APPROSSIMAZIONE di FUNZIONI
|
|
- Nicola Grassi
- 7 anni fa
- Visualizzazioni
Transcript
1 APPROSSIMAZIONE di FUNZIONI Francesca Pelosi Dipartimento di Sc. Matematiche ed Informatiche, Università di Siena CALCOLO NUMERICO a.a APPROSSIMAZIONE di FUNZIONI p.1/3
2 APPROSSIMAZIONE di FUNZIONI: consiste nella sostituzione di una funzione complicata con una più semplice scelta all interno di una classe di funzioni a dimensione finita La funzione da approssimare f(x) non è nota, ma si conoscono alcuni valori y i su un insieme di punti x i, i =, 1,..., n e si vogliono indicazioni sul comportamento della funzione in altri punti (dati sperimentali) modello rappresentativo La funzione da approssimare è nota in forma analitica, ma per il suo calcolo su calcolatore deve essere sostituita con funzioni più semplici APPROSSIMAZIONE di FUNZIONI p.2/3
3 APPROSSIMAZIONE di FUNZIONI Tecniche differenti a seconda del problema specifico comportano utilizzo di distanze diverse per approssimare dati sperimentali affetti da variabilità statica si sceglie la distanza di tipo L 2 (minimi quadrati) per pochi dati e accurati una interpolazione risulta più adeguata per approssimare f(x) per il suo calcolo su calcolatore è necessaria una approssimazione di tipo norma infinito APPROSSIMAZIONE di FUNZIONI p.3/3
4 MIGLIORE APPROSSIMAZIONE LINEARE DEF. Sia S uno spazio lineare normato e : S R un funzionale lineare tale che: 1. f, f S; 2. f = f ; 3. αf = α f, α R, f S; 4. f + g f + g, f, g S; V S un sottospazio lineare di dimensione finita, dim V = N. Preso f S, il problema di migliore approssimazione (m.a.) lineare consiste nel cercare v V tale che: f v f v, v V APPROSSIMAZIONE di FUNZIONI p.4/3
5 MIGLIORE APPROSSIMAZIONE LINEARE Esempio. S = R 2,f = (1, 1) e V il sottospazio di R 2 generato da v 1 = (1, ). Il problema di determinare la m.a. ad f in V consiste nel determinare sulla retta individuata da (1, ) il punto che dista meno da f = (1, 1) secondo la norma prescelta. B(f, r) = {(x, y) R 2 : (1, 1) (x, y) r} f f f V V V (1,) (1,) (,) (2,) (x, y) 1 = x + y, (x, y) 2 = x 2 + y 2, (x, y) = max{ x, y } APPROSSIMAZIONE di FUNZIONI p.5/3
6 MIGLIORE APPROSSIMAZIONE LINEARE TEOREMA (ESISTENZA) Sia f S. Se V ha dimensione finita, allora esiste almeno un v V tale che: f v f v, v V. Dim: Sia B una sfera centrata in f con raggio f : B = {g S : g f f }. B: g soddisfa g f = f ; V : in quanto V spazio lineare; B V = C. Se v C v f f inoltre C ovvero f = f, per cui inf v V f v = inf v C f v APPROSSIMAZIONE di FUNZIONI p.6/3
7 MIGLIORE APPROSSIMAZIONE LINEARE infatti se w V con w / B si ha: f w > f = f quindi lo è un approssimazione migliore di w per f. C è chiuso e limitato in uno spazio a dimensione finita C è un compatto, la norma è un funzionale da S in R, nell insieme C, ammette minimo. esiste un valore in cui raggiunge il valore minimo, e questo è per definizione la migliore approssimazione lineare. APPROSSIMAZIONE di FUNZIONI p.7/3
8 MIGLIORE APPROSSIMAZIONE LINEARE DEF. Sia S uno spazio lineare normato. Una norma : S R si dice stretta, se indicato con B(f, r) = {g S : g f r} la sfera centrata in f con raggio r e comunque presi g 1, g 2 B(f, r), ( g 1 f = g 2 f = r) si ha g = αg 1 + (1 α)g 2, α (, 1) g f < r. Esempio. S = R 2 la norma infinito, (x, y) = max{ x, y } non è stretta, la norma 1, (x, y) 1 = x + y non è stretta, la norma euclidea, (x, y) 2 = x 2 + y 2 è stretta. APPROSSIMAZIONE di FUNZIONI p.8/3
9 MIGLIORE APPROSSIMAZIONE LINEARE TEOREMA (UNICITÀ) Siano S uno spazio lineare strettamente normato e V un sottospazio S di dimensione finita N, la migliore approssimazione (m.a.) a f S con f / V esiste ed è unica. Dim: (Per assurdo) Suppongo che esistano due m.a. v 1, v 2 V ad f S, chiamo d = f v 1 = f v 2. Considero v = 1 2 v v 2, la distanza ottimale: f v = 1 2 f f 1 2 v v 2 = 1 2 (f v 1) (f v 2) 1 2 ( f v 1 + f v 2 ) = 1 2 2d = d. Poichè v 1, v 2 B(f, d ), per ipotesi di norma stretta f v < d. Assurdo, v risulta essere una approssimazione migliore di v 1, v 2. APPROSSIMAZIONE di FUNZIONI p.9/3
10 MIGLIORE APPROSSIMAZIONE LINEARE ESEMPI S = L 2 [a, b], spazio delle funzioni continue con potenza seconda integrabile in [a, b], è uno spazio di Hilbert dotato di prodotto scalare e norma: < f, g >= b a f(x)g(x)dx, f = < f, f >, spazio strettamente normato (norma dei minimi quadrati) S = L p 2 [a, b] con norma: b f = è strettamente normato. a p(x)[f(x)] 2 dx APPROSSIMAZIONE di FUNZIONI p.1/3
11 MIGLIORE APPROSSIMAZIONE LINEARE ESEMPI S = C[a, b] spazio delle funzioni continue in [a, b] con la norma di Chebichev f = max a x b f(x) non è strettamente normato. non è garantita l unicità della m.a. ma dipende dalla scelta del sottospazio. Se V = IP n la soluzione è unica. APPROSSIMAZIONE di FUNZIONI p.11/3
12 M. A. ai minimi quadrati Sia S = L 2 [a, b] e V sottospazio con dim V = N. Data f L 2 [a, b] si cerca un v V tale che f v f v, v V, ovvero b b a [f(x) v (x)] 2 dx a [f(x) v(x)] 2 dx v V b a [f(x) v (x)] 2 dx b Sia {v 1 (x), v 2 (x),..., v N (x)} base di V, v V v(x) = a 1 v 1 (x) + + a N v N (x) a [f(x) v(x)] 2 dx (1) APPROSSIMAZIONE di FUNZIONI p.12/3
13 M. A. ai minimi quadrati Trovare v equivale a trovare la N-upla di coefficienti a 1, a 2,..., a N che rendano minima la f v ovvero dalla [1], si cerca F (a 1, a 2,..., a N ) = F (a 1, a 2,..., a N ) = b a min F (a 1, a 2,..., a N ) a 1,a 2,...,a N {f(x) [a 1 v 1 (x) + + a N v N (x)]} 2 dx. F è derivabile rispetto alle variabili a 1, a 2,..., a N, non ha massimo, (è un paraboloide superiormente illimitato) i punti critici sono tutti e soli punti di minimo si determina il minimo risolvendo il sistema di equazioni normali: F a i (a 1, a 2,..., a N ) =, i = 1,..., N APPROSSIMAZIONE di FUNZIONI p.13/3
14 M. A. ai minimi quadrati F (a 1, a 2,..., a N ) = a i a i = = 2 b a b = 2 a b a [f(x) a i [f(x) b [f(x) a N a j v j (x)] 2 dx j=1 N a j v j (x)] 2 dx j=1 N a j v j (x)]v i (x)dx j=1 f(x)v i (x)dx N b a j v j (x)v i (x)dx j=1 a APPROSSIMAZIONE di FUNZIONI p.14/3
15 M. A. ai minimi quadrati F a i (.) =, i = 1,..., N N b a j j=1 a v j (x)v i (x)dx = b a f(x)v i (x)dx, i = 1,..., N N j=1 < v i, v j > a j =< v i, f >, i = 1,..., N < v 1, v 1 > a 1 + < v 1, v 2 > a < v 1, v N > a N = < v 1, f > < v 2, v 1 > a 1 + < v 2, v 2 > a < v 2, v N > a N = < v 2, f >... < v N, v 1 > a 1 + < v N, v 2 > a < v N, v N > a N = < v N, f > APPROSSIMAZIONE di FUNZIONI p.15/3
16 M. A. ai minimi quadrati Equazioni Normali in forma matriciale Ma = r con a = (a 1, a 2,..., a N ) T, r = (r 1, r 2,..., r N ) T, dove r i =< v i, f >= b a v i (x)f(x)dx, m i,j =< v i, v j >= b a v i (x)v j (x)dx M R N N risulta simmetrica per costruzione m i,j =< v i, v j >=< v j, v i >= m j,i = invertibile e definita positiva b a v j (x)v i (x)dx APPROSSIMAZIONE di FUNZIONI p.16/3
17 M. A. ai minimi quadrati Esempio: Sia f(x) = x 2, S = L 2 [, 1], con norma: 1 f = [f(x)] 2 dx, V = IP 1 con base {1, x}. Lo spazio S risulta strettamente normato, dim(v ) = N = 2 esiste una e una sola soluzione al problema di m.a. nel senso di minimi quadrati. v1(x) = 1, v 2 (x) = x, v(x) = a 1 + a 2 x, m 1,1 = < 1, 1 >= 1 1 1dx = 1 m 1,2 = < 1, x >= 1 1 xdx = x = 1 2 = m 2,1 m 2,2 = < x, x >= 1 x2 dx = x = 1 3 r 1 = < 1, x 2 >= 1 x2 dx = x = 1 3 r 2 = < x, x 2 >= 1 x3 dx = x = 1 4 APPROSSIMAZIONE di FUNZIONI p.17/3
18 M. A. ai minimi quadrati a 1 a 2 = la soluzione a 1 = 1 6, a 2 = 1, la m.a ai minimi quadrati di x 2 nello spazio IP 1 è la retta v (x) = x f(x)=x v * (x)=x 1/ APPROSSIMAZIONE di FUNZIONI p.18/3
19 M. A. ai minimi quadrati la matrice M può essere mal condizionata se V = IP n, con base {1, x, x 2,..., x n } e [a, b] = [, 1], m i,j = 1 x i+j 2 dx = 1 i + j 1 M è la matrice di Hilbert di ordine n, fortemente malcondizionata si può cambiare la base di V, la situazione ottimale si ha per 1 M =... m 1, i = j i,j =< v i, v j >=, i j 1 la base v 1 (x),..., v N (x) si dice ortonormale APPROSSIMAZIONE di FUNZIONI p.19/3
20 M. A. ai minimi quadrati Il sistema alle equazioni normali diventa a 1. a N = < v 1, f >. < v N, f > a 1 =< v 1, f >. a N =< v N, f > v (x) =< v 1, f > v 1 (x) + + < v N, f > v N (x) se la base v 1 (x),..., v N (x) è ortogonale m i,j = k i, i = j, i j M = k 1... k N a 1 = <v 1,f> k 1. a N = <v N,f> k N APPROSSIMAZIONE di FUNZIONI p.2/3
21 M. A. ai minimi quadrati: caso discreto Dati i punti (x 1, f 1 ),..., (x k, f k ) si cerca una funzione che passi vicino f i x i Si vuol misurare: v(x q ) f q, q = 1,..., k APPROSSIMAZIONE di FUNZIONI p.21/3
22 M. A. ai minimi quadrati: caso discreto Si può pensare come differenza tra componenti di due vettori di R k v(x 1 ) f 1.. v(x k ) f k APPROSSIMAZIONE di FUNZIONI p.22/3
23 M. A. ai minimi quadrati: caso discreto Si può pensare come differenza tra componenti di due vettori di R k v(x 1 ) f 1.. v(x k ) Teoricamente qualunque norma va bene, la più semplice è quella euclidea v(x 1 ) f 1.. = k (v(x q ) f q ) 2 q=1 v(x k ) 2 problema della m.a nel senso dei minimi quadrati f k f k APPROSSIMAZIONE di FUNZIONI p.22/3
24 M. A. ai minimi quadrati: caso discreto Si può pensare come differenza tra componenti di due vettori di R k v(x 1 ) f 1.. v(x k ) Teoricamente qualunque norma va bene, la più semplice è quella euclidea v(x 1 ) f 1.. = k (v(x q ) f q ) 2 q=1 v(x k ) 2 problema della m.a nel senso dei minimi quadrati f k S = L 2 [a, b], la 2 è una seminorma, se V S con dim V = N k 2 è una norma stretta in V esistenza e unicità della soluzione f k APPROSSIMAZIONE di FUNZIONI p.22/3
25 M. A. ai minimi quadrati: caso discreto Preso V S, dim V = N con base {v 1 (x), v 2 (x),..., v N (x)} v V, v(x) = N j=1 a jv j (x) il problema di m.a. ai minimi quadrati consiste nel trovare v V tale che: k (v (x q ) f q ) 2 k (v(x q ) f q ) 2, q=1 q=1 v V equivale a trovare la N-upla di coefficienti a 1, a 2,..., a N tale che F (a 1, a 2,..., a N ) = min F (a 1, a 2,..., a N ) a 1,a 2,...,a N F (a 1, a 2,..., a N ) = k N a j v j (x q ) f q q=1 j=1 2. APPROSSIMAZIONE di FUNZIONI p.23/3
26 M. A. ai minimi quadrati: caso discreto i punti critici sono tutti e soli punti di minimo si determina il minimo risolvendo il sistema di equazioni normali: F (a 1, a 2,..., a N ) =, i = 1,..., N a i F a i (a 1, a 2,..., a N ) = ( k q=1 2 N ) j=1 a jv j (x q ) f q v i (x q ) [ k N = 2 q=1 j=1 a jv j (x q )v i (x q ) ] k q=1 f qv i (x q ) F a 1 ( ) =, i = 1,..., N N k v j (x q )v i (x q ) = a j j=1 q=1 k f q v i (x q ), q=1 i = 1,..., N N j=1 < v i, v j > a j =< v i, f >, i = 1,..., N APPROSSIMAZIONE di FUNZIONI p.24/3
27 M. A. ai minimi quadrati: caso discreto Equazioni Normali in forma matriciale Ma = r con a = (a 1, a 2,..., a N ) T, r = (r 1, r 2,..., r N ) T, dove r i =< v i, f >= k v i (x q )f q, m i,j =< v i, v j >= q=1 k v i (x q )v j (x q ) q=1 Analogamente M R N N risulta simmetrica per costruzione invertibile e definita positiva può essere mal condizionata si considereano basi ortogonali/ortonormali rispetto al prodotto scalare. APPROSSIMAZIONE di FUNZIONI p.25/3
28 M. A. ai minimi quadrati: caso discreto Esempio: Dati i punti (, 1), (2, 1), (1, ), si vuol trovare la m.a. ai minimi quadrati in V = IP 1. con base {1, x}. Lo spazio S risulta strettamente normato, dim(v ) = N = 2 esiste una e una sola soluzione al problema di m.a. nel senso di minimi quadrati. v1(x) = 1, v 2 (x) = x, v(x) = a 1 + a 2 x, m 1,1 = < 1, 1 >= = 3 m 1,2 = < 1, x >= = 3 = m 2,1 m 2,2 = < x, x >= = 5 r 1 = < 1, f >= = 2 r 2 = < x, f >= = a 1 = a 2 2 la soluzione a 1 = 2 3, a 2 =, la m.a ai minimi quadrati dei punti assegnati nello spazio IP 1 è la retta costante v (x) = 2 3. APPROSSIMAZIONE di FUNZIONI p.26/3
29 M. A. ai minimi quadrati: caso discreto Esempio: Dati i punti (, 1), (2, 1), (1, ), si vuol trovare la m.a. ai minimi quadrati in V = IP 1. con base {1, x}. Lo spazio S risulta strettamente normato, dim(v ) = N = 2 esiste una e una sola soluzione al problema di m.a. nel senso di minimi quadrati. v1(x) = 1, v 2 (x) = x, v(x) = a 1 + a 2 x, m 1,1 = < 1, 1 >= = 3 m 1,2 = < 1, x >= = 3 = m 2,1 m 2,2 = < x, x >= = r 1 = < 1, f >= = 2 r 2 = < x, f >= = a 1 = a 2 2 la soluzione a 1 = 2 3, a 2 =, la m.a ai minimi quadrati dei punti assegnati nello spazio IP 1 è la retta costante v (x) = APPROSSIMAZIONE di FUNZIONI p.26/3
30 M. A. ai minimi quadrati: caso discreto Se la matrice M risulta mal condizionata: F (a 1, a 2,..., a N ) = k q=1 N j=1 a j v j (x q ) f q 2 = N j=1 a jv j (x 1 ) N j=1 a jv j (x 2 ). N j=1 a jv j (x k ) f 1 f 2. f k 2 2 = a 1 v 1 (x 1 ) + + a N v N (x 1 ) a 1 v 1 (x 2 ) + + a N v N (x 2 ). a 1 v 1 (x k ) + + a N v N (x k ) f 1 f 2. f k 2 2 APPROSSIMAZIONE di FUNZIONI p.27/3
31 M. A. ai minimi quadrati: caso discreto Posto v 1 (x 1 ) v N (x 1 ) v 1 (x 2 ) v N (x 2 ) G = R k N,... v 1 (x k ) v N (x k ) f 1 a 1 f 2 a 2 f = R k, a = R N.. f k a N F (a 1, a 2,..., a N ) = Ga f 2 2 G è la matrice di Gram rettangolare con g i,j = v j (x i ) APPROSSIMAZIONE di FUNZIONI p.28/3
32 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: interpolazione è un caso particolare di approssimazione: k = dim V = N k = 4 > N = 2 k = 3 > N = 2 k = 2 = N = 2 APPROSSIMAZIONE di FUNZIONI p.29/3
33 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica APPROSSIMAZIONE di FUNZIONI p.3/3
34 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data APPROSSIMAZIONE di FUNZIONI p.3/3
35 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data 1 5th degree APPROSSIMAZIONE di FUNZIONI p.3/3
36 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data 1 5th degree 6th degree APPROSSIMAZIONE di FUNZIONI p.3/3
37 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data 1 5th degree 6th degree 8th degree APPROSSIMAZIONE di FUNZIONI p.3/3
38 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data 1 5th degree 6th degree 8th degree 1th degree APPROSSIMAZIONE di FUNZIONI p.3/3
39 M. A. ai minimi quadrati: caso discreto OSSERVAZIONE: Aumentando il grado del polinomio possono sorgere problemi di instabilità numerica data 1 spline Si ricorre alle funzioni polinomiali a tratti (spline) APPROSSIMAZIONE di FUNZIONI p.3/3
Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliINTERPOLAZIONE. Francesca Pelosi. Dipartimento di Matematica, Università di Roma Tor Vergata. CALCOLO NUMERICO e PROGRAMMAZIONE
INTERPOLAZIONE Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ INTERPOLAZIONE p./8 INTERPOLAZIONE Nella
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
DettagliALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,
ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
DettagliApprossimazione di dati e funzioni
Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Generalità Problema 1 Dati (x i, y i ) i =
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Il best fitting In molte applicazioni accade di avere una certa quantità di dati (solitamente elevata) e di voler descrivere l andamento del fenomeno che ha
DettagliAnalisi Matematica T1 (prof.g.cupini) (CdL Ingegneria Edile Polo Ravenna) REGISTRO DELLE LEZIONI A.A
Analisi Matematica T1 (prof.g.cupini) (CdL Ingegneria Edile Polo Ravenna) REGISTRO DELLE LEZIONI A.A.2012-2013 (Grazie agli studenti del corso che comunicheranno eventuali omissioni o errori) 25 SETTEMBRE
DettagliProdotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliEsercizi di Complementi di Matematica (L-Z) a.a. 2015/2016
Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016 Prodotti scalari e forme bilineari simmetriche (1) Sia F : R 2 R 2 R un applicazione definita da F (x, y) = x 1 y 1 + 3x 1 y 2 5x 2 y 1 + 2x 2
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
Dettagli1 Massimi e minimi per funzioni di n variabili
Corso di laurea in Fisica A.A. 2008/09 Contenuto sintetico del corso di Analisi Matematica II-B 1 Massimi e minimi per funzioni di n variabili 1.1 Massimi e minimi relativi 1.1.1 Condizioni al primo ordine
DettagliProgramma delle lezioni svolte nel corso CLEM di Matematica Generale, Lettere M-Z, Prof. F. Manzini.
Programma delle lezioni svolte nel corso CLEM di Matematica Generale, Lettere M-Z, Prof. F. Manzini. 1. Generalità sul corso e sulle modalità di esame. Insiemi ed operazioni sugli insiemi. Applicazioni
DettagliAppunti sul corso di Complementi di Matematica mod. Analisi prof. B.Bacchelli - a.a. 2010/2011.
Appunti sul corso di Complementi di Matematica mod. Analisi prof. B.Baccelli - a.a. 2010/2011. 06 - Derivate, differenziabilità, piano tangente, derivate di ordine superiore. Riferimenti: R.Adams, Calcolo
DettagliMATRICI E SISTEMI LINEARI
- - MATRICI E SISTEMI LINEARI ) Calcolare i seguenti determinanti: a - c - d - e - f - g - 8 7 8 h - ) Calcolare per quali valori di si annullano i seguenti determinanti: a - c - ) Calcolare il rango delle
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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
Dettagliappuntiofficinastudenti.com 1. Strutture algebriche e polinomi
1. Strutture algebriche e polinomi Cenni su linguaggio di Teoria degli Insiemi: appartenenza, variabili, quantificatori, negazione, implicazione, equivalenza, unione, intersezione, prodotto cartesiano,
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliProva di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo Universitá del Salento, 9 Aprile 2013 1 1 TEMA I Il candidato svolga una ed una sola delle dissertazioni proposte, illustrando sinteticamente
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliI NUMERI. Si dice "radice quadrata" di un numero positivo a, quel numero positivo b che elevato al quadrato dà come risultato a.
Questa dispensa rappresenta una breve introduzione ai numeri reali e alla loro Topologia, minimo necessario per affrontare serenamente lo studio dell ANALISI MATEMATICA. Inoltre non si ha la pretesa che
DettagliEsercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3.
Esercizi. Soluzioni.. Siano dati i vettori,, R. (i) Far vedere che formano una base di R. (ii) Ortonormalizzarla col metodo di Gram-Schmidt. (iii) Calcolare le coordinate del vettore X = 5 Sol. (i) Usiamo
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliRichiami sugli insiemi numerici
Richiami sugli insiemi numerici denota l insieme vuoto cioè l insieme privo di elementi. N = {1, 2, 3,...} denota l insieme dei numeri naturali. Z = {..., 2, 1, 0, 1, 2,...} denota l insieme dei numeri
DettagliRegola dei trapezi. a, b punti fissi a priori. non fissi a priori (indeterminati) errore di integrazione. a, b
INTEGRAZIONE NUMERICA (Quadratura di Gauss) Regola dei trapezi I ( b a) f ( a) + f ( b) f (x) errore di integrazione f (x) f (a) f (b) a b x a a ' b' b x a, b punti fissi a priori a, b non fissi a priori
DettagliSoluzioni dello scritto di Analisi Matematica II - 10/07/09. C.L. in Matematica e Matematica per le Applicazioni
Soluzioni dello scritto di Analisi Matematica II - /7/9 C.L. in Matematica e Matematica per le Applicazioni Proff. K. Payne, C. Tarsi, M. Calanchi Esercizio. a La funzione f è limitata e essendo lim fx
DettagliQUADERNI DIDATTICI. Dipartimento di Matematica. Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica
Università ditorino QUADERNI DIDATTICI del Dipartimento di Matematica E Abbena, G M Gianella Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica Quaderno # 6 - Aprile 003 Gli esercizi proposti
Dettaglidipendenti. Cosa possiamo dire sulla dimensione di V?
Esercizi Esercizi. In uno spazio vettoriale V ci sono tre vettori v, v 2, v linearmente indipendenti. Cosa possiamo dire sulla dimensione di V? 2. In uno spazio vettoriale V ci sono tre vettori v, v 2,
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliA.A. 2016/17 - Analisi Matematica 1
A.A. 2016/17 - Analisi Matematica 1 Argomenti svolti, libro di testo di riferimento: P. Marcellini, C. Sbordone: Elementi Calcolo. Liguori Editore. O. Bernardi: Temi d esame senza tema. Ed. Libreria Progetto.
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliANALISI MATEMATICA 1. (Ingegneria Industriale, corsi A e B) Esempi di prove scritte
ANALISI MATEMATICA 1 (Ingegneria Industriale, corsi A e B) Esempi di prove scritte Rispondere ai quesiti a risposta multipla Qi, risolvere gli esercizi Ei, enunciare le definizioni Di e svolgere le dimostrazioni
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
Dettagliiv Indice c
Indice Prefazione ix 1 Numeri 1 1 Insiemi e logica 1 1.1 Concetti di base sugli insiemi 1 1.2 Un po di logica elementare 9 2 Sommatorie e coefficienti binomiali 13 2.1 Il simbolo di sommatoria 13 2.2 Fattoriale
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
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliINTERPOLAZIONE POLINOMIALE
Capitolo 5 INTERPOLAZIONE POLINOMIALE Un problema che frequentemente si presenta in matematica applicata è quello dell approssimazione di funzioni, che consiste nel determinare una funzione g, appartenente
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
DettagliDipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria II assegnati da dicembre 2000 a dicembre 2003
Dipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria assegnati da dicembre 2000 a dicembre 2003 11/12/2000 n R 4 sono assegnati i punti A(3, 0, 1, 0), B(0, 0, 1, 0), C(2, 1, 0,
Dettagliii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli......
Indice Prefazione vii 1 Matrici e sistemi lineari 1 1.1 Le matrici di numeri reali................. 1 1.2 Nomenclatura in uso per le matrici............ 3 1.3 Matrici ridotte per righe e matrici ridotte
DettagliPROGRAMMA. Capitolo 1 : Concetti di base: numeri reali, funzioni, funzioni reali di variabile reale.
PROGRAMMA Capitolo 1 : Concetti di base: numeri reali, funzioni, funzioni reali di variabile reale. Gli insiemi numerici oggetto del corso: numeri naturali, interi relativi, razionali. Operazioni sui numeri
DettagliGEOMETRIA E ALGEBRA LINEARE Soluzioni Appello del 17 GIUGNO Compito A
Soluzioni Appello del 17 GIUGNO 2010 - Compito A a) Se h = 7 il sistema ha infinite soluzioni (1 variabile libera), mentre se h 7 la soluzione è unica. b) Se h = 7 allora Sol(A b) = {( 7z, 5z + 5, z),
DettagliEsercizi di Geometria - 2
Esercizi di Geometria - 2 Samuele Mongodi - s.mongodi@sns.it La prima sezione contiene alcune domande aperte e alcune domande verofalso, come quelle che potrebbero capitare nel test. E consigliabile, nel
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
Dettagli{ x + 2y = 3 αx + 2y = 1 αx + y = 0. f(x) = e x 2 +3x+4 x 5. f(x) = x 3 e 7x.
0 Gennaio 006 Teoria: Definizione di derivata puntuale e suo significato geometrico Esercizio Determinare l equazione del piano contenente i vettori u = (,, 3 e v = (,, e passante per P o = (,, Scrivere
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliQuale delle seguenti rappresentazioni del numero reale è in virgola mobile normalizzata?
Quale delle seguenti istruzioni MATLAB esegue il calcolo del raggio spettrale di una matrice quadrata A? a. max(eig(abs(a))) b. max(abs(eig(a))) c. abs(max(eig(a))) d. max(abs(eig(a *A))) Il raggio spettrale
DettagliMatematica per l Economia Sottoinsieme L-Z Dipartimento di Economia Universitá degli Studi di Bari 3) FUNZIONI. Giovanni Villani
Matematica per l Economia Sottoinsieme L-Z Dipartimento di Economia Universitá degli Studi di Bari 3) FUNZIONI Giovanni Villani FUNZIONI Definizione 1 Assegnati due insiemi A e B, si definisce funzione
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliMATEMATICA GENERALE CLAMM AA 15-16
MATEMATICA GENERALE CLAMM AA 5-6 PROGRAMMA PARTE ALGEBRA LINEARE () Sistemi lineari e matrici: sistemi triangolari; a scala e loro risolubilità; matrice dei coefficienti e vettore dei termini noti; vettore
Dettagli(c) Stabilire per quali valori di h is sistema ammette un unica soluzione:
ognome e Nome: orso di Laurea: 4 settembre 3. Sia L: R 3! R 3 l applicazione lineare x x y + z L @ ya = @ x + y +za. z x y z (a) Scrivere la matrice A che rappresenta L nella base canonica di R 3 : (b)
DettagliQuali condizionisi si possono richiedere sulla funzione interpolante?
INTERPOLAZIONE Problema generale di INTERPOLAZIONE Dati n punti distinti ( i, i ) i=,..,n si vuole costruire una funzione f() tale che nei nodi ( i ) i=,..n soddisfi a certe condizioni, dette Condizioni
DettagliEsame di Geometria - 9 CFU (Appello del 20 Giugno A)
Esame di Geometria - 9 CFU (Appello del 20 Giugno 2012 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio 1. Siano dati, al variare del parametro k R, i piani: π 1 : x 2y + 2z = 2, π 2 : z =
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
DettagliAnalisi Matematica e Geometria 1
Michele Campiti Prove scritte di Analisi Matematica e Geometria 1 Ingegneria Industriale aa 2015 2016 y f 1 g 0 La funzione seno e la funzione esponenziale Raccolta delle tracce di Analisi Matematica e
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
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
DettagliCorso di Laurea in Ingegneria, Settore Informazione (gruppi 2-3), A.A. 2007/2008 Docente: Antonio Ponno
Programma del Corso di Matematica A Corso di Laurea in Ingegneria, Settore Informazione (gruppi 2-3), A.A. 2007/2008 Docente: Antonio Ponno Premessa (D) dopo un teorema o una proposizione citati sta ad
DettagliFacoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A
Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A. 5-6 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 5//5 ) Dato un triangolo, siano a, b le lunghezze di
DettagliRegistro di Meccanica /13 - F. Demontis 2
Registro delle lezioni di ISTITUZIONI ED ESERCITAZIONI DI MATEMATICA 1 Corso di Laurea in Chimica 8 CFU - A.A. 2015/2016 docente: Francesco Demontis ultimo aggiornamento: 17 dicembre 2015 1. Lunedì 05/10/2015,
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 2 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.5, 3.6,
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
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)
DettagliCalcolo differenziale per funzioni in più variabili.
Calcolo differenziale per funzioni in più variabili. Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 14 dicembre 2014 Paola Mannucci e Alvise Sommariva Calcolo
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliProposizioni. Negazione di una proposizione. Congiunzione e disgiunzione di due proposizioni. Predicati. Quantificatori.
Corso di laurea in Ingegneria elettronica e informatica - A13 Programma di Analisi matematica 1 - A13106 Anno accademico 2015-2016 Prof. Giulio Starita 1 - Insiemi, logica, numeri I concetti primitivi.
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliCorso di Algebra lineare - a.a Prova scritta del Compito A
Prova scritta del 23.02.2009 Compito A Esercizio 1. Sia Oxyz un sistema di riferimento ortonormale in uno spazio euclideo di dimensione 3. Siano inoltre P 1, P 2 e Q i punti di coordinate rispettivamente
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
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
DettagliFunzioni Monotone. una funzione f : A B. si dice
Funzioni Monotone una funzione f : A B si dice strettamente crescente: 1, 2 A, 1 < 2 f( 1 ) < f( 2 ). crescente: 1, 2 A, 1 < 2 f( 1 ) f( 2 ). strettamente decrescente: 1, 2 A, 1 < 2 f( 1 ) > f( 2 ). decrescente:
DettagliEsercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3
Esercitazione di Geometria I 13 dicembre 2008 a. Completa la seguente definizione: i vettori v 1, v 2,..., v n del K-spazio vettoriale V si dicono linearmente dipendenti se... b. Siano w 1, w 2, w 3 vettori
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Autovalori ed Autovettori di una matrice Siano Se A = (a i,j ) i,j=1,...,n R n n, 0 x = (x i ) i=1,...,n R n λ R Ax = λx (1) allora λ è detto autovalore di
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliCorso di Laurea in Matematica Geometria 2. Esercizi di preparazione allo scritto a.a Topologia
Corso di Laurea in Matematica Geometria 2 Esercizi di preparazione allo scritto a.a. 2015-16 Esercizio 1. Dimostrare che Topologia 1. d(x, y) = max 1 i n x i y i definisce una distanza su R n. 2. d(x,
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliG. C. Barozzi - C. Corradi Matematica ( per le scienze economiche e statistiche. il Mulino
G. C. Barozzi - C. Corradi Matematica ( per le scienze economiche e statistiche il Mulino ---- - Giulio Cesare Barozzi - Corrado Corradi V... o ; _,~? - - - ~ u. - ] 1 0 e CA j L 11;~..?..$["_! - - --
DettagliISTITUTO SUPERIORE XXV APRILE LICEO CLASSICO ANDREA DA PONTEDERA classi 5A-5B PROGRAMMA DI MATEMATICA
ISTITUTO SUPERIORE XXV APRILE LICEO CLASSICO ANDREA DA PONTEDERA classi 5A-5B PROGRAMMA DI MATEMATICA PRIMA PARTE Intervallo limitato di numeri reali Dati due numeri reali a e b, con a
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
Dettagli