Sia G = ({1, 2,..., n}, E) un grafo orientato. Definizione di matrici di Adiacenza e di Transizione del grafo G: 1 ij E
|
|
- Pietro Parodi
- 5 anni fa
- Visualizzazioni
Transcript
1 Sa G ({1, 2,..., n}, E) un grafo orentato. Defnzone d matrc d Adacenza e d ranszone del grafo G: { { 1 j E 1/deg() j E Adac(G) j 0 j / E, rans(g) j 0 j / E ( deg() #arch uscent dal vertce ). Notamo che se sommamo gl element d ogn rga della matrce rans(g) ottenamo 1 oppure 0. Precsamente, { 1 deg () > 0 rans(g) j 0 deg () 0. j sservazone mportante: la matrce rans(g) compare nel momento n cu scrvamo n forma vettorale le seguent condzon p j p, j 1, 2,..., n, deg () ( 1) : j soddsfatte dalle mportanze (authortes) p j de vertc j d G. Infatt, ( 1) è equvalente all denttà p rans(g) p, dove p p 1 p 2 p n è l vettore delle mportanze. Defnzone. Una matrce A n n s dce rducble se esste P n n matrce d permutazone tale che R P AP,, N quadrate. N Se A n n è rducble, allora esste P n n matrce d permutazone tale che R P AP,, N quadrate, con nulla o rrducble. N Dunque nella defnzone potremmo anche rchedere che sa nulla oppure rrducble. Proposzone. Sa A n n rrducble non negatva e tale che j a j 1 & k per cu j a kj < 1. Allora 1 non è autovalore d A. Dmostrazone. È una conseguenza mmedata del terzo teorema d Gershgorn. eorema. Dato un grafo orentato G, affnché possa essere vera la seguente affermazone! p R n, p > 0, p 1 1 tale che p rans(g) p, (0) la matrce rans(g) deve essere stocastca per rghe ed rrducble. Dmostrazone. Supponamo che vale (0). L denttà p rans(g) p e la condzone p 1 1 mplcano 1 p (rans(g) p) (rans(g) ) j p j j
2 (rans(g)) j p j j j ( (rans(g)) j )p j + j:deg (j)>0 j:deg (j)>0 ( ) 1 p j + ( (rans(g)) j )p j j:deg (j)0 j:deg (j)0 ( (rans(g)) j )p j ( ) 0 p j : α. Se esstesse un ndce j per cu deg (j ) 0, allora, dall denttà 1 α appena dmostrata e dal fatto che ogn componente d p è postva e che la somma delle component d p è uguale a 1, segurebbe che 1 α < 1, l che è assurdo. Dunque s deve avere che deg(j) > 0 per ogn j 1, 2,..., n, o, equvalentemente, rans(g) deve essere stocastca per rghe. ra supponamo d nuovo che vale (0) e, noltre, che rans(g) è stocastca per rghe. Dmostramo che allora rans(g) deve essere rrducble. Supponamo per assurdo che rans(g) è rducble. Dunque esste P n n matrce d permutazone tale che P rans(g)p R N,, N quadrate, con nulla o rrducble. (1) Notamo che dal fatto che rans(g) è stocastca per rghe segue che anche la matrce qu sopra deve essere stocastca per rghe. R La (1) mplca rans(g) P N p rans(g) p P (P p) up (P p) down P. Dunque (0) mplca R N P p, P p R N (P p) up (P p) down R N P p, R N, (2) dove (P p) up è l vettore costtuto dalle prme k component d P p, essendo k (1 k < n) l ordne della matrce e (P p) down è l vettore costtuto dalle ultme n k component d P p. sservamo che la matrce è stocastca per colonne. R Faremo ora vedere che dalla (2) segue N - o che, oltre p, v sono un numero nfnto d altr vettor z α R n, z α > 0, z α 1 1, tal che z α rans(g) z α, Caso R - oppure che almeno una delle component d p deve essere nulla. Caso R Poché quest sono entramb event che contraddcono le potes, ne segurà che rans(g) deve essere rrducble.
3 Caso R : n questo caso l uguaglanza (2), che dventa (P p) up (P (P p) up p) down N (P p) down, mplca α (P p) up (P p) up 1 (1 α) (P p) down (P p) down 1 N α (P p) up (P p) up 1 (1 α) (P p) down (P p) down 1 Sa z α R n la famgla d vettor defnt dall denttà α (P p) up P z α (P p) up 1 (1 α) (P p) down, α (0, 1). (P p) down 1, α C. S not che tal vettor z α sono tutt dstnt tra loro, sono postv e hanno norma-1 uguale a 1. Inoltre, per come sono stat defnt, ess soddsfano le denttà P z α N P z α, z α P N P z α rans(g) z α. Qund, oltre p, v sono altr nfnt vettor z α (costrubl a partre da p) che verfcano le condzon x > 0, x 1 1, x rans(g) x, mentre avevamo supposto che ne essteva uno solo. Caso R : l uguaglanza (2) (P p) up (P (P p) up p) down R N (P p) down (dove, rcordamo, è stocastca per colonne) mplca R N (P p) up (P p) up, nulla o rrducble. (3) Se è nulla, allora (3) mplca (P p) up 0, coè almeno k element d p devono essere null. (S rcorda che k 1). Supponamo n alternatva che è rrducble. Poché R è non nulla, c è almeno una colonna d R, dcamo quella d ndce u, n cu c è almeno un elemento postvo. Dunque è non negatva, rrducble e tale che j j 1 e j j,u < 1, ovvero è non negatva, rrducble e tale che j j 1 e j u,j < 1. Qund, per la Proposzone, 1 non può essere autovalore d, ovvero non può essere autovalore d. Questo fatto e l fatto che vale la condzone (3) mplcano (P p) up 0, coè almeno k element d p devono essere null. (S rcorda che k 1).
4 In conclusone, nel caso R, abbamo mostrato che almeno una componente d p deve essere nulla, contro l potes nzale che tutte le component d p sono postve. Abbamo vsto che n entramb cas R e R gungamo a contraddre le potes. Dunque rans(g) non può essere rducble (se vale (0)). Esempo d rduzone d una matrce. Sa a 0 b 0 l m n A , h, f, n, l 0 c 0 d e f g h A P A e f g h a 0 b 0 l m n c 0 d P AP (P scamba le rghe/colonne 1 e 7 e le rghe/colonne 4 e 5) (Nota: Q P AP h e f g n l m 0 a 0 b 0 c 0 d h e f g 0 a 0 b n l m 0 c 0 d (PQ) A(PQ) h e f g 0 a 0 b n l m 0 c 0 d è rducble) h f e g n l m 0 0 a b 0 0 c d (Q scamba le rghe/colonne 2 e 3) Nota: la matrce PQ è una matrce d permutazone; la matrce h f n l è rrducble. Ved anche l artcolo Berkhn survey pagerank computng Internet athematcs
5 S è vsto che se vale la seguente affermazone! p > 0, p 1 1 tale che p rans(g) p ( ) allora necessaramente rans(g) deve essere, oltre che non negatva, stocastca per colonne e rrducble. Pù avant s noterà che, data A R n n, l problema z Az, se A è non negatva, stocastca per colonne, e rrducble, ammette una unca soluzone z > 0, z 1 1. Qund, per l nostro partcolare problema, se rans(g), oltre che non negatva, fosse stocastca per colonne e rrducble, allora s avrebbe effettvamente (*). Nella maggor parte de cas, però, la matrce rans(g) non soddsfa queste condzon, qund, n quest cas, l rsultato d esstenza e unctà (*) s potrà ottenere se e solo se s sosttusce rans(g) con una matrce A vcna a rans(g), che sa stocastca per colonne e rrducble (oltre che non negatva). sservazone. Prma d prosegure, accennamo a un modello d vsta del grafo che porterà ad un metodo per l calcolo del vettore p n (*), se quest ultmo è ben defnto. Sa p (k) la probabltà che un vstatore del grafo al passo k della sua vsta sa nel vertce. È ragonevole rchedere che p (k) > 0 (c e probabltà che al passo k della sua vsta l vstatore sa sul vertce, ) e che p(k) 1 (al passo k della sua vsta l vstatore deve essere n uno de vertc del grafo). Inoltre, è ragonevole dre che p (k+1) j : j p (k) n deg () 1 j p (k) dove j rans(g) j (uguale a 1 deg () se deg() > 0 e a zero se deg () 0) è la probabltà che l vstatore dal vertce vada nel vertce j. Ne segue che vettor delle probabltà p (k) e p (k+1) soddsfano l denttà p (k+1) (rans(g) p (k). Dato un vettore nzale p (0), p (0) > 0, p(0) 1, la legge p (k+1) (rans(g) p (k) genera una successone d vettor che vorremmo fossero tutt tal che p (k) > 0 e p (k) 1 1, e vorremmo noltre che p (k) p rans(g) p, quando k +, n modo da avere un metodo per calcolare l vettore p rans(g) p, se ben defnto. 1 1 Dato n generale l problema d determnare n un certo spazo S un x che rmanga nvarato sotto l azone d un operatore ϕ, l prmo metodo che vene n mente per calcolare un tale x S è l metodo delle approssmazon successve che, a partre da un certo x 0 S, tramte la legge x k+1 ϕ(x k ), k 0, 1,..., genera una successone x k S che s spera converga ad x. In partcolare, se lo spazo S è R e ϕ : R R, allora da uno studo grafco della successone x k+1 ϕ(x k ) s possono nture faclmente delle condzon su x 0 e su ϕ che obblgano tale successone a convergere ad un punto x ascssa d una delle ntersezon (che s suppongono esstent) tra la funzone ϕ e la bsettrce. Ad esempo, se ϕ C 1 n un ntorno d x, allora {x k } converge a x se ϕ (x ) < 1 e x 0 non è troppo lontano da x ; e non converge a x se ϕ (x ) > 1 (a meno d event fortut)....
6 Premessa (rsultat d algebra lneare). S osserva che B B , B , Bk, k 4. α α α S osserva che, per ogn α C, k αk kα k 1 k(k 1) 2 α k 2 0 α k kα k α k, α α α α k α k kα k 1 k(k 1) 2 α k 2 k(k 1)(k 2) 6 α k 3 0 α k kα k 1 k(k 1) 2 α k α k kα k α k, k 0, 1, 2,.... Pù n generale, s dmostra che B B s (α) α 1 α 1 α s B k mn{k,s 1} j0 c k,j+1 (Z ) j, Z s, dove c k,j+1 1 d j (α k ) j! dα 1 j! k(k 1) (k j + 1)αk j. È evdente che B k se e solo se α < 1. Nel caso α 0 s ha che B k per k s. eorema d Jordan. gn matrce C n n è smle a una matrce J dagonale a blocch cu blocch dagonal sono fatt come B (tale matrce J è detta forma canonca d Jordan d ). In ogn blocco dagonale, al posto d α, ovvamente, c è un autovalore λ d. Lo stesso autovalore può comparre n pù blocch dagonal. La matrce è dagonalzzable se e solo se blocch dagonal della forma canonca d Jordan sono tutt 1 1. C n n X : X 1 X B s (λ) : J. ( eojordan) Corollaro del eorema d Jordan. Data C n n, la successone d matrc k, k N, tende alla matrce nulla se e solo se tutt gl autovalor d hanno modulo mnore d 1. Dmostrazone. La tes segue dalla seguente rappresentazone d k : k ( X B s (λ) ) k X 1 X B s (λ) k X 1 X B s (λ) k X 1.
7 Sa ora A n n non negatva, stocastca per colonne, rrducble. Per l fatto che A è stocastca per colonne (A e e) l numero reale 1 deve essere autovalore d A, dunque deve esstere z R n z 0 tale che z Az. Per l fatto che A è non negatva e stocastca per colonne, gl altr autovalor d A, λ 2 (A),...,λ n (A), devono avere modulo mnore o uguale d uno. Per l fatto che A è non negatva, stocastca per colonne e rrducble, nessuno degl autovalor λ j (A), j 2,...,n, può essere uguale a 1, coè 1 come autovalore d A ha molteplctà algebrca uguale a uno, e ogn autovettore d 1 che è defnto a meno d un multplo ha le sue component tutte non nulle e dello stesso segno. (Quest ultm rsultat, d cu s omette la dmostrazone, fanno parte della teora d Perron-Frobenus). Ne segue che vale l seguente EREA PF. A, stocastca per colonne, rrducble λ 1 (A) 1, λ j (A) 1, j 2,..., n e! z > 0, z 1 1 tale che z Az. ( ) Se A fosse anche stocastca per rghe (coè Ae e), allora è semplce capre ch è l vettore z n (**): z 1 e. Altrment, occorre fare calcol per ottenere z. n Esempo. Sa A 1 a 0 1, a 0, 1. a 0 0 Se a (0, 1, allora A è non negatva, stocastca per colonne, rrducble, qund vale (**). Se a 1, A è anche stocastca per rghe, qund z Se a (0, 1), per ottenere z occorre fare qualche conto: z 1 1 a 1 1 z 2 0, z > 0, z 1 z z a a 0 1 z 3 z 3 a S osserva che per a 0 esste ed è unco un vettore z tale che z Az, che z è non negatvo, ma z non è postvo (z 3 0); coè non vale (**). E nfatt A è rducble se a 0. S osserva noltre che A rans(g) per un grafo G se e solo se a 0, 1, 1 2. EREA Potenze (calcolo d z: costruzone d una successone d vettor convergente a z). Sa z 0 > 0 z arbtraro. Defnamo z 1 Az 0, z 2 Az 1, z k+1 Az k, k 0, 1, 2,.... Se A è non negatva, stocastca per colonne e rrducble, allora vettor z k sono tutt postv e d norma-1 uguale a 1. Se noltre λ j (A) < 1, j 2,..., n, allora per k che tende a pù nfnto vettor z k convergono al vettore z n (**), e pù max j2,...,n λ j (A) è mnore d 1, pù rapda è la convergenza. sservazone. Prma d dmostrare questo rsultato, notamo che la condzone λ j (A) < 1, j 2,...,n, non è n generale soddsfatta da una matrce A non negatva, stocastca per
8 0 1 colonne, rrducble. Ved ad esempo le matrc A 1 0 A , σ(a) {1, e 2π/3, e 4π/3 }; A 0 a a 0, σ(a) {1, 1};, a (0, 1), σ(a) {1, 0, 1}. Dmostrazone. S verfca che z k > 0, z k 1 1 z k+1 > 0, z k Poché z k+1 Az k con A e z k > 0, l vettore z k+1 deve essere non negatvo. Se una componente d z k+1 fosse nulla, allora la rga d A dovrebbe essere nulla e A sarebbe rducble, contro l fatto che nvece A s suppone rrducble. Ne segue che ogn componente d z k+1 deve essere postva. Inoltre (z k+1) (Az k) j A j(z k ) j j A j(z k ) j j (z k) j 1. Dunque z k Supponamo ora λ j (A) < 1, j 2,...,n. Dalle equazon z Az e z k+1 Az k segue l denttà z z k+1 A(z z k ) che mette n relazone l errore commesso al passo k + 1 con l errore al passo k ( k). Scrvendo questa denttà per k 0, 1, 2,..., z z 1 A(z z 0 ), z z 2 A(z z 1 ) A(A(z z 0 )) A 2 (z z 0 ), z z 3 A(z z 2 ) A(A 2 (z z 0 )) A 3 (z z 0 ), c s accorge che l errore al passo k è legato all errore nzale z z 0 dall uguaglanza z z k A k (z z 0 ) ( k). La successone A k scuramente non converge alla matrce nulla perché uno degl autovalor d A è uguale a 1 (per l Corollaro del teorema d Jordan), qund questa espressone d z z k non c permette d concludere che z z k 0, se k +. Essendo però e z 1 ed e z k 1 k, s ha anche z z k+1 A(z z k ) (A ze + ze )(z z k ) (A ze )(z z k ). Dunque vale anche l denttà z z k+1 (A ze )(z z k ) e, d conseguenza, s ha la seguente espressone alternatva per l errore al passo k: z z k (A ze ) k (z z 0 ) ( k). Poché σ(a ze ) {0, λ 2 (A),...,λ n (A)} 2, stavolta (A ze ) k, se k +, dunque z z k 0. I eorem PF e Potenze c dcono che se rans(g) è non negatva, stocastca per colonne, rrducble e n 1 de suo autovalor hanno modulo strettamente mnore d 1, allora (*) è vera e l p n (*) è calcolable come lmte della successone d dstrbuzon dscrete d probabltà (d.d.p.) p (0) > 0, p (0) 1 1, p (k+1) rans(g) p (k), k 0, 1, 2,.... Se nvece rans(g) non soddsfa quelle potes, allora gl stess eorem PF e Potenze c nducono a modfcare rans(g) n una matrce A (vcna a rans(g) ) non negatva, stocastca per colonne, rrducble, con n 1 de suo autovalor d modulo strettamente mnore d 1, n modo che! p > 0, p 1 1 tale che p A p, ( ) 2 Sano y j tal che X z y 2 y n è nvertble. Allora Az y 2 y n AzAy 2 Ay n z Ay 2 Ay n 1 X 1 AX X 1 z X 1 Ay 2 X 1 Ay n σ(b) {λ 0 B 2 (A),..., λ n (A)}. Inoltre, X 1 (A ze )X X 0 B 1 ze X e 0 B 1 1 σ(a ze 0 B ) {0, λ 2 (A),..., λ n (A)}.
9 e p lm k + p(k), p (0) > 0, p (0) 1 1 e p (k) d.d.p. generate da p (k+1) A p (k), (alg ) e a spostare l nostro nteresse da p a questo nuovo vettore p. Caso IPESI de eorem PF e Potenze non soddsfatte da rans(g) Sa d 1 se deg() 0 e d 0 se deg() > 0 ( 1,..., n). Il vettore d è detto danglng vertces (pages) ndcator. Sa v R n v > 0 v 1 1, v personalzaton vector. La matrce rans(g) s sosttusce con una matrce stocastca per rghe: rans(g) rans(g) + dv. S not che rans(g)+dv è la matrce d transzone del grafo G ottenuto arrcchendo G con gl arch orentat 1, 2,...,n, per ogn vertce da cu n G non parte nessun arco. Anche la matrce rans(g) + dv e l denttà p (k+1) rans(g) + dv p (k) possono rspecchare la realtà: l vstatore del grafo, nel momento n cu arrva su un vertce che non ha outlnks da lì può andare n un qualsas altro vertce j del grafo, con probabltà v j (1/n se v è unforme). Sa σ(rans(g) + dv ) {1, µ 2,...,µ n }; sappamo che µ j 1, j 2,..., n. Se rans(g)+dv fosse anche rrducble e se suo autovalor µ j avessero modulo strettamente mnore d 1, allora la matrce A che voglamo ntrodurre (per cu valgono ( ) e alg( ) ) può essere propro rans(g) + vd. Se queste due condzon non sono soddsfatte, oppure se non è possble verfcare che sono soddsfatte, allora s ntroduce una ulterore modfca d rans(g): rans(g) rans(g) + dv c(rans(g) + dv ) + (1 c)ev, c (0, 1). Esamnamo la generca rga della matrce c(rans(g) + dv ) + (1 c)ev : deg () 0 : cv + (1 c)v v, 1 deg () > 0 : c (1 deg() deg() deg() c)v. È evdente che c(rans(g)+dv )+(1 c)ev è non negatva, stocastca per rghe e rrducble (è postva!), e modfca poco rans(g) + dv (la realtà ) se c 1. Inoltre, vedremo che σ(c(rans(g) + dv ) + (1 c)ev ) {1, λ 2,...,λ n } con λ j < 1, j 2,...,n. Dunque la matrce A che voglamo ntrodurre (per cu valgono ( ) e (alg )) può essere la matrce: Google c(rans(g) + vd ) + (1 c)ve. sservazone. S not che la trasposta d A Google non è la matrce d ranszone d un grafo G, perché gl element dvers da zero della ogn sua rga : deg() > 0 non sono ugual tra loro. Comunque, la formula p (k+1) A p (k), A Google, n (alg ) c dce che la probabltà che l vstatore da vada a j è dventata (dopo la nostra sosttuzone d rans(g) con A Google) l elemento j d A Google: è v j (pccola) se n G da non parte nessun arco; è (1 c)v j (pccola) se n G da partono arch ma non c è un arco da a j; è c/deg () + (1 c)v j (grande) se n G c è un arco da a j.
10 Dmostramo ora che σ(c(rans(g) + dv ) + (1 c)ev ) {1, λ 2,...,λ n } con λ j < 1, j 2,...,n. Innanztutto s osserva che σ((rans(g) + dv ) + 1 c c ev ) { 1, µ c 2,...,µ n }. (sfruttare l fatto che (rans(g)+dv )e e) e che qund σ(c(rans(g)+dv )+(1 c)ev ) {1, cµ 2,...,cµ n }. Ne segue che gl n 1 autovalor d c(rans(g)+dv )+(1 c)ev dvers da 1, hanno tutt modulo mnore o uguale a c (perché cµ j c µ j c 1 c). P.S. Una dmostrazone dretta d Francesco e Leonardo del fatto che per A Google vale l affermazone p (k) p n (alg ) (le altre affermazon n ( ) e (alg ) s suppongono vere): p p (k+1) Google( p p (k) ) c(rans(g) + vd )( p p (k) ) p p (k) c k (rans(g) + vd ) k ( p p (0) ) dove la matrce (rans(g) + vd ) k è non negatva e stocastca per colonne per ogn k, dunque suo element sono non negatv e mnor o ugual a 1. Ne segue che la matrce c k (rans(g) + vd ) k tende alla matrce nulla e qund p p (k) 0, se k +. Inoltre p p (k) 1 c k (rans(g) + vd ) k 1 p p (0) 1 c k p p (0) 1. Il rsultato d F.&L. c dce che per avere una rapda convergenza, c dovrebbe essere scelto pccolo, ma questa scelta non può essere fatta perché voglamo che nella defnzone della matrce Google la parte rans(g) + vd (che rflette la realtà ) sa domnante. Berkhn scrve che l motore d rcerca google pone c Come l motore d rcerca google utlzza l vettore p defnto n ( ), (alg ) dove A Google La matrce Google, quando è relatva al grafo del web, camba contnuamente, perché camba l grafo G del web. Qund l vettore p n ( ) va perodcamente r-calcolato, tramte l algortmo n (alg ). ale algortmo è mplementable utlzzando solo un numero costante d vettor d n component ed ogn suo passo non rchede pù d (n) operazon artmetche (questo perché ogn rga j d rans(g) ha n meda un numero costante una dozzna d element dvers da zero; cò è come dre che al vertce j, nella realtà, sono collegat n meda una dozzna d altr vertc del grafo). Berkhn dce che p vene r-calcolato ogn mese. A cosa serve p? Per ogn ER d un huge dctonary l motore d rcerca ha a dsposzone la lsta LIS ER delle pagne del web che contengono quel ER. L utente sottopone al motore d rcerca una QUERY composta da alcun ERS, ad esempo QUERY {Berkhn survey pagerank}. Il motore d rcerca, leggendo la QUERY, forma l nseme delle pagne web che possono essere d nteresse per l utente I LIS ER {7, 23789, , 305, 11,...} ER QUERY e l nseme delle corrspondent mportanze { p 7, p 23789, p , p 305, p 11,...} (l motore d rcerca ha a dsposzone l vettore pagerank p), ordna tal mportanze, p > p 11 > p 305 >..., e resttusce all utente ttol delle pagne web n I, elencandol n ordne d mportanza, prma 23789, po 11, po 305,....
6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliPOLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA
POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
DettagliGeometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.
Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base
Dettagli6 Prodotti scalari e prodotti Hermitiani
6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al
Dettagli1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P
. Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero
DettagliFunzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m
Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente
DettagliANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.
ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element
Dettaglidi una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)
Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba
DettagliLe soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)
Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliAnalisi Class Successioni Lezione 6 2 ottobre 2014
CLASS Bologna Anals Matematca @ Class Successon Lezone 6 2 ottobre 2014 professor Danele Rtell danele.rtell@unbo.t 1/17? Successon Una successone d numer real è una funzone a valor real l cu domno è l
DettagliStrani spazi vettoriali
Stran spaz vettoral Enrco Gregoro 19 novembre 2009 Consderamo l nseme S delle successon d numer compless; gl element d S saranno ndcat con smbol come a[ ]. Le parentes quadre servono per denotare gl element
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliSommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry
CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza
DettagliAllenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi
Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta
DettagliQuinto test di autovalutazione di ANALISI DEI SISTEMI
Qunto test d autovalutazone d ANALISI DEI SISTEMI A.A. 9/. S determn, per t R +, operando nel domno del tempo, l evoluzone lbera d stato ed uscta del modello d stato a tempo contnuo ẋ(t) Fx(t) y(t) Hx(t)
DettagliLezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.
Lezone 7 Prereqst: L'nseme de nmer nter Lezone 6 Nmer prm Teorema Fondamentale dell'artmetca Defnzone 7 Un nmero ntero p dverso da 0 e s dce prmo se per ogn a b Z Altrment p s dce composto p ab p a oppre
DettagliTeoria dell informazione e Meccanica Statistica
Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo
Dettagliy. E' semplicemente la media calcolata mettendo
COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale
DettagliSoluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k
(1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI
Equlbro e stabltà d sstem dnamc Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI TC Crter d stabltà per sstem dnamc LTI TC Stabltà nterna d sstem dnamc
DettagliCarla Seatzu, 18 Marzo 2008
8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliSorgenti Numeriche - Soluzioni
Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B
DettagliIl procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.
SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione
Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliMetodi iterativi per sistemi di equazioni lineari algebriche
Captolo 17 Metod teratv per sstem d equazon lnear algebrche 171 Generaltà su metod teratv S fornsce la defnzone d convergnza per vettor e matrc Convergenza d vettor Una successone d vettor d n component
DettagliSi dice corpo rigido un oggetto ideale che mantiene la stessa forma e le stesse dimensioni qualunque sia la sollecitazione cui lo si sottopone.
Captolo 7 I corp estes 1. I movment d un corpo rgdo Che cosa s ntende per corpo esteso? Con l termne d corpo esteso c s rfersce ad oggett per qual non è lecto adoperare l approssmazone d partcella, coè
DettagliBOLLETTINO UNIONE MATEMATICA ITALIANA
BOLLETTINO UNIONE MATEMATICA ITALIANA Renata Spanccat Tavole d moltplcazone rdotte d un gruppo. Bollettno dell Unone Matematca Italana, Sere 3, Vol. 2 (966), n., p. 86 89. Zanchell
DettagliAPPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI
APPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI GIOVANNI GAIFFI, CORSO DI ALGEBRA 1 2010/2011 NOTA: FA PARTE DEL PROGRAMMA SOLO LA CONOSCENZA DELL ENUNCIATO DEL TEOREMA
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliVerifica reti con più serbatoi (II)
Verfca ret con pù serbato (I) Condzon al contorno per gl N nod della rete e corrspondent ncognte: Condzone mposta Incognta A) carco pezometrco portata concentrata B) portata concentrata carco pezometrco
DettagliVII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08
VII eserctazone Una fattorzzazone che rvela propretà della matrce: La Sngular value decomposton (SVD) fattorzza una matrce rettangolare reale o complessa è utlzzata nelle applcazon: nella trasmssone d
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliCAPITOLO 3 CIRCUITI DI RESISTORI
CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
DettagliFRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.
FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliINDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata
P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliIL GRUPPO SIMMETRICO S n
EMILIO ZAPPA MATRICOLA UNIVERSITA DEGLI STUDI DI TORINO DIPARTIMENTO DI MATEMATICA ANNO ACCADEMICO 00/00 TESINA PER IL LABORATORIO DI COMBINATORICA IL GRUPPO SIMMETRICO S n IL GIOCO DEL Sa A un nseme fnto
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn
DettagliALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI
ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, A.A. 3/4, GEMMA PARMEGGIANI Unverstà degl Stud d Padova Dpartmento d Matematca Pura e Applcata va Belzon, 7 353 Padova. Programma. Esercz tpo svolt 3. Eserctazon
DettagliMetodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA
Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono
DettagliAnalisi Class info sul corso Lezione 1 22 settembre 2014
CLASS Bologna Anals Matematca @ Class nfo sul corso Lezone 1 22 settembre 2014 professor Danele Rtell danele.rtell@unbo.t 1/27? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del
DettagliOPERAZIONI E INSIEMI NUMERICI
OPERAZIONI E INSIEMI NUMERICI Per rcordare H Un'operazone bnara n un nseme non vuoto A eá una legge ce ad ogn coppa d element a,b A assoca un elemento c A. Gl element a e b s camano operand o termn dell'operazone,
DettagliTeoremi dei circuiti
Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliCompito di SISTEMI E MODELLI 25 Gennaio 2016
Compto d SISTEMI E MODELLI 5 Gennao 06 È vetato l uso d lbr o quadern. Le rsposte vanno gustfcate. Saranno rlevant per la valutazone anche l ordne e la charezza espostva. Consegnare SOLO la bella copa,
DettagliSommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?
Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca
DettagliArchitetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami
Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x
DettagliMetodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA
Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliIl traffico è un gioco?
Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo
DettagliAlgoritmi basati sulla tecnica Divide et Impera
Qucksort Algortm basat sulla tecnca Dvde et Impera In questo corso: Rcerca bnara Mergesort (ordnamento) Qucksort (ordnamento) Moltplcazone d nter Moltplcazone d matrc (non n programma) NOTA: nonostante
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliModuli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013
Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se
DettagliPICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO
PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliPROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.
PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)
Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.9) Matematca Computazonale, Ottmzzazone,
DettagliPropagazione degli errori
Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per
DettagliLa teoria microeconomica del consumo
Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone
DettagliProbabilità cumulata empirica
Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè
DettagliMATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE
MATEMATICA FINANZIARIA PROVA SCRITTA DEL LUGLIO 009 ECONOMIA AZIENDALE ESERCIZIO Un ndduo ntende acqustare un motorno che ha un prezzo d 300. Volendo accedere ad un fnanzamento, gl engono proposte le seguent
DettagliV n. =, e se esiste, il lim An
Parttore resstvo con nfnte squadre n cascata. ITIS Archmede CT La Fg. rappresenta un parttore resstvo, formato da squadre d restor tutt ugual ad, conness n cascata, e l cu numero n s fa tendere ad nfnto.
DettagliIL MODELLO IS-LM. Ripasso dei concetti principali dal corso base di Economia Politica. Prof. AnnaMaria Variato
IL MODELLO IS-LM Rpasso de concett prncpal dal corso base d Economa Poltca Prof. AnnaMara Varato Strumento grafco-analtco per la rappresentazone e lo studo dell equlbro smultaneo del mercato de ben e della
DettagliDipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014
Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 21: 25 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? CCT/CCTEu S tratta d un ttolo a cedola
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
DettagliCAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI
Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )
Dettagli