(ETC) MATRICOLE DISPARI
|
|
- Cecilia Masini
- 8 anni fa
- Visualizzazioni
Transcript
1 Elementi di Teoria della Computazione (ETC) MATRICOLE DISPARI Docente: Prof. Luisa Gargano BENVENUTI!
2 Finalità: Fornire gli elementi di base delle teorie che sono di fondamento all'informatica 1. Computabilità 2. Complessità
3 Cosa è la Computazione? Treccani Computazione: Il computare e il modo con cui si computa; computo, calcolo. Computare Calcolare, fare il conto di qualche cosa: c. il tempo necessario; metodo di c. gli anni;
4 Carta e Penna Abaco. Mezzi di Computazione Calcolatori/programmi
5 Cosa è la Computazione? Possiamo definire la computazione senza far riferimento ad un calcolatore attuale?
6 Cosa è la Computazione? Possiamo definire la computazione senza far riferimento ad un calcolatore attuale? Possiamo definire la computazione indipendentemente dai limiti odierni della scienza (ingegneria, fisica, )?
7 Cosa è la Computazione? Possiamo definire la computazione senza far riferimento ad un calcolatore attuale? Possiamo definire la computazione indipendentemente dai limiti odierni della scienza (ingegneria, fisica, )? Possiamo definire formalmente (matematicamente) un calcolatore? Possiamo dimostrare teoremi circa ciò che può o non può essere computato?
8 Avendo a disposizione risorse (memoria, tempo, ) sufficienti
9 Avendo a disposizione risorse (memoria, tempo, ) sufficienti un calcolatore può risolvere qualsiasi problema? oppure esistono limiti fondamentali a ciò che si può computare?
10 Cosa è la Computazione? Treccani Computazione: Il computare e il modo con cui si computa; computo, calcolo. Computare Calcolare, fare il conto di qualche cosa: c. il tempo necessario; metodo di c. gli anni; Computabile : Che si può computare; di cui si può o si deve tener conto In logica matematica e in informatica teorica, detto di una funzione (per es., l insieme dei numeri naturali) che si può calcolare effettivamente, cioè per la quale esiste un procedimento che permette di determinarne i valori; con sign. più concreto si dicono computabili quelle funzioni che, in linea di principio, possono essere calcolate con un elaboratore adeguatamente programmato; la teoria della computabilità (o della ricorsività) studia i limiti teorici di tale possibilità.
11 Computabilità: Quali problemi possono essere computati? (con qualsiasi macchina, linguaggio, ) Esempi di problemi computazionali Problemi numerici Data una stringa binaria, il numero di 1 è maggiore del numero di 0? Dati due numeri x e y, calcola x+y Dato un intero, risulta x primo? Problemi riguardanti programmi (es. in C) Data una sequenza di caratteri ASCII, rispetta la sintassi del C? Dato un programma in C, esiste un input che lo manda in loop?
12 Computabilità: Quali problemi possono essere computati? (con qualsiasi macchina, linguaggio, ) Macchine a stati finiti/automi: Quali problemi possiamo risolvere con memoria costante?
13 Macchina a stati finiti
14 Distributore di bibite/snack a 50c Accetta monete da 10c e da 20c non da resto, rifiuta moneta troppo grande E (semplice) macchina a stati finiti che opera in accordo all input (monete)
15 Macchina a stati finiti o Automa finito Astrazione Più semplice modello di calcolo Chip Parte di molti apparecchi elettromeccanici Analizzatori lessicali e sintattici di compilatori,
16 Computabilità: Quali problemi possono essere computati? (con qualsiasi macchina, linguaggio, ) Macchine a stati finiti/automi: Quali problemi possiamo risolvere con memoria costante?
17 Computabilità: Quali problemi possono essere computati? Non tutti!!! Esempi di problemi computazionali Problemi numerici Data una stringa binaria, il numero di 1 è maggiore del numero di 0? Dati due numeri x e y, calcola x+y Dato un intero, risulta x primo? Problemi riguardanti programmi (es. in C) Data una sequenza di caratteri ASCII, rispetta la sintassi del C? Dato un programma in C, esiste un input che lo manda in loop?
18 Computabilità: Quali problemi possono essere computati? Non tutti!!! Es. Dato un qualsiasi programma in C, possiamo stabiliure se termina su ogni input? Risposta: NO input n; while (n!=1) { if (n is even) n := n/2; else n := 3*n+1; } Termina per ogni n>1? 17, 52, 26, 13, 40, 20, 10, 5, 16, 8, 4, 2, 1.
19 Computabilità: Modello di computazione indipendente dalla tecnologia presente? Macchine di Turing Ideate da Alan Turing nel Modello di calcolatore più semplice: - macchina a stati finiti - Nastro (lettura e scrittura) memoria, processore
20 Macchine di Turing Ideate da Alan Turing nel Modello di calcolatore più semplice: - macchina a stati finiti - Nastro memoria, processore Scopo: formalizzare in maniera esatta (matematica) il concetto di computazione (indipendentemente dalla potenza di calcolo )
21 Tesi di Church-Turing: Equivalenza tra programmi e Macchine di Turing Macchine di Turing: Concetto di Computabilità indipendente dalla tecnologia
22 Tesi di Church-Turing: Equivalenza tra programmi e Macchine di Turing Limiti delle macchine di Turing (e della computazione): Problemi non computabili
23 Computabilità: Cosa può essere computato? Cosa non può esserlo? (con qualsiasi macchina, linguaggio, ) Dove si trova il confine? Calcolabilità: Quali sono le le risorse minime necessarie (es. tempo di calcolo e memoria) per la risoluzione di un problema?
24 Lista luoghi con associato il l interesse a visitare il luogo (voto da 0 a 100) Vogliamo ordinare i luoghi in ordine di interesse Facile!
25 Usando I collegamenti esistenti (metro, bus). Facile?
26 Prova tutti i siti vicini non ancora visitati
27
28
29 Algoritmi utili in pratica Algoritmi P efficienti: Utilizzano un tempo polinomiale su tutti gli input Algoritmi inefficienti: Utilizzano un tempo esponenziale su qualche input Nota. Definizione indipendente da sviluppo tecnologico Cosa rende un problema facile o meno?
30
31 Cosa rende un problema facile o meno?
32 Le classi P e NP Definizione (informale) della classe P: insieme di problemi risolubili in tempo polinomiale da una macchina di Turing deterministica Tesi Church-Turing insieme di problemi che ammettono un algoritmo efficiente
33 Le classi P e NP Definizione (informale) della classe NP: insieme di problemi che ammettono un algoritmo efficiente di verifica di una soluzione fornita
34 Problemi NP-completi Travelling Salesman Problem, 3-coloring di grafi, Scheduling Multiprocessore, Folding Proteine, Programmazione lineare intera: esiste soluzione intera per un sistema del tipo Tutti risolvibili efficientemente o nessuno!
35 Argomenti di massima: Macchine a stati finiti Macchine di Turing Le classi P e NP
36 Finalità Computabilità Comprendere la nozione di di computabilità Limiti intrinsechi della computabilità Modelli più semplici di computazione
37 Risultati attesi: Saprete che è impossibile dimostrare che un programma in C termina fornire una dimostrazione formale di ciò nessun calcolatore futuro può cambiare la situazione
38 Finalità Computabilità Comprendere la nozione di di computabilità Limiti intrinsechi della computabilità Modelli più semplici di computazione Complessità classificazione problemi solubili: difficoltà riconoscere problemi difficili
39 Risultati attesi: Saprete Come riconoscere un problema intrattabile se vi capita Es. PROTEIN FOLDING, NEURON TRAINING, AUCTION WINNER-DETERMINATION, MIN-ENERGY CONFIGURATION OF A GAS
40 Informazioni Pratiche ORARIO: Martedì: 11:00 13:00 Giovedì: 16:00 18:00 Venerdì: 14:00 16:00 N.B.: Tutte le lezioni sono ugualmente importanti!
41 Informazioni Pratiche SITO WEB: di riferimento per il materiale relativo al corso - copie delle slides, esercizi, - date delle prove, - comunicazioni varie, - etc.
42 Suggerimenti (per superare facilmente l esame) Seguire il corso È più difficile imparare da soli dal libro (ancora di più dalle slide!) Studiare lezione per lezione Gli argomenti diventano più complessi Studiare dal libro di testo Fare gli esercizi
43 Testo Michael Sipser, Introduction to the Theory of Computation, Course Technology.
44 Testo Jon Kleinberg, Eva Tardos, Algorithm Design, Pearson
45 Prove di Esame Prova scritta con esercizi e teoria (nessun materiale ammesso) Eventuale prova orale Requisito minimo: 50% del totale
46 Prove in Itinere Bonus Prossima lezione
47
48 Progamma sintetico Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP
49 Nozioni preliminari Conoscenza del significato dei termini: Definizione, Enunciato, Dimostrazione, Implicazione, Equivalenza,... Familiarità con i vari tipi di dimostrazioni: per contraddizione, prova per induzione, Definizioni delle operazioni logiche AND, OR, NOT. Alfabeti Stringhe Linguaggi
50 DIMOSTRAZIONE Metodo per stabilire una verità Differente in vari campi Legale: giuria prove processuali Scientifica: esperimenti ripetibili Filosofica: persuasione basata su argomenti plausibili Cartesio: Cogito ergo sum, Deriva esistenza dal fatto di pensare sull'esistenza
51 PROVA Matematica Una prova formale è una catena di deduzioni logiche che portano ad una affermazione partendo da un insieme di assunzioni
52 c=cent E=Euro Assunzione 1E=100c 1 c= 0,01 E=(0,1 E) 2 =(10c) 2 =100c=1E?
53 Dimostrazione c=cent E=Euro 1 c= 0,01 E=(0,1 E) 2 =(10c) 2 =100c=1E ERRATA!!
54 Affermazione Se a e b sono due numeri reali uguali allora a = 0. Dimostrazione Assunzione a=b
55 Affermazione errata: Se a e b sono due numeri reali uguali allora a = 0. Dimostrazione sbagliata:
56 Proposizione: affermazione che può essere vera o falsa Proposizioni matematiche devono riferirsi ad oggetti ben definiti matematicamente (numeri, insiemi, funzioni,...) Devono essere formulate in modo preciso Es = 5.
57 Proposizione: può essere vera o falsa Dimostrazione: Data una proposizione, vogliamo dimostrare che essa è vera.
58 Es. Proposizione p(n)=n 2 +n+41 è numero primo per ogni n > 1. Come facciamo?
59 Es. p(n)=n 2 +n+41 è primo per ogni n > 1. Proviamo per qualche valore p(1)=43 primo P(2)=47 primo P(3)=53 primo P(20)=461 primo P(39)=1601 primo VERA?
60 Es. p(n)=n 2 +n+41 è primo per ogni n > 1. Proviamo per qualche valore p(1)=43 primo P(2)=47 primo P(3)=53 primo P(20)=461 primo P(39)=1601 primo P(40)=40x =41x41 FALSO! Dimostrazione per esempi = Esempio di dimostrazione sbagliata
61 Es. Proposizione a 4 +b 4 +c 4 = d 4 non ha soluzione con a, b, c, d interi positivi Congettura di Eulero del Dimostrata FALSA 218 anni dopo da Noam Elkies: a = 95800; b = ; c = ; d =
62 Es. Proposizione 313(x 3 +y 3 ) = z 3 non ha soluzione con x,y,z interi positivi FALSA: controesempio più piccolo ha più di 1000 digit!
63 Es. Congettura di Goldbach (1742) Proposizione P(n): n si può scrivere come somma di due primi per ogni n>2?
64 Es. Congettura di Goldbach (1742) Proposizione P(n): n si può scrivere come somma di due primi per ogni n>2? Non possimo stabilire VERO provando per un numero finito di valori! Servono altri metodi!
65 Proposizione: affermazione che può essere può essere vera o falsa Dimostrazione: Data una proposizione, vogliamo dimostrare che essa è vera.
66 Proposizione P: vera (T) o falsa (F) Operazioni Logiche: NOT, OR, AND Tavole di verità:
67 Implicazioni: Deduzioni logiche per provare nuove proposizioni a partire da altre note (vere) P Q (P implica Q: se P è vera allora Q è vera ) Es. Se gli asini volano, allora voi capirete questa lezione. E un insulto? Nel linguaggio comune: Si Matematicamente è un affermazione vera! P Q è vera ogni volta che P è falsa o Q è vera
68 Deduzioni logiche: per provare nuove proposizioni a partire da altre note (vere) (P vera, P Q) ALLORA Q vera (P Q; Q falsa) ALLORA P Falsa
69 Deduzioni logiche NOT(Q) NOT(P) Equivalente a P Q NOTA NOT(P) NOT(Q) ALLORA P Q: ERRATA
70 Come dimostrare che P Q: 1. Assumiamo P. 2. mostriamo che Q segue Es. Se 0 < x < 2, allora -x 3 + 4x + 1 > 0. Dim. Assumiamo 0 < x < 2 Scriviamo -x 3 + 4x = x(2 - x)(2 + x) Sappiamo che x, 2 - x, e 2 + x nonnegativi ( >0 ). Allora il loro prodotto è nonnegativo (>0). Sommando 1 abbiamo numero positivo (>0): -x 3 + 4x+1= x(2 - x)(2 + x) + 1 > 0.
71 P IFF Q equivale a P Q AND Q P.
72 P IFF Q equivale a P Q AND Q P. Provare iff : 1. Proviamo che P implica Q e vice-versa. 2. Per prima cosa, mostriamo che P implica Q. (Come prima) 3. Secondo passo, mostriamo che Q implica P. (Come prima)
73 ES.
74 Schema: Dimostrazione per contraddizione per dimostrare P 1.Assumiamo che l ipotesi P è falsa 2.Dimostriamo che NOT(P) NOT(Q) per qualche Q che sappiamo essere vera 3.A questo punto abbiamo una contraddizione e possiamo concludere che P deve essere vera
75 Dim. Teorema. La radice quadrata di 2 è un numero irrazionale. Assumiamo che l ipotesi P è falsa, cioè sqrt(2)=m/n (m,n interi primi fra loro) Dimostriamo NOT(P) NOT(Q) [Q: m, n primi tra loro] m 2 =(n sqrt(2)) 2 =n 2 2 m 2 =2n 2 m 2 pari m pari, Poniamo m=2k Allora 2n 2 = m 2= 4k 2 n 2 =2k 2 n pari Abbiamo che n,m entrambi pari m,n hanno fattore comune 2 A questo punto abbiamo NOT(Q) possiamo dedurre che P è falsa (cioè sqrt(2) è irrazionale)
76 Teorema. La radice quadrata di 2 è un numero irrazionale. Dim. Assumiamo che l ipotesi è falsa, possiamo scrivere a) sqrt(2)=m/n b) con m,n interi primi fra loro Abbiamo m 2 =(n sqrt(2)) 2 =n 2 2 m 2 =2n 2 m 2 pari m pari, Ponendo m=2k si ha 2n 2 = m 2= 4k 2 n 2 =2k 2 n pari Quindi n,m entrambi pari m,n hanno fattore comune 2 che contraddice punto b) possiamo concludere che sqrt(2) è irrazionale.
77 Dimostrazioni Corrette in Pratica Definire il metodo che si vuole seguire es. Usiamo un distinzione di casi o Ragioniamo per assurdo. Una dimostrazione e` un saggio non un calcolo Approccio errato: sequenza di espressioni senza commenti Una dimostrazione comprensibile e` un saggio inframmezzato da calcoli
78 Buone dimostrazioni <=> Buoni programmi Stesso rigore necessario per scrivere programmi funzionanti Programma che ''sembra funzionare'' può causare molti problemi Es. Therac 25: macchina per radioterapia che ''ogni tanto'' ha ucciso i pazienti per eccesso di radiazioni (problema software) Es. (Agosto 2004) problema software usato da United e American Airlines ha messo a terra l'intera flotta delle due compagnie
79 INDUZIONE Data una affermazione, vogliamo dimostrare che essa vale per ogni intero n>a. Es. La somma dei primi n interi vale n(n+1)/2 per ogni n > 1.
80 INDUZIONE Vogliamo dimostrare che un certo predicato è vero. Formaliziamo con affermazione S(n) dimostriamo per induzione che S(n) vera (per ogni intero n>a). Una dimostrazione per induzione consiste di 2 fasi 1. BASE INDUTTIVA. Si dimostra che l affermazione è vera per il primo valore, cioè S(a) è vera. 1. PASSO INDUTTIVO. Assumiamo che S(n-1) è vera e dimostriamo che allora anche S(n) è vera.
81 INDUZIONE Es. La somma dei primi n interi vale n(n+1)/2 per ogni n > 1. Formalizzazione S(n): n n ( nn )1 i 1(2... n(n 1) n) i (1... n) i i 1 Si vuole dimostrare per induzione che S(n) vale per ogni n > 1.
82 INDUZIONE 1. BASE INDUTTIVA. S(a) è vera. 2. PASSO INDUTTIVO. S(n-1) implica S(n) vera. Es. S(n): Si vuole dimostrare che S(n) vale per ogni n > 1. Base. S(1) è vera perché Passo. Ipotesi induttiva S(n-1): Si ha n i (1... n) i 1 n i i 1 n 1 i 1 i n Quindi S(n) è vera. n(n 1) 2 (n 1)n 2 1 i 1 1(1 )1/2 i 1 n 1 i 1 n i ( n )1 n/2 (n 1)n 2n 2 n(n 1) 2
83 INDUZIONE Esercizio. Dimostrare per induzione che la seguente affermazione S(n) è vera per ogni intero n>0. S(n): n 2 i 2 n 1 1 i 0
84 INDUZIONE Es. Se x 4, allora 2 x x 2 Affermazione S(x): 2 x x 2 Mostriamo per induzione che S(x) vera per ogni x 4. Base: x = 4 2 x = 2 4 = 16 e x 2 = 4 2 = 16 Passo I.: Supponiamo che 2 x x 2 per x 4 Dobbiamo dimostrare che 2 x +1 (x + 1) 2 Abbiamo: 2 x +1 = 2 2 x 2 x 2 (dalla ipotesi induttiva) Dimostriamo adesso che 2x 2 (x + 1) 2 =x x Semplificando: x 2-2x 1 Se x 4, x(x-2) 8>1
85 VALIDITA delle dimostrazioni per INDUZIONE Dim. per induzione Base: S(a) vera Passo induttivo S(n) vera, ogni n>a Minimo controesempio. IPOTESI: S(n) falsa per qualche n. Sia b il più piccolo intero tale che S(b) falsa. DEDUCIAMO: Se b=a contraddiciamo la base. Quindi b>a. Essendo b = minimo intero per cui l affermazione è falsa, risulta S(b-1) vera (nota b-1 > a). Per il Passo Induttivo, S(b-1) S(b). Allora S(b) vera: contraddizione con assunzione che S(b) falsa. Quindi ipotesi è sbagliata, Cioè non esiste intero per cui l affermazione è falsa Cioè S(n) vera per ogni intero
86 Teorema. Tutti i cavalli hanno lo stesso colore Dim. Sia P(n): ''in ogni insieme di n cavalli, tutti i cavalli hanno lo stesso colore.'' Mostriamo per induzione che P(n) vera per ogni n 1. Base : P (1) vera. Passo. Assumiamo P (n) vera, n>1. Consideriamo insieme di n + 1 cavalli: h1, h2,..., hn, hn+1 Per I.I. I primi n cavalli h1, h2,..., hn hanno stesso colore, Per I.I. Gli ultimi n cavalli h2, h3,..., hn+1 hanno stesso colore, Quindi h1, h2,..., hn+1 hanno stesso colore, e P(n+1) vera Poiche` P (n) P (n + 1), allora P(n) vera per ogni n 1.
87 Teorema. Tutti i cavalli hanno lo stesso colore Dim. Per induzione su n. Sia P(n): ''in ogni insieme di n cavalli, tutti i cavalli hanno lo stesso colore.'' Conseguenza: se n=(numero cavalli nel mondo) allora tutti cavalli hanno lo stesso colore. Abbiamo provato una cosa FALSA! ERRORE? Abbiamo provato: P (1) P (2) P (3), P (3) P (4), etc. NON P (1) P (2)
88 INDUZIONE COMPLETA Vogliamo dimostrare che P(n) vale per ogni intero n>a. Dimostrazione per induzione completa: 1. BASE INDUTTIVA. Si dimostra che l affermazione è vera per il primo valore, cioè P(a) è vera. 2. PASSO INDUTTIVO. Assumiamo che P(a), P(a+1),, P(n-1) sono tutte vere e dimostriamo che anche P(n) è vera.
89 Definizioni Induttive ; Una definizione per induzione (o induttiva o ricorsiva) di un insieme di oggetti consiste di una base e di un passo induttivo. BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti
90 Definizioni Induttive ; BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti Es. Definizione induttiva di n! (prodotto primi n interi) BASE 1! P.I. n!=n (n-1)! Per ogni n>1
91 Definizioni Induttive ; BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti Es. Definizione dei numeri di fibonacci BASE f(0)=f(1)=1 P.I. f(n)=f(n-1)+f(n-2), per ogni n>1
92 Teorema. Ogni intero maggiore di 1 è un prodotto di primi Dim. Stabiliamo affermazione P(n): l intero n è un prodotto di primi Vogliamo dimostrare per induzione completa che p(n) vera per ogni n>1. Base. P(2) vera, poichè 2 è primo Passo. II: p(2),,p(n-1) vere Proviamo che P(n) è vera. Se n è primo, ok Se n non è primo allora n=km per qualche k e m II ci dice che P(k), p(m) vere, Cioè k ed m sono prodotti di primi Quindi anche il loro prodotto n=km è un prodotto di primi.
93 Definizioni Induttive ; Una definizione per induzione (o induttiva o ricorsiva) di un insieme di oggetti consiste di una base e di un passo induttivo. BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti
94 Definizioni Induttive ; BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti Es. Definizione induttiva di n! (prodotto primi n interi) BASE 1! P.I. n!=n (n-1)! Per ogni n>1
95 Definizioni Induttive ; BASE definisce uno o più oggetti elementari. Passo Induttivo definisce la regola che permette di costruire oggetti più complessi in termini di quelli già definiti Es. Definizione dei numeri di fibonacci BASE f(0)=f(1)=1 P.I. f(n)=f(n-1)+f(n-2), per ogni n>1
96 Definizioni Induttive e Dimostrazioni Induttive ; Es. Mostrare che il numero di fibonacci f(n) soddisfa f(n)<2 n, per ogni n>0
(ETC) MATRICOLE DISPARI
Elementi di Teoria della Computazione (ETC) MATRICOLE DISPARI Docente: Prof. Luisa Gargano BENVENUTI! Finalità: Fornire gli elementi di base delle teorie che sono di fondamento all'informatica 1. Computabilità
DettagliElementi di Teoria della Computazione (ETC) Classe 2: matricole congrue a 1 (mod 3) Docente: Prof. Luisa Gargano BENVENUTI!
Elementi di Teoria della Computazione (ETC) Classe 2: matricole congrue a 1 (mod 3) Docente: Prof. Luisa Gargano BENVENUTI! Finalità: Fornire gli elementi di base delle teorie che sono di fondamento all'informatica
DettagliProgamma sintetico. Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP
Progamma sintetico Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP Nozioni preliminari Conoscenza del significato dei termini:
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliLe parole dell informatica: modello di calcolo, complessità e trattabilità
Le parole dell informatica: modello di calcolo, complessità e trattabilità Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Ciclo di seminari su un Vocabolario
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
DettagliCorrettezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 10 Correttezza A. Miola Novembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Correttezza 1 Contenuti Introduzione alla correttezza
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliEsercizi 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
DettagliSui concetti di definizione, teorema e dimostrazione in didattica della matematica
Liceo Scientifico Statale P. Paleocapa, Rovigo XX Settimana della Cultura Scientifica e Tecnologica 19 marzo 2010 Sui concetti di definizione, teorema e dimostrazione in didattica della matematica Prof.
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliNote del corso di Calcolabilità e Linguaggi Formali - Lezione 6
Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 Alberto Carraro 30 novembre DAIS, Universitá Ca Foscari Venezia http://www.dsi.unive.it/~acarraro 1 Funzioni Turing-calcolabili Finora abbiamo
DettagliAlcune nozioni di base di Logica Matematica
Alcune nozioni di base di Logica Matematica Ad uso del corsi di Programmazione I e II Nicola Galesi Dipartimento di Informatica Sapienza Universitá Roma November 1, 2007 Questa é una breve raccolta di
DettagliIl principio di induzione e i numeri naturali.
Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliFondamenti di Informatica. Docenti: Prof. Luisa Gargano Prof. Adele Rescigno BENVENUTI!
Fondamenti di Informatica Docenti: Prof. Luisa Gargano Prof. Adele Rescigno BENVENUTI! Finalità: Fornire gli elementi di base dei concetti che sono di fondamento all'informatica Informazioni Pratiche ORARIO:
DettagliFACOLTÀ DI INGEGNERIA ESAME DI ANALISI MATEMATICA A A.A. 2008/2009 - Ing. Biomedica, Elettrica, Elettronica, Informatica - L Z
FACOLTÀ DI INGEGNERIA ESAME DI ANALISI MATEMATICA A A.A. 2008/2009 - Ing. Biomedica, Elettrica, Elettronica, Informatica - L Z L esame è costituito da una prova scritta (o, in alternativa, da due prove
DettagliIniziamo 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
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliAlgoritmi e Complessità
Algoritmi e Complessità Università di Camerino Corso di Laurea in Informatica (tecnologie informatiche) III periodo didattico Docente: Emanuela Merelli Email:emanuela.merelli@unicam.it Lezione 2 Teoria
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliDimensione 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
DettagliCome ragiona il computer. Problemi e algoritmi
Come ragiona il computer Problemi e algoritmi Il problema Abbiamo un problema quando ci poniamo un obiettivo da raggiungere e per raggiungerlo dobbiamo mettere a punto una strategia Problema Strategia
DettagliSemantica Assiomatica
Semantica Assiomatica Anche nella semantica assiomatica, così come in quella operazionale, il significato associato ad un comando C viene definito specificando la transizione tra stati (a partire, cioè,
Dettagli(ETC) A.A. 2016/17 MATRICOLE DISPARI
Elementi di Teoria della Computazione (ETC) A.A. 2016/17 MATRICOLE DISPARI Docente: Prof. Luisa Gargano BENVENUTI! Finalità: Fornire gli elementi di base delle teorie che sono di fondamento all'informatica
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliIntroduzione ai tipi di dato astratti: applicazione alle liste
Universitàdegli Studi di L Aquila Facoltàdi Scienze M.F.N. Corso di Laurea in Informatica Corso di Laboratorio di Algoritmi e Strutture Dati A.A. 2005/2006 Introduzione ai tipi di dato astratti: applicazione
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliCorso di Informatica
Corso di Informatica Modulo T3 1-Sottoprogrammi 1 Prerequisiti Tecnica top-down Programmazione elementare 2 1 Introduzione Lo scopo di questa Unità è utilizzare la metodologia di progettazione top-down
DettagliFondamenti dei linguaggi di programmazione
Fondamenti dei linguaggi di programmazione Aniello Murano Università degli Studi di Napoli Federico II 1 Riassunto delle lezioni precedenti Prima Lezione: Introduzione e motivazioni del corso; Sintassi
Dettaglici sono più problemi che programmi esiste un problema che non si può risolvere con un programma
Calcolabilità problemi facili trovare la media di due numeri stampare le linee di un file che contengono una parola problemi difficili trovare il circuito minimo data una tabella determinare la migliore
DettagliAlla ricerca dell algoritmo. Scoprire e formalizzare algoritmi.
PROGETTO SeT Il ciclo dell informazione Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. Scuola media Istituto comprensivo di Fagagna (Udine) Insegnanti referenti: Guerra Annalja, Gianquinto
DettagliPredicati e Quantificatori
Predicati e Quantificatori Limitazioni della logica proposizionale! Logica proposizionale: il mondo è descritto attraverso proposizioni elementari e loro combinazioni logiche! I singoli oggetti cui si
DettagliIl sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi.
E. Calabrese: Fondamenti di Informatica Problemi-1 Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi. L'informatica
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliTipologie di macchine di Turing
Tipologie di macchine di Turing - Macchina di Turing standard - Macchina di Turing con un nastro illimitato in una sola direzione - Macchina di Turing multinastro - Macchina di Turing non deterministica
DettagliEsponenziali elogaritmi
Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliInformazione analogica e digitale
L informazione L informazione si può: rappresentare elaborare gestire trasmettere reperire L informatica offre la possibilità di effettuare queste operazioni in modo automatico. Informazione analogica
DettagliAlgebra di Boole ed Elementi di Logica
Algebra di Boole ed Elementi di Logica 53 Cenni all algebra di Boole L algebra di Boole (inventata da G. Boole, britannico, seconda metà 8), o algebra della logica, si basa su operazioni logiche Le operazioni
DettagliVarianti Macchine di Turing
Varianti Macchine di Turing Esistono definizioni alternative di macchina di Turing. Chiamate Varianti. Tra queste vedremo: MdT a più nastri e MdT non deterministiche. Mostriamo: tutte le varianti ragionevoli
DettagliParte 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
DettagliElementi di Informatica e Programmazione
Elementi di Informatica e Programmazione Il concetto di Algoritmo e di Calcolatore Corsi di Laurea in: Ingegneria Civile Ingegneria per l Ambiente e il Territorio Università degli Studi di Brescia Cos
DettagliDI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1
DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica
DettagliREGOLE PER L ESAME (agg.te settembre 2015)
Informatica e Programmazione (9 CFU) Ingegneria Meccanica e dei Materiali REGOLE PER L ESAME (agg.te settembre 2015) Modalità d esame (note generali) Per superare l esame, lo studente deve sostenere due
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliI PROBLEMI ALGEBRICI
I PROBLEMI ALGEBRICI La risoluzione di problemi è una delle attività fondamentali della matematica. Una grande quantità di problemi è risolubile mediante un modello algebrico costituito da equazioni e
DettagliSchemi delle Lezioni di Matematica Generale. Pierpaolo Montana
Schemi delle Lezioni di Matematica Generale Pierpaolo Montana Al-giabr wa al-mukabalah di Al Khuwarizmi scritto approssimativamente nel 820 D.C. Manuale arabo da cui deriviamo due nomi: Algebra Algoritmo
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliProdotto libero di gruppi
Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto
DettagliConvertitori numerici in Excel
ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA Convertitori numerici in Excel Prof. G. Ciaschetti Come attività di laboratorio, vogliamo realizzare dei convertitori numerici con Microsoft Excel
DettagliCodifica: dal diagramma a blocchi al linguaggio C++
Codifica: dal diagramma a blocchi al linguaggio C++ E necessario chiarire inizialmente alcuni concetti. La compilazione Il dispositivo del computer addetto all esecuzione dei programmi è la CPU La CPU
Dettagli19. 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
DettagliSOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.
SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno
DettagliFunzioni funzione dominio codominio legge argomento variabile indipendente variabile dipendente
Funzioni In matematica, una funzione f da X in Y consiste in: 1. un insieme X detto dominio di f 2. un insieme Y detto codominio di f 3. una legge che ad ogni elemento x in X associa uno ed un solo elemento
DettagliPROVA INTRACORSO TRACCIA A Pagina 1 di 6
PROVA INTRACORSO DI ELEMENTI DI INFORMATICA MATRICOLA COGNOME E NOME TRACCIA A DOMANDA 1 Calcolare il risultato delle seguenti operazioni binarie tra numeri interi con segno rappresentati in complemento
DettagliII.f. Altre attività sull euro
Altre attività sull euro II.f È consigliabile costruire modelli in carta o cartoncino di monete e banconote, e farli usare ai bambini in varie attività di classe fin dal primo o al più dal secondo anno.
DettagliProcesso di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico
Processo di risoluzione di un problema ingegneristico 1. Capire l essenza del problema. 2. Raccogliere le informazioni disponibili. Alcune potrebbero essere disponibili in un secondo momento. 3. Determinare
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliMetodologie di programmazione in Fortran 90
Metodologie di programmazione in Fortran 90 Ing. Luca De Santis DIS - Dipartimento di informatica e sistemistica Anno accademico 2007/2008 Fortran 90: Metodologie di programmazione DIS - Dipartimento di
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliCapitolo 7: Teoria generale della calcolabilitá
Capitolo 7: Teoria generale della calcolabilitá 1 Differenti nozioni di calcolabilitá (che seguono da differenti modelli di calcolo) portano a definire la stessa classe di funzioni. Le tecniche di simulazione
DettagliFondamenti di Informatica. Computabilità e Macchine di Turing. Prof. Franco Zambonelli Gennaio 2011
Fondamenti di Informatica Computabilità e Macchine di Turing Prof. Franco Zambonelli Gennaio 2011 Letture Consigliate: Roger Penrose, La Mente Nuova dell Imperatore, Sansoni Editrice. Martin Davis, Il
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliIntroduzione. Informatica B. Daniele Loiacono
Introduzione Informatica B Perchè studiare l informatica? Perchè ha a che fare con quasi tutto quello con cui abbiamo a che fare ogni giorno Perché è uno strumento fondamentale per progettare l innovazione
DettagliComplemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno
Rappresentazione di numeri Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Un numero e un entità teorica,
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliLe macchine di Turing
Le macchine di Turing Alan Turing (1912-1954) 1954) Il problema della decisione i L Entscheidungsproblem [il problema della decisione] è risolto se si conosce una procedura che permette di decidere la
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliAlgoritmo. I dati su cui opera un'istruzione sono forniti all'algoritmo dall'esterno oppure sono il risultato di istruzioni eseguite precedentemente.
Algoritmo Formalmente, per algoritmo si intende una successione finita di passi o istruzioni che definiscono le operazioni da eseguire su dei dati (=istanza del problema): in generale un algoritmo è definito
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliI Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio
Il Concetto Intuitivo di Calcolatore Fondamenti di Informatica A Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini I Problemi e la loro Soluzione Problema: classe
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
Dettagli4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI
119 4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI Indice degli Argomenti: TEMA N. 1 : INSIEMI NUMERICI E CALCOLO
DettagliAlgoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005. Lezione 11
Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 11 In questa lezione vedremo alcune applicazioni della tecnica greedy al progetto di algoritmi on-line. Vediamo
DettagliPROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA
Simulazione 01/15 ANNO SCOLASTICO 01/15 PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Il candidato risolva uno dei due problemi Problema 1 Nella
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La
DettagliSoluzione di equazioni quadratiche
Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti
DettagliScopo della lezione. Informatica. Informatica - def. 1. Informatica
Scopo della lezione Informatica per le lauree triennali LEZIONE 1 - Che cos è l informatica Introdurre i concetti base della materia Definire le differenze tra hardware e software Individuare le applicazioni
DettagliFondamenti di Informatica. Allievi Automatici A.A. 2014-15 Nozioni di Base
Fondamenti di Informatica Allievi Automatici A.A. 2014-15 Nozioni di Base Perché studiare informatica? Perché l informatica è uno dei maggiori settori industriali, e ha importanza strategica Perché, oltre
DettagliAnno 1. Definizione di Logica e operazioni logiche
Anno 1 Definizione di Logica e operazioni logiche 1 Introduzione In questa lezione ci occuperemo di descrivere la definizione di logica matematica e di operazioni logiche. Che cos è la logica matematica?
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
DettagliB9. Equazioni di grado superiore al secondo
B9. Equazioni di grado superiore al secondo Le equazioni di terzo grado hanno una, due o tre soluzioni, risolvibili algebricamente con formule molto più complesse di quelle dell equazione di secondo grado.
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliCorso di Informatica
Corso di Informatica Modulo T2 3-Compilatori e interpreti 1 Prerequisiti Principi di programmazione Utilizzo di un compilatore 2 1 Introduzione Una volta progettato un algoritmo codificato in un linguaggio
Dettagli