La miglior approssimazione esiste se le funzioni descrivono un chiuso
|
|
- Gianmaria Sasso
- 4 anni fa
- Visualizzazioni
Transcript
1 NON SMOOTH Funzione non C 1 tipico esempio massimo numero finito funzioni Φ(x) = max { f i (x), i I, f i C 1 } e anche massimo(sup) puntuale Φ(x) = sup { f t (x), t I, f t C 1 } Esempi a) Max numero finito di funzioni (norma) Sono date p funzioni f i (x) 1 i p e si vuole calcolare per ogni punto x si calcola [se f(x) = (f 1 (x),, f p (x) ] Φ(x) = f(x) oppure f(x) 1. b) Pb di approssimazione In un intervallo t [a,b] =I e data una funzione F(t) e alcune funzioni base f i (t), 1 i p. Se ogni funzione pesa a i allora si puo costruire F(t) = a i f i (t) e dato a = (a 1,..., a p ) R p si puo calcolare Φ(a) = max t I G(t) - F(t) = max t I G(t)- a i f i (t) [ esempio massima deviazione : Φ(a) = max t I G(t)- a i f i (t) ] Se a* minimizza allora risolve il problema di miglior approssimazione (norma infinito) di G(t) attraverso funzioni f i (t). Casi tipici polinomi [ f i (t) = (t) i-1 ] esponenziali [ f i (t) = exp (k i t) (k i fissati ) ] E anche possibile una dipendenza non lineare [es f i (a i,b i,t) = a i exp (b i t) (a i e b i variabili ) ] La miglior approssimazione esiste se le funzioni descrivono un chiuso N.B. Minimo funzione convessa (generica) puo essere espresso come non smooth Se F e convessa e definita in A allora y fissato x A F(x) + F (x) t (y-x ) F( y) ( o analogo ) F(y) = sup x A { F(x) + F (x) t (y-x ) } = sup x A { L(x,y) } = θ (y) min F(y) = min θ (y) { θ nonsmooth}
2 Non basta conoscere x I(x) = { i / f i (x)= Φ(x) } e utilizzare normalmente quella(quelle) funzioni Esempio in R 2 Φ(x) = max { f 1 (x), f 2 (x)} f 1 (x) = 5 ( 9x x 2 2 ) 1/2 se x 1 > x 2 f 2 (x) = 9x x 2 se x 1 x 2 Se x 1 < 0 Φ(x) = f 2 (x) = 9x x 2 Φ (x 1,0) = 9x 1 e inf Φ(x) = - Dato un punto p = (x 1, x 2 ) con 1 > x 1 > x 2 > (9/16) 2 x 1 [ x 1 >0, x 2 > 0, Φ(x) = max { f 1 (x), f 2 (x)} = f 1 (x) ] f 1 (p ) = 5(9x x2 2 ) -1/2 (9 x 1, 16 x 2 ) t e s = (9 x 1, 16 x 2 ) t e parallelo a f 1 (p) Si minimizza f 1 (x ) dal punto p in direzione - f 1 (p ) Se p 0 = p e p 1 = p 0 - λs si ha che p 1 = (y 1, y 2 ) = (x 1 - λ 9 x 1, x 2 - λ16 x 2 ) f 1 (p 1 ) t s = 0 9(x 1 - λ 9 x 1 ) 9 x (x 2 - λ16 x 2 )16 x 2 = 0 Inoltre λ = ( 9 2 x x 2 2 ) / ( 9 3 x x 2 2 ) 9 (9 2 x x 2 2 ) < (9 3 x x 2 2 ) < 16(9 2 x x 2 2 ) e quindi 1/16 < λ < 1/9
3 Per le componenti di p 1 = (y 1, y 2 ), y 1 = x 1 - λ 9 x 1 e y 1 >0 {λ< 1/9 } y 1 < (7/16) x 1 < 1 {λ>1/16 & 1 > x 1 } Da f 1 (p 1 ) t s=0 da cui (9) 2 y 1 x 1 = (16) 2 y 2 x 2 y 1 / y 2 = (16/9) 2 x 2 / x 1 > 1 { x 2 > (9)2 /(16) 2 x 1 } e y 2 /y 1 = (9) 2 /(16) 2 (x 1 / x 2 ) > (9) 2 /(16) 2 {da x 1 > x 2 } e vale anche per p 1 = (y 1,y 2 ) 1> y 1 > y 2 > (9/16) 2 y 1 Si puo costruire una successione p n attraverso il metodo del gradiente p n rimane nella regione con 1> x 1 > x 2 > (9/16) 2 x 1 dove Φ( p n ) = f 1 (p n ) 0 La successione (x 1 ) n e positiva e decrescente ( λ>1/16 ), (x 1 ) n 0 e p n (0,0) (0,0) minimizza f 1 ma non Φ In (0,0) f 1 (0,0) = f 2 (0,0) = Φ In (0,0) f 1 = (0,0), f 2 (x) non e definito (causa x 2 ). La derivata direzionale di f 2 si calcola attraverso i vettori (9,16) e (9,-16)
4 Condizioni di ottimo (funzione min max) x I(x) = { i / f i (x) = Φ(x) }, Se insieme I finito e j I(x), f j (y) < Φ(y) in un intorno di x x non e ottimo se esiste h t.c f i (x) t h < 0 i I(x) { i e α >0 opportuno f i (x+ α h) < f i (x), Φ(x+h) = max { f i (x+ α h)} <Φ(x) } Se A matrice righe f i (x) non esiste h t.c Ah <0 per ogni componente ( teorema alternativa / Lemma di Gordan) Esiste vettore non zero p a componenti 0 tc. A t p = 0 Se ( μ 1,..μ n ) componenti di p pesi μ i i I(x) t.c μ i f i (x) = 0 ovvero i I(x) μ i f i (x) = 0, con μ i 0 [μ i non tutti zero,esempio possibile i μ i =1 ] Il Lemma di Gordan e quindi se x minimizza non esiste h e vale i I(x) μ i f i (x) = 0, μ i 0 [& i μ i =1 ] Viceversa se vale i I(x) μ i f i (x) = 0, μ i 0 [& i μ i =1 ] non esiste h e non e possibile in intorno Φ(y)<Φ(x) perche max { f i (y), i I(x) } Φ(y) < Φ(x) = f i (x), i I(x) } e f i (y) < f i (x) f i (x) t (y-x) < 0 i I(x) Nell esempio precedente la funzione Φ(x) = max { f 1 (x), f 2 (x)} puo essere anche Φ(x) =max { f 1 (x), f 2a (x), f 2b (x) } [ f 2 (x) = max { f 2a (x) =9x x 2, f 2b (x) =9x 1-16 x 2 } ] In (0,0 ) f 1 (x)= f 2a (x) = f 2b (x) e la matrice dei gradienti le tre funzioni coincidono e M = [ f 1 f 2a f 2b ] = Mp = 0 non e possibile con pesi p= ( μ 1,μ 2,μ 3 ), μ i 0 & μ 1 +μ 2 +μ 3 =1 ; la funzione Φ(x) scende se la componente x 1 diminuisce [ pesi = (0,1/2, 1/2 ) ]
5 FUNZIONE CONVESSA Il caso piu caratterizzabile e quello in cui tutte le funzioni f i (x) siano convesse In tal caso max { f i (x), i I} = Φ(x) e una funzione convessa Se f i (x) e differenziabile in x allora f i (y) f i (x) + f i (x) t (y-x) y ovvero Φ(y) f i (y) f i (x) + f i (x) t (y-x) = Φ(x) + f i (x) t (y-x) e i vettori f i (x) i I(x) sono dei sottogradienti di Φ(x) e la condizione i I(x) μ i f i (x) = 0, con μ i > 0 significa 0 Φ(x) {sottodifferenziale di Φ in x }. Nel caso convesso si puo applicare un semplice algoritmo Si suppone di conoscere x il valore Φ(x) e un vettore g Φ(x) Si considera una successione λ k λ k > 0, λ k = + (λ k ) 2 < + ( basta porre λ k = 1/k ) Si parte da un punto arbitrario x 1 e si forma la successione x k+1 = x k λ k g k / g k, g k Φ( x k ) [ ~ discesa lungo gradiente con passo che dipende da λ k (fissato) e ] Si suppone che esista un minimo x* per Φ. Per convessita se g Φ(x) Φ(x) + g t (x*-x) Φ(x*) e g t (x*-x) Φ(x*)- Φ(x) <0 Dalle formule allora x k+1 -x* 2 = x k -x* (λ k / g k ) g k 2 = e la successione x k e limitata x k -x* 2 + λ k 2 + 2(λk / g k ) g k t (x*- xk ) x k -x* 2 +λ k 2 x k+1 -x* 2 x 1 -x* 2 + j =1,k (λ j ) 2
6 Vale anche x k+1 -x* 2 = x 1 -x* 2 + j =1,k (λ j ) j =1,k (λ k / g k ) g k t (x*- xk ) e quindi lim inf g k t (x*-xk ) / g k = 0, [ λ k = +, g t (x*-x) 0, se g k t (x*-xk ) / g k a < 0 la serie diverge ] lim x k -x* = 0 oppure lim g k t (x*-xk ) = 0 ma g k t (x*- xk ) Φ(x*)- Φ( x k ) < 0 e allora lim Φ(x k ) = Φ(x*) Per una sottosuccessione ( x k y punto di ottimo ) e ogni punto limite e punto di ottimo (mettere y al posto di x*) CUTTING PLANE Si possono usare tutte o parte delle informazioni di piu punti (Metodi bundle) Il piu classico e ( Cutting Plane) Si suppone Φ:R n R (x), convessa e di conoscere x il valore Φ(x) e un vettore p Φ(x) [ Se Φ(x) = max { f i (x), i I, f i C 1 } indice j per cui vale Φ(x) = f j (x) e vettore f j (x)] Si ha disposizione un insieme di coppie { (x i p i ), x i R n, p i Φ(x i ), i=1...n+1 } y e possibile calcolare ψ (y)= max { Φ(x i ) + p i t (y-x i ) i =1...n+1 } Se x i e fissato e x k x i allora Φ(x i ) = Φ(x i ) + p i t (x i -x i ) Φ(x k ) + p i t (x i -x k ) Quindi x i ψ (x i ) = Φ(x i ) e min ψ (y) min { Φ(x i ) } Inoltre per convessita y R n Φ(y) Φ(x i ) + p i t (y-x i ) e Φ(y) ψ (y)
7 Se x* minimizza Φ e z minimizza ψ allora Φ( x*) ψ (x*) ψ (z) Si considera il seguente problema (lineare, variabili z R n, ξ R) min ξ con vincoli Φ(x i ) + p i t (z-x i ) ξ i=1...n+1 Problema lineare ovvero min 0 z + ξ p i t z -ξ Φ(x i ) + p i t xi i =1...n+1 min 0 z + ξ -p i t z +ξ Φ(x i ) - p i t xi i =1...n+1 Il cui duale e max μ i ( Φ(x i )- p i t xi ) μ i p i = 0 μ i = 1 Se la matrice (n+1,n+1) di colonne (p i,1) e non singolare e esistono pesi μ i > 0 identifica la base del problema Il vettore (z,ξ) che verifica p i t z -ξ = Φ(x i ) + p i t xi identifica la soluzione duale e ξ = ψ (z ) = min ψ Una ulteriore colonna (-p,1) con p Φ(x) viola la condizione duale se Φ(x) - p t x > -pt z +ξ In particolare per z e q Φ(z) Φ(z) > ξ, e con il simplesso la colonna generata da z (coppia (z,q), q Φ(z)) puo essere scambiata con una delle colonne La colonna eliminata dalla base viene abitualmente cancellata.
8 Alcuni Dettagli Se Φ e convessa definita per x R n allora epi (Φ) = { (x, α) R n+1 t.c Φ(x) α} x* soluzione per min Φ(x) se solo se (x*,φ(x*) ) punto di minimo per (0,1) t (x, α) calcolato per i punti ( x, α) epi(φ) Ogni coppia (x,p) con p Φ(x) identifica le relazioni Φ(y) Φ(x) + p t (y-x) y ovvero se (y, β) epi(φ) β Φ(y) Φ(x) + p t (y-x) La relazione lineare (p,-1) t (y, β) p t x - Φ(x) = (p,-1) (x, Φ(x) ) valida per tutti i punti (y, β) epi(φ) [ e anche per (x*,φ(x*) )] Il problema di minimo equivale al problema lineare con il vincolo ovvero i vincoli min (0,1) t (y, β) = max (0,-1) (y, β) epi(φ) (p,-1) t (y, β) p t x - Φ(x) Dalle condizioni KKT l ottimo x* e caratterizzato da - vincoli lineari (max n+1, se di piu si possono eliminare ) e pesi > 0 (altri non rappresentati ) per cui μ i p i = 0 μ i = 1 Il vettore (z,ξ) che verifica p i t z -ξ = Φ(x i ) + p i t xi e una previsione della soluzione. Se (z,ξ) Epi (Φ ) allora non e la soluzione e puo essere separato da un piano ( separazione punto -convesso) Il piano taglia e costituisce un vincolo violato Se si aggiunge un vincolo lineare il valore del minimo sale e si trova un punto (z +,ξ + ) con ξ + >ξ.
9 Se q Φ(z) allora si genera il piano Φ(z) + q t (y-z) e la condizione Φ(z) > ξ indica la violazione. Si possono scegliere altri punti w q Φ(w) basta che si abbia (q,-1) t (z, ξ) > p t w - Φ(w) [Φ(w) + q (z-w) > ξ ] Se i vettori p i sono di rango massimo la matrice di colonne (p i, -1) e invertibile si puo calcolare il vettore σ per cui σ i p i = q σ i = 1 σ i >0 per almeno una componente e se ρ = min (μ i /σ i, σ i > 0 ) allora ρ q + μ i p i - ρ σ i p i = ρ q + (μ i -ρσ i )p i = 0 ed e possibile cancellare un vincolo ( indice j per cui ρ = μ j /σ j ) e avere una relazione del tipo μ i + p i = 0 μ i + = 1 con valori aggiornati (μ i + ) = (μi -ρσ i ) 0 o valore nuovo ρ Il nuovo punto (z +,ξ + ) verifichera p i t z + -ξ + = p i t z -ξ = Φ(x i ) + p i t xi per i vincoli non cancellati [σ i 0, o μ i /σ i > ρ ] e q t z + - ξ + = Φ(z) + q t z ( per il nuovo vincolo ) E un algoritmo molto semplice e adattabile anche a vincoli convessi. Non converge velocemente e puo avere problemi di stabilita numerica ( se meno di n+1 vincoli alla soluzione ) Gli algoritmi bundle utilizzano tecniche simili ma sono stabilizzati. Si possono aggiungere limitazioni sui passi o generare approssimazioni non lineari (tipo trust), conservare vincoli per limitare la regione, identificare direzione di discesa attraverso soluzioni di minima norma a equazioni θ i + p i = 0 con un numero ristretto ( < n ) vincoli θ i + = 1
NLP KKT 1. Le condizioni necessarie di ottimo per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J
NLP KKT 1 Le condizioni necessarie di ottimo per il problema min f o (x) g i (x) 0 i I h j (x) = 0 j J sono, riferite ad un punto ammissibile x*, μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0
DettagliSQP (Sequential Quadratic Programming ) La soluzione del problema min f o (x) g i (x) = 0, i I
SQP (Sequential Quadratic Programming ) La soluzione del problema min f o (x) g i (x) = 0, i I e caratterizzata dalle condizioni f o (x) + i I μ i g i (x) = 0 e dall ammissibilita ( g i (x) = 0, i I )
DettagliCapitolo 3: Ottimizzazione non vincolata parte II. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte II E. Amaldi DEI, Politecnico di Milano 3.3 Metodi basati su direzioni di ricerca Problema di ottimizzazione non vincolata: min x R n f(x) con f : R n R di
DettagliLAGRANGIANE AUMENTATE
LAGRANGIANE AUMENTATE Le condizioni di minimo vincolato per min f o (x) g i (x) = 0, i I sono legate sia alla funzione P(x,k) = f o (x) +(k/2) g i (x) 2 a al suo minimo x k che alla funzione lagrangiana
DettagliMetodi di Ricerca Lineare
Metodi di Ricerca Lineare Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Metodi di Ottimizzazione
DettagliESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 27 Gennaio 21 ESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno Cognome : Nome : Esercizio 1. Si consideri il seguente problema: min
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliCapitolo 2: Preliminari ed elementi di analisi convessa. E. Amaldi DEIB, Politecnico di Milano
Capitolo 2: Preliminari ed elementi di analisi convessa E. Amaldi DEIB, Politecnico di Milano 2.1 Concetti di base In R n con norma euclidea x S R n è un punto interno di S se ε > 0 tale che B ε (x) =
DettagliTECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE
TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE DI IMMAGINI Ivan Gerace, Francesca Martinelli e Patrizia Pucci Università degli Studi di Perugia Giornate di Algebra Lineare e Applicazioni 2009 Martinelli
DettagliClaudio Estatico Equazioni non-lineari
Claudio Estatico (claudio.estatico@uninsubria.it) Equazioni non-lineari 1 Equazioni non-lineari 1) Equazioni non-lineari e metodi iterativi. 2) Metodo di bisezione, metodo regula-falsi. 3) Metodo di Newton.
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliAnalisi II. Foglio di esercizi n.2 10/10/2017 (Aggiornamento del 17/10/2017)
Analisi II Foglio di esercizi n 10/10/017 (Aggiornamento del 17/10/017) Esercizi su massimi e minimi liberi con studi aggiuntivi 1 Siano K R n compatto e Ω R n un aperto contenente K Si consideri f C 1
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
Dettagli3.7 Metodi quasi-newton
3.7 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f si estraggono informazioni relative alle derivate seconde dalle variazioni di f. Si genera
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Mirano a costruire la soluzione x di un sistema lineare come limite di una successione di vettori Per matrici piene di ordine n il costo computazionale è dell ordine
DettagliProgr. Non Lineare: algoritmi
Progr. Non Lineare: algoritmi Fabio Schoen schoen@ing.unifi.it http://globopt.dsi.unifi.it/users/schoen A.A. 22-23 Programmazione Non Lineare: Cenni sugli algoritmi di ottimizzazione locale Schema generale
DettagliEquazioni differenziali e teoria della misura
SISSA Area Matematica Esame di ammissione per il corso di Analisi Matematica, Modelli e Applicazioni 2 settembre 23 Il candidato risolva CINQUE dei seguenti problemi, e indichi chiaramente sulla prima
DettagliEsonero di Analisi Matematica II (A)
Esonero di Analisi Matematica II (A) Ingegneria Edile, 8 aprile 3. Studiare la convergenza del seguente integrale improprio: + x log 3 x (x ) 3 dx.. Studiare la convergenza puntuale ed uniforme della seguente
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
DettagliAnno accademico
Scuola Normale Superiore Ammissione al 4 anno della Classe di Scienze Prova di Analisi per l ammissione alla Laurea Specialistica in Fisica applicata, Informatica, Matematica, Scienze fisiche, Tecnologie
Dettagli1. Calcolo Differenziale per funzioni di una variabile
1. Calcolo Differenziale per funzioni di una variabile 1.1 Definizione di Derivata e prime proprietà Definizione 1.1 Sia f :]a, b[ R, x 0 ]a, b[. Allora esiste δ > 0 : x 0 + ]a, b[, 0 < < δ. Se esiste
DettagliTeorema delle Funzioni Implicite
Teorema delle Funzioni Implicite Sia F una funzione di due variabili definita in un opportuno dominio D di R 2. Consideriamo l equazione F (x, y) = 0, questa avrà come soluzioni coppie di valori (x, y)
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Metodi Iterativi la soluzione si ottiene tramite approssimazioni
DettagliTutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017
Tutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017 Esercizi: serie di potenze e serie di Taylor 1 Date le serie di potenze a.) n=2 ln(n) n 3 (x 5)n b.) n=2 ln(n)
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate. min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliSISSA Area Matematica Esame di ammissione per il corso di Analisi Matematica, Modelli e Applicazioni 27 marzo 2019
SISSA Area Matematica Esame di ammissione per il corso di Analisi Matematica, Modelli e Applicazioni 27 marzo 2019 Il candidato risolva CINQUE dei seguenti problemi, e indichi chiaramente sulla prima pagina
DettagliUniversita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni
Universita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni ANALISI NUMERICA - Primo Parziale - TEMA A (Prof. A.M.Perdon)
DettagliFacoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica II del
Prova scritta di nalisi Matematica II del 12-06-2001. C1 1) Studiare la convergenza semplice, uniforme e totale della serie di funzioni seguente ( 1) [ n 2 ] n x 1 + n 2 x. n=0 2) Data la funzione (x 2
DettagliANALISI B alcuni esercizi proposti
ANALISI B alcuni esercizi proposti G.P. Leonardi Parte II 1 Limiti e continuità per funzioni di 2 variabili Esercizio 1.1 Calcolare xy log(1 + x ) lim (x,y) (0,0) 2x 2 + 5y 2 Esercizio 1.2 Studiare la
DettagliAllora esistono δ > 0 e σ > 0 tali che. f(x, y) = 0; (2) la funzione ϕ : ]x 0 δ, x 0 + δ [ R, y = ϕ(x), è derivabile e.
16 42 Funzioni implicite Il seguente teorema fornisce una condizione sufficiente affinché, data un equazione della forma f(x, ) = 0, sia possibile determinare come funzione della x Teo 11 (Teorema della
Dettagli4.5 Metodo del gradiente
4.5 Metodo del gradiente Si cerca un punto stazionario di f : R n R con f C 1. Metodo del gradiente con ricerca 1-D esatta: Scegliere x 0, porre k := 0 Iterazione: d k := f(x k ) Determinare α k > 0 tale
Dettagli19. L integrale di Lebesgue: un breve riassunto, I
156 19. L integrale di Lebesgue: un breve riassunto, I Il problema di caratterizzare la classe delle funzioni integrabili secondo Riemann e di capire per quali funzioni vale il teorema fondamentale del
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2018-2019) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliAnalisi Matematica 2 - A
Analisi Matematica 2 - A Soluzione Appello scritto del 29 Gennaio 2013 Esercizio 1 (10 punti Si consideri il Problema di Cauchy { y = y + y(0 = 0, dove y è la funzione incognita ed è la sua variabile.
DettagliFacoltà di Scienze MFN, Università di Cagliari Analisi Matematica 1 (Informatica), a.a. 2007/08. Insiemi numerici: sup A, inf A
Facoltà di Scienze MFN, Università di Cagliari Analisi Matematica 1 (Informatica, a.a. 2007/08 Esercizi: Parte 1 Insiemi numerici: sup A, inf A 1. Verificare se A, nel caso sia non vuoto, è limitato superiormente,
DettagliRISOLUZIONE APPROSSIMATA DI UN EQUAZIONE
RISOLUZIONE APPROSSIMATA DI UN EQUAZIONE Introduzione Si vogliano individuare, se esistono, le radici o soluzioni dell equazione f(x)=0. Se f(x) è un polinomio di grado superiore al secondo o se è una
DettagliAnalisi 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
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
Dettaglif n (x) 3 1. x Essendo g(x) = 3 1
Secondo esonero di Analisi eale 6//9 a.a. 8-9 ) Studiare la convergenza in L p ((, )), p +, della successione di funzioni cos(nx) e nx f n (x) = 3. x Si vede facilmente che la successione f n converge
Dettaglix 3 2x 2 + 6x x 4 3x = lim x(6 2x + x 2 ) x( 3 + x 3 ) (6 2x + x 2 ) ( 3 + x 3 ) = lim = 2
Calcolo di forme indeterminate del tipo 0/0 Quando si deve calcolare il limite di rapporto di funzioni infintesime per x 0, si raccoglie la potenza di x al minimo esponente. Es. lim x 0 x 3 2x 2 + 6x x
Dettagli(1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare)
1 Spazi vettoriali (1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare) (a) R 5 (b) [0, ) (c) x R 2 : x 1 + 2x 2 = 0} (d) x R 2 : x 2 1 + 2x 2 = 0} (e) x R 2 : x 1 > x
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) =
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 7 gennaio 204 Sia M = F (2, 3). Dopo aver mostrato che 20 M, determinare tutti gli elementi ξ M tali che: ξ > 20 Per ogni x R, sia:
Dettagli5.5.6 Convergenza del metodo del simplesso
5.5.6 Convergenza del metodo del simplesso Per concludere l analisi del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il numero di iterazioni è finito, ovvero che, in un numero
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliCALCOLO NUMERICO Prof. L. Gori Prova d esame
CALCOLO NUMERICO Prof. L. Gori Prova d esame 2-7-998 ESERCIZIO. Data la seguente formula di quadratura: f(x)dx = ( ) 3 3 2 f + Af( x) + R 6 0 (.) Determinare A e x in modo che il grado di precisione sia.
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliRisoluzione 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
DettagliComplementi di Analisi Matematica. Foglio di esercizi n.6 16/3/2018 (Aggiornamento del 6/4/2018)
Complementi di Analisi Matematica. Foglio di esercizi n.6 16/3/2018 (Aggiornamento del 6/4/2018) Esercizio 1 Si consideri l insieme Esercizi sulla funzione implicita e superfici Z = {(x, y) R 2 2y xe y
DettagliCompito numero 2 - Compito intero
Esercitazione 6 - Correzione esame dell 8//3 Lucia Pilleri 9//3 Compito numero - Compito intero Esercizio del parziale - del compito intero Risolvere, mediante la fattorizzazione P A = LU, il sistema lineare
DettagliCenni sui metodi iterativi per sistemi lineari. Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015
Cenni sui metodi iterativi per sistemi lineari Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015 Metodi numerici per sistemi lineari Nei metodi diretti la presenza di eventuali elementi nulli nella
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliSi dimostri che la (*) possiede un unica soluzione (u n ) limitata.
Scuola Normale Superiore, ammissione al IV anno del corso ordinario Prova scritta di Analisi Matematica per Fisica, Informatica, Matematica 26 Agosto 2 Esercizio. Siano (a n ) e (b n ) successioni di numeri
Dettagli4.8 Metodi quasi-newton
4.8 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f (x) si estraggono informazioni relative alle derivate seconde dalle variazioni di f (x).
DettagliAnalisi 2 Fisica e Astronomia
Analisi Fisica e Astronomia Appello scritto del 8 Luglio 0. Soluzione Esercizio 7 pti Sia α > 0 un parametro e consideriamo la curva piana γ : [0, ] R γt = t cos, t sin, se t 0, ], e γ0 = 0, 0. t α t α
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliESERCIZI ASSEGNATI IN CLASSE
ESERCIZI ASSEGNATI IN CLASSE INGEGNERIA PER L AMBIENTE E IL TERRITORIO A. A. 2009/2010 LUCA ROSSI 1. Prima settimana Esercizio 1.1. Dimostrare che, dati due insiemi A, B, si ha: (leggi di De Morgan) A
DettagliRisoluzione del compito n. 5 (Luglio 2018/2)
Risoluzione del compito n. 5 (Luglio 2018/2) PROBLEMA 1 Considerate il luogo di zeri S = {(x, y, z) R 3 : z 4+ x 2 + y 2 =0, 2x y + z =0}. a) Giustificando la risposta, dite se S è una curva liscia. b)
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliGli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
Corso di laurea: Fisica ed Astronomia Programma di Analisi Matematica 2 a.a. 2017/18 Docente: Fabio Paronetto Gli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]
Dettagli1. Funzioni implicite
1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,
DettagliAM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE
AM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE Sia g C 1 R 2 ), c R. L insieme γ = γ c := {x, y) R 2 : gx, y) = c} si chiama insieme
DettagliA. Languasco - Esercizi Matematica B - 2. Spazi Vettoriali e Trasformazioni lineari 1
A. Languasco - Esercizi Matematica B - 2. Spazi Vettoriali e Trasformazioni lineari 1 A: Spazi vettoriali e sottospazi Corso di Matematica B - Ingegneria Informatica Testi di Esercizi A1. Provare che l
DettagliSoluzione della Prova Scritta di Analisi Matematica III - 28/02/02. C.L. in Matematica e Matematica per le Applicazioni. Prof. Kevin R.
Soluzione della Prova Scritta di Analisi Matematica III - 28/2/2 C.L. in Matematica e Matematica per le Applicazioni Prof. Kevin R. Payne Esercizio 1. 1a. Teorema: (di ini) Sia Φ : A R n R R dove A è aperto.
DettagliEsame di Analisi Matematica 2 24/7/2013 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 2012/2013
Esame di Analisi Matematica 4/7/013 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 01/013 A Cognome (in STAMPATELLO):... Nome (in STAMPATELLO):... CFU:... Esercizio 1. Sia f : R R una funzione
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 16 gennaio 2013
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 6 gennaio 3 Sia M = F (, 4). Calcolare: rd( 7 6 ). Sia A = Determinare una fattorizzazione LR di A ed utilizzarla per calcolare A.
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
Dettagli1 Analisi mat. I - Esercizi del 13/10/99
Analisi mat. I - Esercizi del //99 ES. Delle seguenti funzioni determinare: il dominio l immagine gli eventuali asintoti l insieme dove sono continue e quali siano estendibili per continuita. Determinare
DettagliAnalisi Matematica II Corso di Ingegneria Biomedica Compito del f(x, y) = x sin y
Analisi Matematica II Corso di Ingegneria Biomedica Compito del 4-- - È obbligatorio consegnare tutti i fogli, anche quelli della brutta. - Le risposte senza giustificazione sono considerate nulle. Esercizio.
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2016-2017) IV Lezione del 06.03.2017 http://www.dmmm.uniroma1.it/ laura.pezza 1 Equazioni
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
DettagliGeometria Algebrica A.A Esercizi. Insiemi algebrici affini, Insiemi algebrici irriducibili.
Geometria Algebrica A.A. 2017 2018 Esercizi Insiemi algebrici affini, Insiemi algebrici irriducibili. Negli esercizi si suppone, se non scritto al contrario, che il campo k sia algebricamente chiuso di
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliSoluzione esercizi 28 ottobre 2011
ANALISI Soluzione esercizi 8 ottobre 0 4.. Esercizio. Siano α e β due numeri reali tali che la loro somma e la loro differenza siano razionali: provare che allora essi sono entrambi razionali. Il teorema
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
DettagliEsercizi scelti di Analisi matematica elementare
Esercizi scelti di Analisi matematica elementare Gianni Gilardi Queste pagina costituiscono il materiale relativo a un corso intensivo di analisi matematica dedicato a quegli studenti del corso di laurea
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
DettagliSISSA Area Matematica Esame di ammissione per il corso di Analisi Matematica, Modelli e Applicazioni 12 aprile 2018
SISSA Area Matematica Esame di ammissione per il corso di Analisi Matematica, Modelli e Applicazioni 12 aprile 2018 Il candidato risolva CINQUE dei seguenti problemi, e indichi chiaramente sulla prima
DettagliLaurea 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
DettagliAnalisi Matematica 2. Michele Campiti. Prove scritte di. Ingegneria Industriale a.a
Michele Campiti Prove scritte di Analisi Matematica 2 Ingegneria Industriale a.a. 20 202 Grafico della funzione f(x, y) := sin(2x 2 y) cos(x 2y 2 ) in [ π/2, π/2] 2 Raccolta delle tracce di Analisi Matematica
DettagliNORMA 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:
DettagliEquazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]).
Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Esempio 1: equazioni polinomiali p N (x)
DettagliAnalisi Matematica 3 (Fisica) Prova scritta del 17 febbraio 2012 Un breve svolgimento delle versioni A
Analisi Matematica 3 (Fisica) Prova scritta del 7 febbraio Un breve svolgimento delle versioni A Vi sarò grato per la segnalazione di eventuali errori. Esercizio. (a) Dimostrare che l equazione () (3 +
DettagliIntegrali Curvilinei
Integrali Curvilinei Gianluca Gorni 11 gennaio 2006 1 Lunghezza di una curva Definizione 1.1. Una curva N-dimensionale è una funzione definita su un intervallo (compatto, se non specificato altrimenti)
DettagliEsercizi. Misti iniziali. Più variabili. 1. Data la funzione. F (x) = x3 3 + x e t2 dt. se ne studino massimi, minimi, flessi, limiti a ±.
Esercizi Misti iniziali. Data la funzione se ne studino massimi, minimi, flessi, iti a ±. 2. Provare che Più variabili F x) = 3. Calcolare, se esistono, i seguenti iti a) b) c) d) x,y),) x 2 + y 2 2 x,y),)
Dettaglinon 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
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
DettagliProgrammazione 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.
DettagliCALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni
CALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2017-2018) V Lezione del 15.03.2018 http://www.dmmm.uniroma1.it/ laura.pezza 1 Metodo di Newton:
Dettagli26 - Funzioni di più Variabili Limiti e Derivate
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 26 - Funzioni di più Variabili Limiti e Derivate Anno Accademico 2013/2014 M.
DettagliProva in itinere di Matematica Pisa, 26 novembre 2005
Università di Pisa - Corso di Laurea in Ingegneria Informatica Prova in itinere di Matematica Pisa, 26 novembre 25 Numero compito: 256 Tempo ora. Non si possono usare calcolatrici. Segnare le risposte
DettagliProva scritta di Matematica Discreta del 15/2/2005
Prova scritta di Matematica Discreta del 15/2/2005 1. a. Quante parole di 6 lettere si possono formare con un alfabeto contenente 25 lettere? b. Quante se sono proibite le doppie (ossia lettere uguali
DettagliCompattezza in spazi di Banach, in spazi di funzioni e in spazi Lp, debole compattezza e Spazi riflessivi
Compattezza in spazi di Banach, in spazi di funzioni e in spazi Lp, debole compattezza e Spazi riflessivi Lucia Miggiano,Emanuela Miggiano,Davide Cera April 5, 2012 1 Compattezza in Spazi di Banach 1.1
Dettaglix = t y = t z = t 3 1 A = B = 1 2
11/1/05 Teoria: Enunciare e discutere il teorema di Lagrange. Esercizio 1. Determinare l equazione cartesiana del piano passante per P 0 = (1,, 1) e contenente i vettori u = (,, ) e v = (1, 5, 4). Risposta
DettagliEsercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
Dettagli