Algoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte I)
|
|
- Ugo Ventura
- 4 anni fa
- Visualizzazioni
Transcript
1 Algoritmi e Strutture Dati (Mod. B) Programmazioe Diamica (Parte I)
2 Numeri di Fiboacci Defiizioe ricorsiva (o iduttiva) F() = F() = F() = F() + F() Algoritmo ricorsivo Fib(: itero) if = or = the retur else retur Fib() + Fib()
3 Tempo di esecuzioe dell algoritmo T( ) = O() T ( ) + T( ) se se Tempo di esecuzioe è O( ) F() F() F() F() F() F() F() F() F() F() F() F() F() F() F()
4 Algoritmo II Fib(:itero) f[] = f[] = for i= to f[i] = f[i] + f[i] retur f[] U array f[] di dimesioe. La complessità i tempo è O(). La complessità i spazio è O(). 7 f [] 8
5 Algoritmo II Fib(:itero) f[] = f[] = for i= to f[i] = f[i] + f[i] retur f[] U array f[] di dimesioe. La complessità i tempo è O(). La complessità i spazio è O(). 7 f [] 8
6 Algoritmo II Fib(:itero) f[] = f[] = for i= to f[i] = f[i] + f[i] retur f[] U array f[] di dimesioe. La complessità i tempo è O(). La complessità i spazio è O(). 7 f [] 8
7 Algoritmo II Fib(:itero) f[] = f[] = for i= to f[] = f[] f[] = f[] f[] = f[] + f[] retur f[] U array f[] di dimesioe. La complessità i spazio è O(). La complessità i tempo è O(). 7 f [] 8 f [] 8 f [] 8
8 Programmazioe Diamica Strategia sviluppata itoro agli ao el campo dei problemi di ottimizzazioe Applicazioe ei casi i cui: ci sia più di ua soluzioe al problema alle soluzioi è associabile u idice di botà (ad esempio: costo, prefereza, etc.) si vuole determiare la soluzioe co idice ottimo (la soluzioe ottima del problema, rispetto all idice di botà )
9 Programmazioe Diamica Caratterizzare la struttura di ua soluzioe ottima Defiire ricorsivamete il valore di ua soluzioe ottima La soluzioe ottima ad u problema cotiee le soluzioi ottime ai sottoproblemi Calcolare il valore di ua soluzioe ottima bottomup (cioè calcolado prima le soluzioi ai casi più semplici) Si usa ua tabella per memorizzare le soluzioi dei sottoproblemi Evitare di ripetere il lavoro più volte: o ricalcolare le soluzioi di sottoproblemi già calcolate. Costruire la (ua) soluzioe ottima.
10 Catea di moltiplcazioe tra matrici Problema: Data ua sequeza di matrici compatibili a al prodotto A, A, A,, A, vogliamo calcolare il loro prodotto. La moltiplicazioe di matrici si basa sulla moltiplicazioe scalare come operazioe elemetare. Vogliamo calcolare il prodotto impiegado il umero miore possibile di moltiplicazioi Il prodotto di matrici o è commutativo......ma è associativo [ (A A ) A = A (A A ) ]
11 Moltiplicazioe tra matrici P[ i, j] = c k = A[ i, k ] B[ k, j] = A: 7 B: P: 7 A: r c B: p q (ma deve valere c =p ) A B: r q : richiede r c q (r p q) moltiplicazioi scalari
12 Moltiplicazioe tra matrici ProdMatrici(A[r,c],B[p,q],P[r,q]: matrice) if c p the ERRORE dimesioi o compatibili retur else for i= to r do for j= to q do sum= for k= to c do sum=sum+a[i,k] B[k,j] P[i,j]=sum P[ i, j] = c k = A[ i, k ] B[ k, j] Tempo di esecuzioe = Q(r c q) Q( )
13 Catea di moltiplcazioe tra matrici matrici: A B C Dimesioi:,, (( A B ) C ) Num Moltiplicazioi Memoria (A B ) = ((A B ) C ) = (A ( B C )) (B C ) = (A (B C )) =
14 Catea di moltiplcazioe tra matrici matrici: A B C D Dimesioi:,,, ((( A B ) C ) D ) : 87 moltiplicazioi ( A B ) = (( A B ) C ) = (( A B ) C ) D = 7 87
15 Catea di moltiplcazioe tra matrici matrici: A B C D Dimesioi:,,, ((( A B ) C ) D ) : 87 moltiplicazioi (( A ( B C )) D ) : moltiplicazioi (( A B )( C D )) : moltiplicazioi ( A (( B C ) D )) : moltiplicazioi ( A ( B ( C D ))) : moltiplicazioi
16 Criterio di scelta Determiare il umero di moltiplicazioi scalari ecessari per i prodotti tra le matrici i ogi paretesizzazioe Scegliere la paretesizzazioe che richiede il umero miimo di moltiplicazioi (criterio di ottimalità) Ma quate soo le paretesizzazioi possibili? per = soo per = soo per > quate soo?
17 Defiizioe di paretesizzazioe Defiizioe: U prodotto di matrici A A A A si dice completamete paretesizzato se: cosiste di ua uica matrice ( = ) oppure per qualche k, è il prodotto, delimitato da paretesi, tra i prodotti completamete paretesizzati A A A A k e A k+ A A A A B A B C A B C D C D (A B) ((A B) C ) (((A B ) C ) D)
18 Defiizioe di paretesizzazioe Defiizioe: U prodotto di matrici A A A A si dice completamete paretesizzato se: cosiste di ua uica matrice ( = ) oppure per qualche k, è il prodotto, delimitato da paretesi, tra i prodotti completamete paretesizzati A A A A k e A k+ A A A C D B C D A B C D B A (C D) (B (C D)) (A (B (C D) ) )
19 Defiizioe di paretesizzazioe Defiizioe: U prodotto di matrici A A A A si dice completamete paretesizzato se: cosiste di ua uica matrice ( = ) oppure per qualche k, è il prodotto, delimitato da paretesi, tra i prodotti completamete paretesizzati A A A A k e A k+ A A A C D A B A B C D (C D) (A B) ((A B )(C D))
20 Quati modi ci soo di paretesizzare? A, A, A,, A Sia P() il umero di modi per calcolare il prodotto di matrici. Suppoiamo che l ultima moltiplicazioe sia (A, A,, A k ) (A k+,, A ) k per ogi scelta di k per (A,A,,A k ) ci soo P(k) possibili paretesizzazioi della secoda porzioe (A k+,,a ) e per ogi scelta di k di (A k+,,a ) ci soo P(k) possibili paretesizzazioi della prima porzioe (A,A,, A k ).
21 Quati modi ci soo di paretesizzare? A, A, A,, A Sia P() il umero di modi di calcolare il prodotto di matrici. Suppoiamo che l ultima moltiplicazioe sia (A, A,, A k ) (A k+,, A ) k Duque, fissato u k, ci soo P(k) P(k) modi. P() = k P(k) P(k) P() = P() 9 8
22 Quati modi ci soo di paretesizzare? Duque, fissato u k, ci soo P(k) P(k) modi. P ( ) = k= P( k) P( k) se = altrimeti Questa è ua equazioe di ricorreza P() 9 8
23 Quati modi ci soo di paretesizzare? Duque, fissato u k, ci soo P(k) P(k) modi. = = = altrimeti se ) ( ) ( ) ( k k P k P P Questa è ua equazioe di ricorreza... la cui soluzioe è la sequeza dei umeri catalai ) ( ) ( = C P Ω = + = ) ( C
24 Quati modi ci soo di paretesizzare? = = = altrimeti se ) ( ) ( ) ( k k P k P P Questa è ua equazioe di ricorreza... la cui soluzioe è la sequeza dei umeri catalai ) ( ) ( = C P Ω = + = ) ( C Quidi: eumerare tutte le possibilità, calcolare il umero di moltiplicazioi e scegliere la paretesizzazioe a costo miore o è praticabile (il umero di possibilità è espoeziale)!
25 Soluzioe co programmazioe diamica Caratterizzare la struttura di ua soluzioe ottima Defiire ricorsivamete il valore di ua soluzioe ottima Calcolare il valore di ua soluzioe ottima bottomup (dal basso verso l alto) Cotruzioe di ua soluzioe ottima. Vediamo ora ua ad ua le fasi del processo di sviluppo
26 Notazioe Deoteremo el seguito co: c : umero di righe della matrice A c i : umero di righe della prima matrice A i c i : umero di coloe della matrice A i A : sia ua paretesizzazioe che il risultato del prodotto A A A A l r : sia ua paretesizzazioe che il risultato del prodotto A l A r
27 Caratterizzare della soluzioe ottima Ua soluzioe al problema della paretesizzazioe ottima di matrici divide il problema ei due sottoproblemi: il prodotto delle prime k matrici A k e il prodotto delle rimaeti k matrici A k+ qualche k). (per La soluzioe fiale (A ) è il risultato del prodotto delle due matrici A k e A k+.
28 Caratterizzare della soluzioe ottima La soluzioe fiale (A ) è il risultato del prodotto delle due matrici A k e A k+. Il costo di ua soluzioe (i.e. del prodotto A ) è allora la somma: costo del prodotto A k, più costo del prodotto A k+, più l costo del prodotto fiale tra le due matrici, cioè c c k c. c[a ] = c[a k ] + c[a k+ ] + c c k c
29 Caratterizzare della soluzioe ottima La soluzioe fiale (A ) è il risultato del prodotto delle due matrici A k e A k+. Il costo del prodotto A è la somma del costo del prodotto di A k più il costo di A k+, più il costo del prodotto fiale tra le due matrici risultati, cioè c c k c. Ma come devoo essere fatte le soluzioi ai due sottoproblemi A k e A k+ per garatire che la soluzioe complessiva (A = A k A k+ ) sia ach essa ottima?
30 Caratterizzare della soluzioe ottima Quello che ci serve che valga è che la struttura delle soluzioi ai sottoproblemi sia aaloga a quella del problema complessivo. Cioè che soluzioi ottime ai sottoproblemi permettao di costruire la soluzioe ottima al problema complessivo. Teorema: Se A = A k A k+ è ua paretesizzazioe ottima del prodotto A A A, allora A k e A k+ soo paretesizzazioi ottime dei prodotti A A k e A k+ A, rispettivamete.
31 Caratterizzare della soluzioe ottima Teorema: Se A = A k A k+ è ua paretesizzazioe ottima del prodotto A A A, allora A k e A k+ soo paretesizzazioi ottime dei prodotti A A k e A k+ A, rispettivamete. Dimostrazioe: Suppoiamo che A = A k A k+ sia ua paretesizzazioe ottima del problema A A A ma che almeo uo tra A k e A k+ o sia ua paretesizzazioe ottima del rispettivo sottoproblema. Il costo c[a ] = c[a k ] + c[a k+ ] + c c k c Suppoiamo che esista ua paretesizzazioe migliore A k delle stesse prime k matrici (cioè c[a k ] < c[a k ]). Allora basterebbe sostituire A k al posto A k per otteere ache ua paretesizzazioe migliore per A.
32 Caratterizzare della soluzioe ottima Teorema: Se A = A k A k+ è ua paretesizzazioe ottima del prodotto A A A, allora A k e A k+ soo paretesizzazioi ottime dei prodotti A A k e A k+ A, rispettivamete. Questo teorema forisce la caratterizzazioe della struttura della soluzioe ottima. Ci dice che ogi soluzioe ottima al problema della paretesizzazioe cotiee al suo itero le soluzioi ottime dei due sottoproblemi. L esisteza di sottostrutture ottime ella soluzioe ottima di u problema è ua delle caratteristiche che vao ricercate per decidere se la tecica di Programmazioe Diamica è applicabile.
33 Defiizioe del valore di ua soluzioe ottima Il secodo passo cosiste el defiire ricorsivamete il valore della soluzioe ottima (alla paretesizzazioe) i termii delle soluzioi ottime (alle paretesizzazioi) dei sottoproblemi.
34 Notazioe Sia C(l,r) il umero ottimo di moltiplicazioi ecessario per calcolare il prodotto A l r dove l r Defiiamo C(,) ricorsivamete come segue: Caso Base: C(l,r) = se l = r
35 Defiizioe del valore di ua soluzioe ottima Defiiamo C(,) ricorsivamete coe segue: Caso Base: C(l,r) = se l = r Caso Iduttivo Suppoiamo che l ultima moltiplicazioe sia A l k A k+ l dove l k r allora C(l,r) = C(l,k) + C(k+,r) + c l c k c r
36 Defiizioe del valore di ua soluzioe ottima Caso Base: C(l,r) = se l = r Caso Iduttivo A l k A k+ l dove l k r allora C(l,r) = C(l,k) + C(k+,r) + c l c k c r Ma per risolvere il ostro problema ci iteressa sapere per quale valore di k si ottiee il valore miimo per C(l,r)
37 Defiizioe del valore di ua soluzioe ottima Caso Base: C(l,r) = se l = r Caso Iduttivo A l k A k+ l dove l k r C(l,r) = C(l,k) + C(k+,r) + c l c k c r Ma o coosciamo il valore di k... quidi dobbiamo tetarli tutti! C( l, r) = mi{ C( l, k) + C( k +, r) + c c c } l k r l k< r
38 Calcolo del valore di ua soluzioe ottima Il terzo passo cosiste el calcolare il valore della soluzioe ottima (alla paretesizzazioe) i termii delle soluzioi ottime (alle paretesizzazioi) dei sottoproblemi.
39 Calcolo del valore di ua soluzioe ottima A partire dall equazioe sotto (risultato del passo ), sarebbe facile defiire u algoritmo ricorsivo che calcola il costo miimo C(,) di A C( l, r) = mi{ C( l, k) l k< r + C( k +, r) + c l c k c r } sel sel < r r Vedremo che tale approccio porta ad u algoritmo di costo espoeziale, o migliore della eumerazioe esaustiva.
40 L R L R C(l,r) = se l = r, C(l,r) = mi l k<r { C(l,k) + C(k+,r) + c l c k c r } altrimeti L R C(,) = mi k < { C(,k) + C(k+,) + c c k c } = C(,) + C(,) + c c c
41 L R L R C(l,r) = se l = r, C(l,r) = mi l k<r { C(l,k) + C(k+,r) + c l c k c r } altrimeti L R C(,) = mi k< { C(,k) + C(k+,) + c c k c } = mi { C(,) + C(,) + c c c, C(,) + C(,) + c c c }
42 L R L R C(l,r) = se l = r, C(l,r) = mi l k<r { C(l,k) + C(k+,r) + c l c k c r } altrimeti L R C(,) = mi k< { C(,k) + C(k+,) + c c k c } = mi { C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c }
43 L R L R C(l,r) = se l = r, C(l,r) = mi l k<r { C(l,k) + C(k+,r) + c l c k c r } altrimeti L R C(,) = mi k< { C(,k) + C(k+,) + c c k c } = mi { C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c }
44 L R L R C(l,r) = se l = r, C(l,r) = mi l k<r { C(l,k) + C(k+,r) + c l c k c r } altrimeti L R C(,) = mi k< { C(,k) + C(k+,) + c c k c } = mi { C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c, C(,) + C(,) + c c c }
Programmazione dinamica vs. divide-et-impera
Programmazioe diamica vs. divide-et-impera Aalogia Soo etrambi paradigmi di sitesi di algoritmi che risolvoo problemi combiado le soluzioi di sottoproblemi Differeza Secodo divide-et-impera si suddivide
DettagliAlgoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte II)
Algoritmi e Strutture Dati (Mod. B) Programmazioe Diamica (Parte II) Calcolo del valore di ua soluzioe ottima Il terzo passo cosiste el calcolare il valore della soluzioe ottima (alla paretesizzazioe)
DettagliAlgoritmi e Strutture Dati Esercizi Prima parte
Algoritmi e Strutture Dati Esercizi Prima parte Esercizio 1 Si cosideri il seguete codice: 1 i 1 2 k 0 3 while i 4 do if A[i] s 5 the k k + 1 6 A[k] A[i] 7 i i + 1 e si dimostri la sua correttezza rispetto
DettagliSomma E possibile sommare due matrici A e B ottenendo una matrice C se e solo se le due matrici hanno lo stesso numero di righe e di colonne.
Matrici Geeralità sulle matrici I matematica, ua matrice è uo schierameto rettagolare di oggetti; le matrici di maggiore iteresse soo costituite da umeri come, per esempio, la seguete: 1 s 6 4 4 2 v t
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
Dettagli0.1 Esercitazioni V, del 18/11/2008
1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k
DettagliAlgebra delle matrici
Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice
DettagliCorso di Linguaggi e Traduttori 1 AA TEORIA DELLA COMPUTAZIONE (cenni)
Corso di Liguaggi e Traduttori 1 AA 2004-05 TEORIA DELLA COMPUTAZIONE cei) 1 Sommario Iterazioe e ricorsioe Relazioi di ricorreza Complessità computazioale 2 Iterazioe e Ricorsioe Dato u problema, la sua
DettagliAlgoritmi e strutture dati
Algoritmi e Strutture Dati Selezioe e statistiche di ordie Problemi di statistiche d ordie Estrarre da gradi quatità di dati u piccolo isieme di idicatori che e rappresetio caratteristiche statisticamete
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
DettagliTEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11
1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........
Dettagli7 LE PROPRIETÀ DEI NUMERI NATURALI. SUCCES- SIONI
7 LE PROPRIETÀ DEI NUMERI NATURALI. SUCCES- SIONI Abbiamo usato alcue proprietà dei umeri aturali che coviee mettere i evideza. Per prima cosa otiamo che N gode delle due proprietà (i 0 N; (ii se N allora
Dettagli2T(n/2) + n se n > 1 T(n) = 1 se n = 1
3 Ricorreze Nel caso di algoritmi ricorsivi (ad esempio, merge sort, ricerca biaria, ricerca del massimo e/o del miimo), il tempo di esecuzioe può essere descritto da ua fuzioe ricorsiva, ovvero da u equazioe
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliRelazioni di ricorrenza
Relazioi di ricorreza Teciche di soluzioe e teorema del metodo pricipale Ugo de' Liguoro - Algoritmi e Sperimetazioi 03/04 - Lez. Relazioi di ricorreza Ci soo metodi geerali per trovare l ordie di gradezza
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
Dettagli11 IL CALCOLO DEI LIMITI
IL CALCOLO DEI LIMITI Il calcolo di u ite spesso si ricodurrà a trattare separatamete iti più semplici, su cui poi si farao operazioi algebriche. Dato che uo o più di questi iti possoo essere ±, bisoga
DettagliDisposizioni semplici
Disposizioi semplici Calcolo combiorio D, K ( ) ( )...( K+ ) co 0< K Di elemeti e K (umero urale) si dicoo disposizioi semplici di elemeti di classe K i raggruppameti otteuti scegliedo K elemeti tra gli
Dettagli9 LIMITI DI SUCCESSIONI NUMERICHE
9 LIMITI DI SUCCESSIONI NUMERICHE Iiziamo ora ad esamiare gli argometi veri e propri di questa prima parte del corso, i cui svilupperemo gli strumeti per giugere a descrivere soddisfacetemete le proprietà
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
Dettaglialgoritmi e strutture di dati
algoritmi e strutture di dati complessità degli algoritmi m.patrigai ota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o limitatamete,
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliProgetto e analisi di algoritmi
Progetto e aalisi di algoritmi Roberto Cordoe DTI - Uiversità degli Studi di Milao Polo Didattico e di Ricerca di Crema Tel. 0373 / 898089 E-mail: cordoe@dti.uimi.it Ricevimeto: su apputameto Web page:
DettagliAlgoritmi e Strutture di Dati
Algoritmi e Strutture di Dati Complessità degli algoritmi m.patrigai Nota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliCAPITOLO 3. Quicksort
CAPITOLO 3 Quicksort I questa lezioe presetiamo l algoritmo di ordiameto Quicksort(vedi []). L algoritmo Quicksort riceve i iput u array A e idici p r ed ordia l array A[p,, r] el modo seguete. L array
DettagliSoluzioni degli esercizi del corso di Analisi Matematica I
Soluzioi degli esercizi del corso di Aalisi Matematica I Prof. Pierpaolo Natalii Roberta Biachii & Marco Pezzulla ovembre 015 FOGLIO 1 1. Determiare il domiio e il sego della fuzioe ( ) f(x) = arccos x
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
DettagliForme Bilineari 1 / 34
Forme Bilieari 1 / 34 Defiizioe applicazioe Dicesi forma bilieare su uo spazio vettoriale V, ua ϕ : V V R che è lieare i etrambi gli argometi, ossìa tale che u,v,w V e a,b R si abbia: ϕ(au + bv,w) =aϕ(u,w)
Dettaglii-esima statistica d ordine di un insieme = i-esimo elemento più piccolo
Geeralità i-esima statistica d ordie di u isieme i-esimo elemeto più piccolo prima statistica d ordie di u isieme miimo -esima statistica d ordie di u isieme di elemeti massimo Mediao di u isieme di elemeti
DettagliRicerca di un elemento in una matrice
Ricerca di u elemeto i ua matrice Sia data ua matrice xm, i cui gli elemeti di ogi riga e di ogi coloa soo ordiati i ordie crescete. Si vuole u algoritmo che determii se u elemeto x è presete ella matrice
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliT n = f n log n = log n. 1 ] 1 ] 1 = sono verificate le disuguaglianze c 1
A.A. 00 05 Esame di Algoritmi e strutture dati luglio 005 Esercizio (6 puti) Risolvere co almeo due metodi diversi la seguete relazioe di ricorreza T = T =T Master Theorem a= b= per cui log b a = log /
DettagliSOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n]
SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 05/6, FOGLIO Sia f : R R defiita da f x { se x [, 3] 0 altrimeti Studiare la covergeza putuale, uiforme e uiforme sui compatti della successioe f e della
DettagliEsercizi sui limiti di successioni
AM0 - AA 03/4 ALFONSO SORRENTINO Esercizi sui iti di successioi Esercizio svolto a) Usado la defiizioe di ite, dimostare che: + 3 si π cos e ) e b) 0 Soluzioe Comiciamo da a) Vogliamo dimostrare che: ε
Dettagli,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
DettagliIl Metodo dei Minimi Quadrati: Alcuni Esempi Svolti. Alessandro Zaccagnini
Il Metodo dei Miimi Quadrati: Alcui Esempi Svolti Alessadro Zaccagii alessadro.zaccagii@uipr.it 14 ottobre 5 Capitolo 1 Modelli lieari 1.1 Defiizioi Ricordiamo le defiizioi: soo date coppie di umeri reali
DettagliTECNICA DIVIDE ET IMPERA
TECNICA DIVIDE ET IMPERA 1. Itroduzioe Data l istaza di u problema, la strategia del divide-et-impera suggerisce di partizioarla i k sotto-istaze i modo da otteere k uove istaze per lo stesso problema
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche
Corso di laurea i Matematica Corso di Aalisi Matematica -2 AA. 0809.. Cooscere. Dott.ssa Sadra Lucete. Successioi umeriche Defiizioe di successioe, isieme degli elemeti della successioe, successioe defiita
DettagliNote per la Lezione 11 Ugo Vaccaro
Progettazioe di Algoritmi Ao Accademico 2017 2018 Note per la Lezioe 11 Ugo Vaccaro Abbiamo visto ella lezioe scorsa u argometo ituitivo secodo il quale il tempo medio di esecuzioe di QuickSort è O( log
Dettagliv = ( v 1,..., v n ).
Lezioe del 21 ovembre. Sistemi lieari 1. Spaio vettoriale R Sia u itero positivo. ssatoمح Cosideriamo lلاiisieme R delle ple ordiate di umeri reali u (u 1, u 2,..., u ), u i R. Al posto di pla ordiata
DettagliLezione 4. Gruppi di permutazioni
Lezioe 4 Prerequisiti: Applicazioi tra isiemi Lezioi e Gruppi di permutazioi I questa lezioe itroduciamo ua classe ifiita di gruppi o abeliai Defiizioe 41 ia X u isieme o vuoto i dice permutazioe su X
DettagliAnalisi Matematica I modulo Soluzioni prova scritta preliminare n. 1
Aalisi Matematica I modulo Soluzioi prova scritta prelimiare 1 Corso di laurea i Matematica, aa 004-005 9 ovembre 004 1 (a) Calcolare il seguete limite: **A***** Soluzioe Si ha ( + log ) ( + log ) lim
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
Dettagli1 Congruenze. Definizione 1.1. Siano a, b, n Z con n 2, definiamo a b (mod n) se n a b.
1 Cogrueze Defiizioe 1.1. Siao a, b, Z co 2, defiiamo a b (mod ) se a b. Proposizioe 1.2. 2 la cogrueza mod è ua relazioe di equivaleza su Z. a a () perché a a a b () b a () a b () b c () a b b c a c =
DettagliLiceo Scientifico Statale G. Stampacchia Tricase Tempo di lavoro 120 minuti
L.Lecci\Compito D\Veerdì geaio 00 1 Oggetto: compito i Classe D/PNI Liceo Scietifico Statale G. Stampacchia Tricase Tempo di lavoro 10 miuti Argometi: Geometria della circofereza- Operazioi co i radicali
DettagliDIPARTIMENTO DI MATEMATICA Università della Basilicata C.da Macchia Romana POTENZA.
DIPARTIMENTO DI MATEMATICA Uiversità della Basilicata C.da Macchia Romaa - 85100 POTENZA. Teorema di esisteza e uicità per le equazioi differeziali del primo ordie Dispesa per il corso di Aalisi Matematica
DettagliIn questo capitolo approfondiremo le nostre conoscenze su sequenze e collezioni,
Cotare sequeze e collezioi Coteuto Sequeze e collezioi di elemeti distiti Sequeze e collezioi arbitrarie 3 Esercizi I questo capitolo approfodiremo le ostre coosceze su sequeze e collezioi, acquisedo gli
DettagliScritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50
Ua delle applicazioi della teoria delle proporzioi è la divisioe di u umero (o di ua gradezza) i parti direttamete o iversamete proporzioali a più umeri o a più serie di umeri dati. Tale tipo di problema
DettagliEsercizi di Analisi Matematica
Uiversità degli Studi di Udie Ao Accademico 00/0 Facoltà di Scieze Matematiche Fisiche e Naturali Corso di Laurea i Iformatica Esercizi di Aalisi Matematica Dott. Paolo Baiti Esercizi del 5 Ottobre 00.
DettagliCOMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Francesca Piersigilli
COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Fracesca Piersigilli ANALISI DI ALGORITMI Aalizzare u algoritmo sigifica prevedere le risorse che esso richiede: MEMORIA TEMPO Per fare ciò assumeremo
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
DettagliAM110 - ESERCITAZIONI V - VI. Esercizio svolto 1. Dimostrare che ogni insieme finito ha un massimo ed un minimo.
AM110 - ESERCITAZIONI V - VI 16-18 OTTOBRE 2012 Esercizio svolto 1. Dimostrare che ogi isieme fiito ha u massimo ed u miimo. Sia A = {a 1,..., a } R. Dimostriamo che A ha u massimo si procede i maiera
DettagliAlgoritmi e Programmazione Avanzata - teoria. Questa lezione si occupa di ordinamenti: gli algoritmi iterativi di ordinamento
lgoritmi e Programmazioe vazata - teoria 1/232 Che cosa c è ella lezioe Questa lezioe si occupa di ordiameti: gli algoritmi iterativi di ordiameto gli algoritmi ricorsivi di ordiameto. 2/232 lgoritmi e
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
DettagliSULLE PARTIZIONI DI UN INSIEME
Claudia Motemurro Ricordiamo la SULLE PRTIZIONI DI UN INSIEME Defiizioe: Ua partizioe di u isieme è ua famiglia { sottoisiemi o vuoti di X tali che: - X è l uioe degli isiemi X i (i I ), cioè X = U i X
DettagliTeoria della Calcolabilità
Teoria della Calcolabilità Si occupa delle questioi fodametali circa la poteza e le limitazioi dei sistemi di calcolo. L'origie risale alla prima metà del vetesimo secolo, quado i logici matematici iiziaroo
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
Dettaglia'. a' e b n y se e solo se x, y, divisi per n danno lo stesso resto.
E.5. Cogrueze Nella sezioe D. (esempio (d)) abbiamo itrodotto la relazioe di cogrueza modulo : dati due umeri iteri x, y e u umero itero positivo diciamo che x è cogruo a y modulo (i formula x y se è u
Dettagli06 LE SUCCESSIONI DI NUMERI REALI
06 LE SUCCESSIONI DI NUMERI REALI Ua successioe è ua fuzioe defiita i. I simboli ua f : A tale che f ( ) è ua successioe di elemeti di A. Se poiamo f ( i) ai co i,...,,..., ua successioe può essere rappresetata
DettagliP(X = k) = (k 1). 2 Infatti, le uniche sequenze di lunghezza k (di T e C) possibili sono
Prima Prova Itermedia testo co soluzioi 5 Aprile 09 Elemeti di Probabilità e Statistica, Laurea Trieale i Matematica, 08-9 M Romito, M Rossi Problema 0 Ua moeta equa viee laciata fio alla prima volta i
DettagliFunzioni continue. Definizione di limite e di funzione continua. Esercizio 1. x 0, 1 x 2, 3
Fuzioi cotiue Defiizioe di limite e di fuzioe cotiua Esercizio. Dire quali delle segueti fuzioi soo cotiue. f : 0,, 3, f 0,, 3 Plot Piecewise,,,,, 0, 3.0 0.8 0.6 0.4 0. f è cotiua. Ifatti, fissiamo y [0,].
DettagliAccenni al calcolo combinatorio
Accei al calcolo combiatorio Dario Malchiodi e Aa Maria Zaaboi ottobre 2017 Pricipio fodametale del calcolo combiatorio: se ci soo s 1 modi per operare ua scelta e, per ciascuo di essi, ci soo s 2 modi
DettagliL ultimo Teorema di Fermat
L ultimo Teorema di Fermat L ultimo teorema di Fermat afferma che l equazioe x + y = z o può avere soluzioi itere di x + y = z co x, y, z > 2 e > 2 itero. La dimostrazioe di questa cogettura è stata sviluppata
DettagliEsercizi Determinare il dominio di de nizione delle seguenti funzioni: a.
Esercizi -. Determiare il domiio di deizioe delle segueti fuzioi a. () = log jj p (jj ) b. () = µ 5 c. d. e. f. g. h. i. j. () =log jj () = 4p j j! Ã () =arcsi () = log 3 + () =log(jj ) p jj () =log(jcos
DettagliSiamo interessati a studiare la convergenza della serie e porremo come al solito:
SERIE DI POTENZE Soo particolari serie di fuzioi, i cui termii soo moomi, evetualmete traslati: f (x) co f (x) =a (x x 0 ), a R, x 0 R, ossia dove a (x x 0 ) = a 0 + a 1 (x x 0 )+a 2 (x x 0 ) 2 +... x
DettagliEquazioni Differenziali
Equazioi Differeziali Nota itroduttiva: Lo scopo di queste dispese o è trattare la teoria riguardo alle equazioi differeziali, ma solo dare u metodo risolutivo pratico utilizzabile egli esercizi che richiedoo
DettagliDelimitazioni inferiori e superiori alla complessita di un problema
Delimitazioi iferiori e superiori alla complessita di u problema Alcue teciche Nozioi prelimiari Ua ozioe prelimiare: albero k-ario completo U U albero k-ario è completo se se tutti i i odi iteri hao k
Dettaglix 1 + x 2 + x 3 = 0 (a) 2x 2 + x 3 = 1 x 1 + x 2 = 2 Poichè la matrice incompleta 1 1 1
Uiversità degli Studi Roma Tre Corso di Laurea i Ottica ed Optometria Tutorato di Istituzioi di Matematica - AA206/207 Docete: Profssa E Scoppola Tutore: Giaclaudio Pietrazzii Esercizio Risolvere i segueti
Dettagli1 Congruenze. Definizione 1.1. a, b, n Z n 2, allora definiamo a b (mod n) se n a b.
1 Cogrueze Defiizioe 1.1. a, b, Z 2, allora defiiamo a b (mod ) se a b. Proposizioe 1.2. 2 la cogrueza mod è ua relazioe di equivaleza su Z. a a () perché a a a b () b a () a b () b c () a b b c a c =
DettagliConsorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni
Cosorzio Nettuo - Corso di Matematica Schede di lavoro guidato per le esercitazioi A cura di Sebastiao Cappuccio SCHEDA N 2 ARGOMENTO: Serie (LEZIONI e 4) ATTIVITA' N : Calcolare la somma delle serie a)
Dettagli(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.
Algebra lieare Matematica CI) 263 Somma di matrici Siao m ed due iteri positivi fissati Date due matrici A, B di tipo m, sommado a ciascu elemeto di A il corrispodete elemeto di B, si ottiee ua uova matrice
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliNozioni preliminari: sia R n lo spazio n-dimensionale dell algebra vettoriale. Un punto in R n e una n-pla di numeri reali (x 1, x 2 x n )
SPAZI TOPOLOGICI: topologia locale (a cui siamo iteressati topologia globale (proprieta a larga scala, come quelle che distiguoo ua sfera da u coo Nozioi prelimiari: sia R lo spazio -dimesioale dell algebra
DettagliSerie numeriche. Esercizi
Serie umeriche. Esercizi Mauro Saita, aprile 204. Idice Serie umeriche.. Serie a termii defiitivamete positivi..............................2 Serie a termii di sego altero.................................
DettagliTrasmissione del calore con applicazioni numeriche: informatica applicata
Corsi di Laurea i Igegeria Meccaica Trasmissioe del calore co applicazioi umerice: iformatica applicata a.a. 5/6 Teoria Parte IV Ig. Nicola Forgioe Dipartimeto di Igegeria Civile e Idustriale E-mail: icola.forgioe@ig.uipi.it;
Dettaglib) La rappresentazione sulla retta numerica: c) Rappresentazione con il diagramma di
) Isiemi umerici. a) La omeclatura. N = {.. } N =. Z = {.. } Z =. Q = {.. } Q =. I = {.. } I =. R = {.. } R =. b) La rappresetazioe sulla retta umerica: c) Rappresetazioe co il diagramma di Rappreseta:
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
DettagliSottospazi associati a matrici e forma implicita. Sottospazi associati a una matrice Dimensione e basi con riduzione Sottospazi e sistemi. Pag.
Spazi vettoriali Sottospazi associati a ua matrice Dimesioe e basi co riduzioe Sottospazi e sistemi 2 Pag. 1 2006 Politecico di Torio 1 Spazi delle righe e delle coloe Sia A M m, ua matrice m x. Allora
DettagliEsercizi sull estremo superiore ed inferiore
AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sull estremo superiore ed iferiore Esercizio svolto. Dire se i segueti isiemi soo limitati iferiormete o superiormete ed, i caso affermativo, trovare l estremo
DettagliTEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER
TEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER I uo spazio euclideo di dimesioe fiita, ad esempio R 3, cosideriamo u sottospazio, ad esempio u piao passate per
DettagliTracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57
Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu
DettagliFoglio 3 Strutture Algebriche, Interi
Esercizi di Algebra I (A.A. 2012-13) prof.ssa Valetia Barucci, prof. Eresto Spielli Foglio 3 Strutture Algebriche, Iteri Esercizio 1. Dimostrare il teorema biomiale: ( ) (a + b) = a k b k N. k Esercizio
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
Dettaglia n (x x 0 ) n. (1.1) n=0
Serie di poteze. Defiizioi Assegati ua successioe {a } di umeri reali e u puto x dell asse reale si dice serie di poteze u espressioe del tipo a (x x ). (.) Il puto x viee detto cetro della serie e i umeri
DettagliMatematica I, Limiti di successioni (II).
Matematica I, 05102012 Limiti di successioi II) 1 Le successioi elemetari, cioe α, = 0, 1, 2, α R), b, = 0, 1, 2, b R), log b, = 1, 2, b > 0, b 1), si, = 0, 1, 2,, cos, = 0, 1, 2,, per + hao il seguete
DettagliGLI INSIEMI NUMERICI
GLI INSIEMI NUMERICI R 2 π 2, _ -,8 2,89 Q Z N -2 2 28-87 -87 _, 7,76267 7 - e 2,7-7 -,6 _ -,627 7 6 R Numeri Reali Q Numeri Razioali Z Numeri Iteri Relativi N Numeri Naturali Dal diagramma di Eulero-Ve
DettagliCenni di calcolo combinatorio
Appedice B Cei di calcolo combiatorio B Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare degli
DettagliProposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.
Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile
DettagliProblem solving elementare su dati scalari. Esercizi risolti
1 Esercizio: Fattoriale Esercizi risolti Si realizzi u programma che, letto u umero, stampi il valore del fattoriale per tutti i umeri da 0 a. Si ricordi che 0!=1. void mai (void) it i,, fatt; pritf ("Valore
DettagliConsideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con
Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
DettagliInformatica 3. Informatica 3. LEZIONE 18: Ordinamento. Lezione 18 - Modulo 1. Introduzione. Analisi algoritmi di ordinamento.
Iformatica 3 Iformatica 3 LEZIONE 18: Ordiameto Lezioe 18 - Modulo 1 Modulo 1: Algoritmi di base Modulo 2: Shellshort Modulo 3: Quicksort Algoritmi di base Politecico di Milao - Prof. Sara Comai 1 Politecico
Dettagli(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.
Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma
Dettagli