Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie"

Transcript

1 Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, Lezione 5-31 ottobre 2005

2 Outline 1 Il problema di Cauchy Il problema di Cauchy Stabilità del problema 2 Il metodo di Eulero Il metodo di Crank-Nicolson 3 Convergenza e stima dell errore Stabilità assoluta 4 Solutori Sistema di equazioni differenziali

3 Il problema di Cauchy Il problema di Cauchy Stabilità del problema Problema Sia I un intervallo di R, data f : I R R, trovare y : I R derivabile tale che { y (C) (t) = f (t, y(t)) t I y(t 0 ) = y 0. Teorema Se la funzione f è continua in I R e lipschitziana rispetto a y, cioè esiste L > 0 tale che f (t, y 1 ) f (t, y 2 ) L y 1 y 2 t I, y 1, y 2 R, allora esiste una ed una sola y : I R soluzione del problema di Cauchy.

4 Esempio Il problema di Cauchy Stabilità del problema Un problema di Cauchy senza soluzione Si consideri la funzione f : R 2 R data da { 1 se y 0, t R, f (t, y) = 1 se y < 0, t R, allora il problema di Cauchy { y (t) = f (t, y) per t R y(0) = 0 non ha soluzione.

5 Esempio Il problema di Cauchy Stabilità del problema Un problema di Cauchy con infinite soluzioni { y (t) = 2 y per t R y(0) = 0 Si verifica facilmente che le funzioni: y(t) = 0 t R; y(t) = t t t R sono due possibili soluzioni del problema di Cauchy considerato. Inoltre, per ogni a R si può trovare una soluzione di questo problema di Cauchy con la seguente espressione: { 0 se t < a y(t) = (t a) 2 se t a.

6 Esempio Il problema di Cauchy Stabilità del problema Un problema di Cauchy la cui soluzione non è definita su tutto R. { y (t) = 1 + y 2 per t R y(0) = 0 La funzione f : R 2 R è definita e continua per ogni (t, y) R 2, ma la soluzione y(t) = tan t è definita solo per t ] π/2, π/2[.

7 Dipendenza continua dai dati Il problema di Cauchy Stabilità del problema Consideriamo il seguente problema: { z (t) = f (t, z(t)) + δ(t) per t I z(t 0 ) = y 0 + δ 0. Definizione Sia I un insieme limitato. Il problema di Cauchy si dice stabile se per ogni perturbazione (δ 0, δ(t)) che soddisfa δ 0 < ε, max δ(t) < ε, t I con ε > 0, la soluzione z del problema perturbato verifica: C > 0 : max y(t) z(t) < Cε. t I

8 Dipendenza continua dai dati Il problema di Cauchy Stabilità del problema Proposizione Sia I = [0, T ], f : I R R continua su I R e sia L la costante di Lipschitz di f rispetto a y, cioè vale f (t, y 1 ) f (t, y 2 ) L y 1 y 2 (t, y 1 ), (t, y 2 ) I R. Allora il problema di Cauchy (C) è stabile e vale la seguente maggiorazione max y(t) z(t) elt 1 t I L max δ(t) + e LT δ 0. t I

9 Il metodo di Eulero esplicito Il metodo di Eulero Il metodo di Crank-Nicolson Consideriamo: una partizione dell intervallo I = [t 0, T ] in un numero finito di intervalli [t n, t n+1 ] per n = 0,..., N h 1; h n = t n+1 t n per n = 0,..., N h 1; h = max n h n passo di discretizzazione. In ogni punto t n si cerca un valore u n che approssimi il valore di y n = y(t n ). Metodo di Eulero in avanti u n+1 = u n + h n f (t n, u n ) n = 0, 1,..., N h 1.

10 Il metodo di Eulero Il metodo di Crank-Nicolson Derivazione del metodo di Eulero in avanti Il metodo di Eulero in avanti può essere ottenuto in modi diversi: sostituendo la derivata prima con il rapporto incrementale in avanti: y (t n ) = y(t n+1) y(t n ) h n ; mediante una formula di quadratura, in tutto l intervallo [t n, t n+1 ] si approssima la funzione con il valore che assume nel primo estremo: tn+1 y(t n+1 ) = y(t n ) + y (τ)dτ = y(t n ) + t n tn+1 t n f (τ, y(τ))dτ = y(t n ) + h n f (t n, y(t n )).

11 Il metodo di Eulero all indietro Il metodo di Eulero Il metodo di Crank-Nicolson Metodo di Eulero all indietro u n+1 = u n + h n f (t n+1, u n+1 ) n = 0, 1,..., N h 1. Il metodo di Eulero all indietro si ricava sostituendo alla derivata prima il rapporto incrementale all indietro: y (t n+1 ) = y(t n+1) y(t n ) h n.

12 I metodi di Eulero Il metodo di Eulero Il metodo di Crank-Nicolson Metodi espliciti Il metodo di Eulero in avanti si dice esplicito perché la soluzione u n+1 dipende solo dal valore precedentemente calcolato. Metodi impliciti Il metodo di Eulero all indietro viene detto implicito perché la soluzione u n+1 compare sia a sinistra che a destra tramite la funzione f. Quindi ad ogni passo temporale si deve risolvere un equazione non lineare.

13 Esercizio Il metodo di Eulero Il metodo di Crank-Nicolson Esercizio Dato N R. Si consideri passo costante h = (T t 0 )/N. Scrivere una function che realizzi il metodo di Eulero esplicito a passo costante function [t,u]=eulero avanti(f,t0,t,y0,n) dove t, u sono i vettori che contengono i valori di t n e u n rispettivamente per n = 0,..., N. f è il nome di una function che contiene l espressione di f (t, y) in funzione di t, y. t0, T sono gli estremi dell intervallo I. y0 è il valore iniziale. N il numero dei passi da effettuare a passo costante.

14 Traccia dell esercizio Il metodo di Eulero Il metodo di Crank-Nicolson Calcolare h. Calcolare i punti del vettore t con il comando linspace. Ciclo for n=1:n. Valuta la funzione f in (t n, u n ). Calcola valore della componente n+1 di u.

15 Esercizio Il metodo di Eulero Il metodo di Crank-Nicolson Esercizio Sia N=[ ]. Scrivere un programma di tipo script che per ogni valore di N: calcola, usando la function dell esercizio precedente, la soluzione del seguente problema di Cauchy { y (t) = t 2y 0 < t < 20 y(0) = 0.75; riporta il grafico della soluzione esatta e della soluzione approssimata in una stessa figura calcola l errore: err(n) = max 1 n N u n y(t n ), essendo la soluzione esatta y(t) = e 2t t 1 4. Riportare in un grafico in scala bilogaritmica l errore al variare di N.

16 Traccia dell esercizio Il metodo di Eulero Il metodo di Crank-Nicolson Assegnare N=[ ]. Per ciascun valore di N (for i=1:length(n)): Calcolare la soluzione dell equazione differenziale con il comando [t,u]=eulero avanti(f,t0,t,y0,n). Valutare la soluzione esatta sol nel vettore t. Plottare la soluzione esatta e la soluzione discreta in un unico grafico. Calcolare l errore relativo: E(i)=norm(sol-u,inf)/norm(sol,inf). Plottare l errore in scala bilogaritmica con il comando: loglog(n,e).

17 Il metodo di Eulero Il metodo di Crank-Nicolson Il metodo di Crank-Nicolson (o dei trapezi) Il metodo di Crank-Nicolson o dei trapezi u n+1 = u n + h n 2 (f (t n, u n ) + f (t n+1, u n+1 )). Il metodo di Crank-Nicolson si ottiene usando la formula di quadratura dei trapezi: tn+1 y(t n+1 ) = y(t n ) + f (τ, y(τ))dτ t n = y(t n ) + h n 2 (f (t n, y(t n )) + f (t n+1, y(t n+1 ))). Il metodo di Crank-Nicolson è implicito

18 Convergenza e stima dell errore Stabilità assoluta Analisi della convergenza per il metodo di Eulero esplicito Consideriamo h n = h per n = 0,..., N h 1. Poniamo e n+1 = y(t n+1 ) u n+1 = y(t n+1 ) u n+1 + u n+1 u n+1 dove u n+1 = y(t n ) + hf (t n, y(t n )) y(t n+1 ) un+1 errore di discretizzazione; un+1 u n+1 termine di propagazione dell errore.

19 Errore di discretizzazione Convergenza e stima dell errore Stabilità assoluta Errore di troncamento locale τ n (h) = y(t n+1) u n+1 h = y(t n+1) y(t n ) h y (t n ). Se y è derivabile due volte, per il metodo di Eulero esplicito si ottiene, per un opportuno ξ n (t n, t n+1 ): y(t n+1 ) u n+1 = y(t n+1 ) y(t n ) hf (t n, y(t n )) Quindi τ n (h) = h 2 y (ξ n ). Definizione = y(t n+1 ) y(t n ) hy (t n ) = h2 2 y (ξ n ). Un metodo si dice consistente se lim h 0 τ n (h) = 0.

20 Propagazione dell errore Convergenza e stima dell errore Stabilità assoluta Per definizione vale: u n+1 u n+1 = y(t n ) + hf (t n, y(t n )) u n hf (t n, u n ) = y(t n ) u n + h(f (t n, y(t n )) f (t n, u n )) e usando la proprietà di Lipschitzianità della funzione f rispetto alla variabile y si ricava: u n+1 u n+1 y(t n ) u n + hl y(t n ) u n = (1 + hl) y(t n ) u n = (1 + hl) e n.

21 Convergenza e stima dell errore Stabilità assoluta Convergenza del metodo di Eulero esplicito Teorema Il metodo di Eulero esplicito è convergente del primo ordine in quanto: max y(t n ) u n el(t t0) 1 1 n N h L Mh 2. Dim Mettendo insieme le stime per l errore di discretizzazione e il termine di propagazione dell errore, si ottiene: e n+1 Mh2 2 + (1 + hl) e n essendo M = max t 0 t T f (t, y(t)). Con un po di calcoli si arriva alla maggiorazione finale: e n+1 el(t n+1 t 0 ) 1 L Mh 2.

22 Convergenza e stima dell errore Stabilità assoluta Convergenza del metodo di Eulero implicito Esercizio Sia N=[ ]. Scrivere un programma di tipo script che per ogni valore di N: calcola, mediante il metodo di Eulero implicito (usare la function euleroimp.m), la soluzione del seguente problema di Cauchy { y (t) = t 2y 0 < t < 20 y(0) = 0.75; riporta il grafico della soluzione esatta e della soluzione approssimata in una stessa figura calcola l errore: err(n) = max 1 n N u n y(t n ), essendo la soluzione esatta y(t) = e 2t t 1 4. Riportare in un grafico in scala bilogaritmica l errore al variare di N.

23 Convergenza e stima dell errore Stabilità assoluta Convergenza del metodo di Crank-Nicolson Esercizio Sia N=[ ]. Scrivere un programma di tipo script che per ogni valore di N: calcola, mediante il metodo di Crank-Nicolson, (usare la function cranknic.m) la soluzione del seguente problema di Cauchy { y (t) = t 2y 0 < t < 20 y(0) = 0.75; riporta il grafico della soluzione esatta e della soluzione approssimata in una stessa figura calcola l errore: err(n) = max 1 n N u n y(t n ), essendo la soluzione esatta y(t) = e 2t t 1 4. Riportare in un grafico in scala bilogaritmica l errore al variare di N.

24 Regione di assoluta stabilità Convergenza e stima dell errore Stabilità assoluta Problema modello { y (M) (t) = λy(t) t > 0 essendo λ y(0) = 1, un numero reale negativo. La soluzione è y(t) = e λt, quindi lim t y(t) = 0. Definizione Sia u n la soluzione ottenuta discretizzando il problema (M) con un metodo numerico. L insieme dei valori di hλ per cui lim n u n = 0 si chiama regione di assoluta stabilità del metodo numerico. Se la regione di assoluta stabilità contiene tutta la semiretta dei numeri reali negativi allora il metodo si dice incondizionatamente stabile.

25 Convergenza e stima dell errore Stabilità assoluta Regione di assoluta stabilità del metodo di Eulero esplicito Applichiamo il metodo di Eulero esplicito al problema (M): u n+1 = u n + hλu n u n+1 = (1 + hλ)u n = (1 + hλ) n+1. Per avere che lim n u n = 0 deve essere 1 + hλ < 1 ossia 0 < h < 2 λ. Il metodo di Eulero esplicito si dice condizionatamente assolutamente stabile.

26 Convergenza e stima dell errore Stabilità assoluta Regione di assoluta stabilità del metodo di Eulero implicito Applichiamo il metodo di Eulero implicito al problema (M): u n+1 = u n + hλu n+1 u n+1 = ( ) 1 1 n+1 1 hλ u n =. 1 hλ Poiché λ < 0 si ha 0 < 1/(1 hλ) < 1 per ogni h. Quindi il metodo di Eulero implicito si dice incondizionatamente assolutamente stabile.

27 Regione di assoluta stabilità Convergenza e stima dell errore Stabilità assoluta Esercizio Risolvere il problema modello y = λy, t [0, 20], y(0) = 1 per λ = 1, 5, 10, usando le function eulero avanti, euleroimp e cranknic, con N = 10, 20, 40, 50, 60, 90, 100, 110, 200, 400.

28 Solutori Sistema di equazioni differenziali Risolutori di equazioni differenziali ordinarie Problemi non stiff ode45 Metodo di Runge-Kutta (4,5). ode23 Metodo di Runge-Kutta (2,3). ode113 Metodo di Adams-Bashforth-Moulton PECE. Problemi stiff ode15s ode23s Altre opzioni Metodo multistep basato su una formula di tipo BDF. Metodo ad un passo. odeset Crea o modifica le OPTIONS. odeplot Grafico della soluzione. odephas2 Grafico del piano delle fasi in 2D. odephas3 Grafico del piano delle fasi in 3D.

29 Solutori Sistema di equazioni differenziali Come si risolve una equazione differenziale usando i solutori di Matlab Scrivere una function che accetta due argomenti t e y e restituisce il valore della funzione function dy=f(t,y) dy=(1-t*y-t^2*y^2)/t^2; F=inline( 1-t*y-t^2*y^2)/t^2, t, y ); Applicare un solutore mediante il comando [t,u] = ode23 ( F, [t0 T], y0) Usare il comando plot per vedere i risultati: plot(t,u)

30 Solutori Sistema di equazioni differenziali Come usare i solutori di ODE in Matlab6 Il comando più semplice per risolvere un equazione differenziale è: [t,u] = solver (odefun,tspan, y0) Input odefun function in cui si valuta f (t, y) tspan vettore contenente gli estremi di integrazione y0 dato iniziale (vettore colonna) bla Output t vettore colonna degli istanti t in cui viene calcolata la soluzione approssimata y array contenente la soluzione, le righe sono le componenti di y ad un certo istante t.

31 Argomenti addizionali Solutori Sistema di equazioni differenziali [t,u] = solver (odefun,tspan, y0,options,p1,p2,...) options struttura che contiene i parametri per cambiare le proprietà di default del solutore p1,p2,... parametri che si possono passare alla odefun. Per definire le options si usa il comando odeset. >> odeset fornisce i valori di default e il nome delle varibili che si possono definire:

32 odeset Solutori Sistema di equazioni differenziali Variabile default descrizione RelTol 1.e-3 tolleranza per l errore relativo AbsTol 1.e-6 tolleranza per l errore assoluto MaxStep tspan /10 valore massimo per il passo InitialStep calcolato passo iniziale scelto OutputFcn Function controlla l output OutputFcn odeplot grafico in funzione di t OutputFcn odephas2 plot del piano delle fasi OutputFcn odephas3 plot del piano delle fasi in 3D OutputSel vettore di interi specifica le componenti del vettore soluzione che si vogliono come output

33 Sistema di equazioni differenziali Solutori Sistema di equazioni differenziali Problema Siano a, b, c e d numeri reali positivi. Cercare y 1 (t) e y 2 (t) tali che risolvano nell intervallo [0, 7] il seguente sistema di equazioni differenziali ordinarie: Porre: a = 1, b = 1, c = 2, d = 3 α = 0.5, 0.7, 1.4, 2.6 β = 1 y 1 = (a by 2)y 1 y 2 = ( c + dy 1)y 2 y 1 = α y 2 = β.

34 Come si risolve il sistema Solutori Sistema di equazioni differenziali Scrivere una function che accetta due argomenti t e y e restituisce il valore della funzione a valori vettoriali function dy=lotkavolterra(t,y) a=1; b=1; c=2; d=3; dy=[(a-b*y(2))*y(1); (-c+d*y(1))*y(2)]; Applicare un solutore mediante il comando [t,u] = ode45 ( lotkavolterra, [0 7], [α;β]) Usare il comando plot per vedere i risultati: plot(t,u) oppure plot(u(:,1),u(:,2)) Per ottenere il piano delle fasi si può procedere come segue: options=odeset( OutputFcn, odephas2 ) [t,u]=ode45( lotkavolterra,[0 7],[α;β],options)

35 Equazione differenziale di ordine n Solutori Sistema di equazioni differenziali Problema Sia f : I R n R. Consideriamo l equazione differenziale: y (n) (t) = f (t, y(t), y (t),..., y (n 1) (t)) y(t 0 ) = α 1 y (t 0 ) = α 2... y (n 1) (t 0 ) = α n t I

36 Equazione differenziale di ordine n Solutori Sistema di equazioni differenziali Il problema di Cauchy per l equazione differenziale di ordine n è equivalente ad un sistema differenziale del primo ordine. Si pone y 1 (t) = y(t), y 2 (t) = y (t),..., y n (t) = y (n 1) (t). Osserviamo che y 2 (t) = y (t) = y 1(t),... y n (t) = y (n 1) (t) = y n 1(t).

37 Solutori Sistema di equazioni differenziali Quindi si ottiene il seguente sistema di equazioni differenziali y 1 (t) = y 2(t) y 2 (t) = y 3(t)... y n(t) = f (t, y 1 (t), y 2 (t),..., y n (t)) y 1 (t 0 ) = α 1 y 2 (t 0 ) = α 2... y n (t 0 ) = α n

38 Esempio: equazione di van der Pol Solutori Sistema di equazioni differenziali y µ(1 y 2 )y + y = 0 dove µ > 0. L equazione si riduce al seguente sistema: { y 1 (t) = y 2 (t) y 2 (t) = µ(1 y 2 1 )y 2 y 1 Posto µ = 1, si costruisce la function che definisce il sistema: function dy = vdp(t,y) dy = [y(2); (1-y(1)^2)*y(2)-y(1)]; Porre µ = 500 e risolvere con ode45. [t,u]=ode45( vdp,[0 20],[2;0]) Usare ode15s per risolvere l equazione nell intervallo [0, 3000]. [t,u]=ode15s( vdp,[0 3000],[2;0]);

Integrazione numerica

Integrazione numerica Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 6-20-26 ottobre 2009 Indice 1 Formule di quadratura semplici e composite Formule di quadratura

Dettagli

Corso di Analisi Numerica - AN2. Parte 3: metodi alle differenze. per Equazioni Differenziali Ordinarie. Roberto Ferretti

Corso di Analisi Numerica - AN2. Parte 3: metodi alle differenze. per Equazioni Differenziali Ordinarie. Roberto Ferretti Corso di Analisi Numerica - AN2 Parte 3: metodi alle differenze per Equazioni Differenziali Ordinarie Roberto Ferretti Qualche richiamo analitico Filosofia generale dei metodi alle differenze: i metodi

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

L. Pandolfi. Lezioni di Analisi Matematica 2

L. Pandolfi. Lezioni di Analisi Matematica 2 L. Pandolfi Lezioni di Analisi Matematica 2 i Il testo presenta tre blocchi principali di argomenti: A Successioni e serie numeriche e di funzioni: Cap., e 2. B Questa parte consta di due, da studiarsi

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Cosa sono gli esoneri?

Cosa sono gli esoneri? Cosa sono gli esoneri? Per superare l esame di Istituzioni di Matematiche è obbligatorio superare una prova scritta. Sono previsti due tipi di prova scritta: gli esoneri e gli appelli. Gli esoneri sono

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

Introduzione allo Scilab Parte 3: funzioni; vettori.

Introduzione allo Scilab Parte 3: funzioni; vettori. Introduzione allo Scilab Parte 3: funzioni; vettori. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 13 Giugno 2007 Felice Iavernaro (Univ.

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t.

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t. Il programma MATLAB In queste pagine si introduce in maniera molto breve il programma di simulazione MAT- LAB (una abbreviazione di MATrix LABoratory). Introduzione MATLAB è un programma interattivo di

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Laboratorio di Elettrotecnica

Laboratorio di Elettrotecnica 1 Laboratorio di Elettrotecnica Rappresentazione armonica dei Segnali Prof. Pietro Burrascano - Università degli Studi di Perugia Polo Scientifico Didattico di Terni 2 SEGNALI: ANDAMENTI ( NEL TEMPO, NELLO

Dettagli

1 Definizione: lunghezza di una curva.

1 Definizione: lunghezza di una curva. Abstract Qui viene affrontato lo studio delle curve nel piano e nello spazio, con particolare interesse verso due invarianti: la curvatura e la torsione Il primo ci dice quanto la curva si allontana dall

Dettagli

Se il flusso termico specifico fornito dalla resistenza elettrica è

Se il flusso termico specifico fornito dalla resistenza elettrica è Transitorio termico per un Ferro da stiro (esercizio 5.9 di Fundamentals of Heat and Mass Transfer, F.P. Incropera, D.P. Dewitt, T.L. Bergman, A.S. Lavine, 6th Edition, Wiley, 2007. La piastra di un ferro

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

Equazioni non lineari

Equazioni non lineari Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Soluzione numerica di problemi alle derivate parziali

Soluzione numerica di problemi alle derivate parziali Soluzione numerica di problemi alle derivate parziali Metodi alle differenze finite Prof. LAURA GORI Anno Accademico 1998-99 1. Generalità sulle equazioni alle derivate parziali Un equazione differenziale

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

Equazioni differenziali ordinarie

Equazioni differenziali ordinarie Capitolo 2 Equazioni differenziali ordinarie 2.1 Formulazione del problema In questa sezione formuleremo matematicamente il problema delle equazioni differenziali ordinarie e faremo alcune osservazioni

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

Università degli Studi di Pisa

Università degli Studi di Pisa Università degli Studi di Pisa Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea triennale in Matematica Tesi di Laurea Metodi numerici per equazioni differenziali con ritardo Relatore

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

Rapida Introduzione all uso del Matlab Ottobre 2002

Rapida Introduzione all uso del Matlab Ottobre 2002 Rapida Introduzione all uso del Matlab Ottobre 2002 Tutti i tipi di dato utilizzati dal Matlab sono in forma di array. I vettori sono array monodimensionali, e così possono essere viste le serie temporali,

Dettagli

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i NA. Operatore nabla Consideriamo una funzione scalare: f : A R, A R 3 differenziabile, di classe C (2) almeno. Il valore di questa funzione dipende dalle tre variabili: Il suo differenziale si scrive allora:

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli

GRANDEZZE ALTERNATE SINUSOIDALI

GRANDEZZE ALTERNATE SINUSOIDALI GRANDEZZE ALTERNATE SINUSOIDALI 1 Nel campo elettrotecnico-elettronico, per indicare una qualsiasi grandezza elettrica si usa molto spesso il termine di segnale. L insieme dei valori istantanei assunti

Dettagli

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Scilab: I Polinomi - Input/Output - I file Script

Scilab: I Polinomi - Input/Output - I file Script Scilab: I Polinomi - Input/Output - I file Script Corso di Informatica CdL: Chimica Claudia d'amato claudia.damato@di.uniba.it Polinomi: Definizione... Un polinomio è un oggetto nativo in Scilab Si crea,

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori Gli array Array e puntatori Laboratorio di Informatica I un array è un insieme di elementi (valori) avente le seguenti caratteristiche: - un array è ordinato: agli elementi dell array è assegnato un ordine

Dettagli

Richiami: funzione di trasferimento e risposta al gradino

Richiami: funzione di trasferimento e risposta al gradino Richiami: funzione di trasferimento e risposta al gradino 1 Funzione di trasferimento La funzione di trasferimento di un sistema lineare è il rapporto di due polinomi della variabile complessa s. Essa

Dettagli

LA FUNZIONE INTEGRALE

LA FUNZIONE INTEGRALE LA FUNZIONE INTEGRALE MAGLIOCURIOSO & CAMILLO magliocurioso@hotmail.it Sommario. In questa breve dispensa ho semplicementrascritto in L A TEX il contenuto di questa discussione: http://www.matematicamente.it/forum/

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

f(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2))

f(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2)) Algebra Lineare e Geometria Analitica Politecnico di Milano Ingegneria Applicazioni Lineari 1. Sia f : R 3 R 3 l applicazione lineare definita da f(x, y, z) = (x + ky + z, x y + 2z, x + y z) per ogni (x,

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

L impresa che non fa il prezzo

L impresa che non fa il prezzo L offerta nei mercati dei prodotti L impresa che non fa il prezzo L impresa che non fa il prezzo (KR 10 + NS 6) Dipartimento di Economia Politica Università di Milano Bicocca Outline L offerta nei mercati

Dettagli

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06 Analisi Mat. - Ing. Inform. - Soluzioni del compito del 3-3-6 Sia p il polinomio di quarto grado definito da pz = z 4. Sia S il settore circolare formato dai numeri complessi che hanno modulo minore o

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione 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

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

1 Se dy = x converge ==> y(x) è definita perogni x > 0. se diverge è definita solo in [0, x] 2. f definita perogni y > y0

1 Se dy = x converge ==> y(x) è definita perogni x > 0. se diverge è definita solo in [0, x] 2. f definita perogni y > y0 Punti Critici, classificazione e studio: equazione autonoma del prim'ordine: y' = f(y) con f C1 in I. studiamo il PC: y' = f(y) && y(0) = y0. y0 in I quindi PC ha una sola soluzione locale se f(y0) = 0

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

Scrivere uno script php che, dato un array associativo PERSONE le cui chiavi sono i

Scrivere uno script php che, dato un array associativo PERSONE le cui chiavi sono i Esercizi PHP 1. Scrivere uno script PHP che produca in output: 1. La tabellina del 5 2. La tavola Pitagorica contenuta in una tabella 3. La tabellina di un numero ricevuto in input tramite un modulo. Lo

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo).

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo). 1 Modelli matematici Un modello è un insieme di equazioni e altre relazioni matematiche che rappresentano fenomeni fisici, spiegando ipotesi basate sull osservazione della realtà. In generale un modello

Dettagli

2 Rappresentazioni grafiche

2 Rappresentazioni grafiche asi di matematica per la MPT 2 Rappresentazioni grafiche I numeri possono essere rappresentati utilizzando i seguenti metodi: la retta dei numeri; gli insiemi. 2.1 La retta numerica Domanda introduttiva

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 17. B : kn k m. LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.

Dettagli

Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto

Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto Claudio Tamagnini Dipartimento di Ingegneria Civile e Ambientale Università degli Studi di

Dettagli

POLITECNICO di BARI - A.A. 2012/2013 Corso di Laurea in INGEGNERIA Informatica e dell Automazione

POLITECNICO di BARI - A.A. 2012/2013 Corso di Laurea in INGEGNERIA Informatica e dell Automazione POLITECNICO di BARI - A.A. 0/03 Corso di Laurea in INGEGNERIA Informatica e dell Automazione Problema Sia f :[0, +[! R una funzione continua. La funzione composta g() =f(kk) è c o n t i n u a? Problema

Dettagli

Appunti dalle Lezioni di MECCANICA RAZIONALE

Appunti dalle Lezioni di MECCANICA RAZIONALE Università degli Studi de L Aquila Appunti dalle Lezioni di MECCANICA RAZIONALE tenute dal prof. Raffaele ESPOSITO i INDICE Indice.......................................................................

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO LE TRASFORMAZIONI GEOMETRICHE NEL PIANO Una trasformazione geometrica è una funzione che fa corrispondere a ogni punto del piano un altro punto del piano stesso Si può pensare come MOVIMENTO di punti e

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energia e Lavoro Finora abbiamo descritto il moto dei corpi (puntiformi) usando le leggi di Newton, tramite le forze; abbiamo scritto l equazione del moto, determinato spostamento e velocità in funzione

Dettagli

Geometria nel piano complesso

Geometria nel piano complesso Geometria nel piano complesso Giorgio Ottaviani Contents Un introduzione formale del piano complesso 2 Il teorema di Napoleone 5 L inversione circolare 6 4 Le trasformazioni di Möbius 7 5 Il birapporto

Dettagli

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b : Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente 1.1 Il motore a corrente continua Il motore a corrente continua, chiamato così perché per funzionare deve essere alimentato con tensione e corrente costante, è costituito, come gli altri motori da due

Dettagli

Analisi Matematica di circuiti elettrici

Analisi Matematica di circuiti elettrici Analisi Matematica di circuiti elettrici Eserciziario A cura del Prof. Marco Chirizzi 2011/2012 Cap.5 Numeri complessi 5.1 Definizione di numero complesso Si definisce numero complesso un numero scritto

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA ANALISI EDIANTE LO SPETTRO DI RISPOSTA arco BOZZA * * Ingegnere Strutturale, già Direttore della Federazione regionale degli Ordini degli Ingegneri del Veneto (FOIV), Amministratore di ADEPRON DINAICA

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

GRANDEZZE SINUSOIDALI

GRANDEZZE SINUSOIDALI GRANDEE SINUSOIDALI INDICE -Grandezze variabili. -Grandezze periodiche. 3-Parametri delle grandezze periodiche. 4-Grandezze alternate. 5-Grandezze sinusoidali. 6-Parametri delle grandezze sinusoidali.

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Corso di Informatica Industriale

Corso di Informatica Industriale Corso di Informatica Industriale Prof. Giorgio Buttazzo Dipartimento di Informatica e Sistemistica Università di Pavia E-mail: buttazzo@unipv.it Informazioni varie Telefono: 0382-505.755 Email: Dispense:

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f. FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti

Dettagli

Limiti e continuità di funzioni reali di una variabile

Limiti e continuità di funzioni reali di una variabile di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione

Dettagli