tutorial Matlab

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tutorial Matlab

Caricato da

Copyright:

Formati disponibili

Note Introduttive al Matlab

Riferimenti Bibliografici e Siti Web

Corso Introduttivo al MATLAB

MATrix LABoratory (ver. 5.3.1) Computation, Visualization, Programming

Definizione di uno scalare e di un vettore

Cancellazione di un vettore (uso di a e A)

Definizione di una matrice (uso di , e ;)

tanto per cominciare a smanettare...

Ingresso da files esterni

15 160 55 50 165 75 >> load IN.TXT >> IN

Comandi di utilit diamoci unocchiata

Elementi di una matrice: definito un vettore x di 4 elementi si ponga

Operazioni sulle matrici

Rappresentazione di un vettore di dati e uso del plot

Pi grafici nella stessa finestra

Scalatura degli assi

Altri comandi: xlabel, ylabel, title, grid, gtext, ginput

Le propriet di una figura

Esercizi sui grafici bidimensionali

Si costruiscano degli opportuni vettori per la rappresentazione del grafico

Corso Introduttivo al MATLAB

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Operazioni aritmetiche su scalari +, -, *, /, ^, sqrt, \

Operazioni aritmetiche su vettori e loperatore .*

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Operazioni algebriche su matrici

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

- se length(x)=length(b), o meglio se la matrice A non singolare, esiste una unica soluzione:

Arrotondamento - round arrotonda allintero pi vicino

- fix arrotonda verso lo 0

- floor arrotonda per difetto allintero pi vicino

- mod risultato della a mod b - rats approssimazione razionale

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

proviamo a disegnare qualche altra funzione elementare ...

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

. proviamo a rappresentare qualche altra funzione trigonometrica .

Funzioni su matrici - max funzione di massimo (e min di minimo)

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

- sort ordinamento in senso crescente

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

- find trova gli indici il cui argomento diverso da 0

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Op aritmetiche Funzioni Op di relazione Op logiche Esercizi

Corso Introduttivo al MATLAB

Operazioni sui polinomi

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

Dalle radici al polinomio

Il rapporto di polinomi a(s)=q(s)b(s)+r(s)

Il valore di un polinomio in un punto polinomio

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

Il comando polyfit per il fitting dei dati

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

>> x=-1:.1:1; y=2*x+1+2*rand(1,length(x)); >> xx=-1:.1/2:1; yy=spline(x,y,xx); >> plot(x,y,o,xx,yy)

Il comando interp1 per linterpolazione monodimensionale

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

Esercizi sui polinomi

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

Esercizi sui polinomi

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

Op su polinomi Interpolazione Esercizi sui polinomi Grafici tridimensionali Esercizi su 3D

>> x=-1:.1:1; y=2x+1+2rand(1,length(x)); >> xx=-1:.1/2:1; yy=spline(x,y,xx); >> plot(x,y,o,xx,yy)