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

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "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"

Transcript

1 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 (necessaria) di ottimo e' (se x* punto di minimo) esistono pesi μ i 0, λ j per cui i I μ i g i (x*) = 0 e vale μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 [Se μ 0 >0 equivale alla condizione f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 mentre se μ 0 =0 alla condizione (senza usare f o (x) ) i I μ i g i (x*) + j J λ j h j (x*) = 0 ] Una delle dimostrazioni possibili e' la seguente. Benche il metodo sia "costruttivo" e' numericamente instabile e non puo' essere brutalmente applicato come algoritmo di minimizzaione Dim Si suppone x* punto di ottimo per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J 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 In questo modo F(x*) = f o (x*), f o (x*) = F (x*) F(x) f o (x), lim x + F(x)= + Siccome c >0 e arbitrario si puo scegliere c in modo che x* sia minimo isolato e globale per F(x) Nel punto x* le condizioni (locali) per F sono le stesse che per f o.

2 NLP -OPT 2 Si puo suppporre che x* sia minimo isolato e globale, lim x + f o (x) = + k >0 si puo definire la funzione (di penalizzazione) P k (x) = f o (x) + i I k (g i (x) + ) 2 + j J k (h j (x)) 2 f o (x) P k (x) x, vale la condizione lim x + P k (x)= + P k ha un punto di minimo(assoluto) x k e in tale punto si ha P k (x k ) = 0 cioe f o (x k ) + i I 2k (g i (x k ) + ) g i (x k ) + j J 2k (h j (x k )) h j (x k ) = 0 [ N.B. g i (x) + = max {0, g i (x)}, (g i (x) + ) 2 = 2(g i (x)) + g i (x) se g i (x) 0, (g i (x) + ) 2 = 0, (g i (x) + ) 2 = 0 se g i (x) > 0, (g i (x) + ) 2 = g i (x) 2, (g i (x) + ) 2 = 2(g i (x)) g i (x) e quindi (g i (x) + ) 2 e' una funzione C 1 se cosi e' g i ] Nel punto x* si ha f o (x*) = P k (x*) k e necessariamente P k (x k ) f o (x*) = P k (x*) Si genera una successione x k Le due condizioni P k (x k ) f o (x*), lim x + f o (x) = + garantiscono la limitatezza di x k Per un estratta x k y Allora f o (x k ) + i I k(g i (x k ) + ) 2 + j J k(h j (x k )) 2 f o (x*) 0 i I (g i (x k ) + ) 2 + j J (h j (x k )) 2 (k -1 ) ( f o (x*) - f o (x k ) ) e al limite con k + 0 i I (g i (y) + ) 2 + j J (h j (y)) 2 lim k -1 ( f o (x*) - f o (x k ) ) = 0 cioe y e ammissibile.

3 NLP -OPT 3 Allora f o (x*) f(y) [x* minimo] ] lim ( i I k(g i (x k ) + ) 2 + j J k(h j (x k )) 2 ) lim (f o (x*) - f o (x k ) ) 0 e lim P k (x k ) = f(y), f(y) f o (x*) e y = x* ( x* unico minimo) Se tutte le quantita 2kg i (x k ) + i I, 2k h j (x k ) j J sono limitate allora 2k g i (x k ) + μ i 0, 2k h j (x k ) λ j Da P k (x k ) = 0 f o (x k ) + i I 2k g i (x k ) + g i (x k ) + j J 2k h j (x k ) h j (x k ) = 0 al limite f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 Se le quantita 2k g i (x k ) + i I, 2k h j (x k ) j J non sono limitate si pone σ k = max { 2kg i (x k ) + i I, 2k h j (x k ) j J } μ (i,k) = (σ k ) -1 2k g i (x k ) + λ (j,k) = (σ k ) -1 2k h j (x k ) Mentre σ k + i valori μ (i,k) e λ (j,k) sono limitati quindi μ (i,k) μ i 0 λ (j,k) λ j La condizione P k (x k ) = 0 si puo scrivere come (σ k ) -1 f o (x k ) + i I μ (i,k) g i (x k ) + j J λ (j,k) h j (x k ) = 0 e al limite i I μ i g i (x*) + j J λ j h j (x*) = 0 Ovviamente j J λ j h j (x*) = 0 Se g i (x*) < 0 lim g i (x k ) + = 0 e μ i = 0 Se μ i > 0 necessariamente g i (x k ) > 0 (o 0) e per ammissibilita' g i (x*) = 0 e quindi i I μ i g i (x*) = 0 I valori μ i, λ j sono indicati come moltiplicatori (di Lagrange) In questo modo le condizioni di ottimo vincolato si ottengono come estensione/applicazione delle condizioni di ottimo (non vincolato).

4 NLP -OPT 4 CONDIZIONI DI OTTIMO (cenno altro modo) Le condizioni di ottimo si possono ricavare anche secondo la seguente traccia 1) Se x* minimizza e se x n x* x n ammissibile allora (x n -x*)/ x n x v, v = 1 e necessariamente (da x n ammissibile, x* ottimo) g i (x*) t (v) 0 h j (x*) t (v) = 0, f o (x*)t (v) 0 { g i (x*) t (v) 0 per i vincoli attivi per cui g i (x*)= 0 } 2) Lo stesso risultato vale per vettori v+ ottenuti come limite di vettori v calcolati al punto precedente, somma di vettori v calcolati al punto precedente, multipli di vettori v calcolati al punto precedente 3) Se ogni vettore v del tipo g i (x*) t (v) 0 h j (x*) t (v) = 0 puo essere ottenuto da limiti di punti ammissibili x n x* o da limite di vettori cosi generati + operazioni al punto 2 allora vale la proprieta v per cui g i (x*) t (v) 0 h j (x*) t (v) = 0 si ha f o (x*)t (v) 0 4) Si considerano le matrici H (di righe h j (x*) ) e la matrice G (di righe g i (x*) ). Da considerazioni di algebra lineare, teoremi dell alternativa per matrici (lemma di Farkas), considerazioni di convessita (Coni +Coni duali) si ottiene che la condizione al punto 3 e equivalente a i I μ i g i (x*) = 0 μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 con la condizione μ i 0

5 NLP -OPT 5 QUALIFICAZIONE DEI VINCOLI All ottimo risulta f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 oppure i I μ i g i (x*) + j J λ j h j (x*) = 0 e quindi in generale μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0 Le condizioni che assicurano μ 0 > 0 sono dette qualificazioni dei vincoli. Se i vincoli sono g i (x) 0 i I h j (x) = 0 j J si denotano x con I(x) = { i I / g i (x) = 0 }, J(x) = { j J / h(x) =0 } e relativamente a x* (ottimo) con IA(x*) = { i I(x*) / μ i >0 } JA(x*) = { j J(x*) / λ j 0 } e con A(x*) = IA(x*) JA(x*) [COTTLE INDIPENDENZA LINEARE] Una condizione possibile e l indipendenza lineare i vettori { g i (x*) i IA(x*), h j (x*) j JA(x*) } sono linearmente indipendenti [MANGASARIAN-FROMOWITZ ] Una condizione piu debole e la seguente i vettori { h j (x*) j JA(x*) } sono linearmente indipendenti ed esiste v 0 t.c h j (x*) t v = 0 j JA(x*) e e g i (x*) t v > 0 i IA(x*) Se i vincoli g i (x) 0 sono tutti convessi l esistenza di v e garantita da un punto u tale che g i (u) < 0 per i vincoli i IA(x*) Infatti 0 > g(u) g i (x*) + g i (x*) t (u-x*) = g i (x*) t (u-x*) e g i (x*) t (x*-u) >0

6 NLP -OPT 6 [SLATER ] Se i vincoli g i (x) 0 sono tutti convessi e mancano i vincoli h j (x) = 0 l esistenza di un punto u tale che g i (u) < 0 e una qualificazione dei vincoli. Infatti da μ i 0 0 > i I μ i g i (u) i I μ i g i (x*) + i I μ i g i (x*) t (u-x*) Vale i I μ i g i (x*) = 0, se μ i >0 allora g i (x*)=0 Quindi 0 > i I μ i g i (x*) e i I μ i g i (x*) = 0 e impossibile NOTA Vi sono altre condizioni possibili. μ 0 > 0 implica che i I μ i g i (x*) + j J λ j h j (x*) = -μ 0 f o (x*) Se u e un punto interno (g i (u) 0, h j (u) = 0 ) al primo ordine si dovrebbe avere g i (x*) t (u-x*) 0, h j (x*) t (u-x*) = 0 e f o (u) f o (x*) cioe f o (x*) t (u-x*) 0 Se vale per (u-x*) vale anche per h(u) = (u-x*)/ u-x* e per ogni direzione h limite di h(u). Se μ 0 = 0 significa che alcune direzioni (vettori h) sembrano interni g i (x*) t h 0, h j (x*) t h = 0 ma non lo sono ( & non obbligano f o (x*) t h 0)

7 NLP -OPT 7 ESEMPIO ( : Calcolo esplicito condizioni di ottimo attraverso penalizzazione) Si considera min F(x) = (1/2) x t Qx p t x Ax = b [ Q definita positiva & righe A l.i.] Funzione penalizzata P σ = (1/2) x t Qx p t x +σ/2 Ax-b 2 [ P σ = F + Α t σ (Ax-b) ] P σ = Qx-p + σ (Α t Α)x - σa t b Ottimo unico a σ fissato x σ = (Q+σ Α t Α) -1 ( p+σ A t b ) (Q+σ Α t Α) definita positiva Se σ + si deve avere x σ x* (soluzione del problema ) A x σ - b 0 (A x σ b) ( ammissibilita x* ) σ (A x σ - b) m* (vettore moltiplicatori ) Serve una formula per (Q+σ Α t Α) -1 :si usa la Formula ( Shermann Morrison (esatta)) (Q+σ Α t Α) -1 = Q -1 -σ Q -1 A t H -1 AQ -1 con H = (I + σ AQ -1 A t ) = σ (AQ -1 A t ) ( (σ) -1 (AQ -1 A t ) -1 + I ) da cui H -1 = (σ) -1 ( (σ) -1 (AQ -1 A t ) -1 + I ) -1 (AQ -1 A t ) -1 Si pone M = (AQ -1 A t ) se σ + ρ (M -1 /σ) < 1 (definitivamente ) e ( (σ) -1 M -1 + I ) -1 = I (σ) -1 M -1 + (σ) -2 M -2 - (σ) -3 M ) ( serie convergente)

8 NLP -OPT 8 (formula per (Q+σ Α t Α) -1 ) = Q -1 -σ Q -1 A t H -1 AQ -1 = Q -1 - Q -1 A t ( (σ) -1 M -1 + I ) -1 M -1 AQ -1 = Q -1 - Q -1 A t ( I (σ) -1 M -1 + (σ) -2 M -2 ) M -1 AQ -1 ( tralasciati termini (σ) -3 o superiori ) = Q -1 - Q -1 A t M -1 AQ -1 + (σ) -1 (Q -1 A t M -2 AQ -1 ) - (σ) -2 (Q -1 A t M -3 AQ -1 ) Moltiplicando per ( p+σa t b ) si ottiene x σ (= coefficienti delle potenze (σ) -j, j = -1, n di x σ ) Coeff. di σ (Q -1 - Q -1 A t M -1 AQ -1 ) (A t b) = 0 Termine noto (Q -1 - Q -1 A t M -1 AQ -1 )p + (Q -1 A t M -2 AQ -1 ) A t b = Q -1 p - Q -1 A t M -1 AQ -1 p + Q -1 A t M -1 b = lim x σ = x* [ A x* () = A(Q -1 p - Q -1 A t M -1 AQ -1 p + Q -1 A t M -1 b )= AQ -1 p - AQ -1 p + b =b ] Termine (σ) -1 [ lim σ (A x σ - b) lim = σ (Αx*+Αc1(σ) -1 +Ac2(σ) -1 - b ) = c1 ] (Q -1 A t M -2 AQ -1 ) p- (Q -1 A t M -3 AQ -1 ) (A t b) = (Q -1 A t M -2 (AQ -1 p b) e moltiplicando per A M -1 (AQ -1 p b) e m* = M -1 (AQ -1 p b) = (AQ -1 A t ) -1 (AQ -1 p b) m* sono i veri moltiplicatori: Per x* = Q -1 p - Q -1 A t M -1 AQ -1 p + Q -1 A t M -1 b F = Qx*-p = p A t M -1 AQ -1 p + A t M -1 b) p = -A t (M -1 AQ -1 p - M -1 b) = -A t m*

9 NLP -OPT 9 Il punto x* e ottimo : se y altro punto ammissibile A(x*-y)=0 e da Qx*-p+A t m* = 0 (x*-y) t (Qx*-p+A t m*) = (x*-y) t (Qx*-p ) = 0, [ x* t Qx*-y t Qx* = -p t y +p t x* ] F(y)-F(x*) = (1/2) y t Q y p t y - (1/2) x* t Q x* +p t x* = (1/2) y t Q y - (1/2) x* t Q x* + x* t Qx*-y t Qx* = (1/2) y t Q y + (1/2) x* t Q x* -y t Qx* = (1/2) (x*-y) t Q(x*-y) > 0 Possibile ricavare le condizioni di ottimo Calcolo esplicito ( fissare σ e calcolare numericamente x σ ) problematico (Q + σ Α t Α) mal condizionata Fissato σ formula per l inversa inesatta (richiede la serie) x σ risulta ammissibile solo al limite ( come avere una soluzione? ) m* e limite di forma (+ )(0) (come approssimare m*? )

Programmazione Non Lineare Ottimizzazione vincolata

Programmazione Non Lineare Ottimizzazione vincolata DINFO-Università di Palermo Programmazione Non Lineare Ottimizzazione vincolata D. Bauso, R. Pesenti Dipartimento di Ingegneria Informatica Università di Palermo DINFO-Università di Palermo 1 Sommario

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

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

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

Richiami di algebra lineare e geometria di R n

Richiami di algebra lineare e geometria di R n Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore

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

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

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

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

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

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

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

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

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

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

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

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

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

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

MATRICI E DETERMINANTI

MATRICI E DETERMINANTI MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

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

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

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

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto. 29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola

Dettagli

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

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

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

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

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE 2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 INTRODUZIONE Il problema agli autovalori di un operatore La trattazione del problema agli autovalori di un operatore fatta negli spazi finitodimensionali

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per 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

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

Appunti di Algebra Lineare

Appunti di Algebra Lineare Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e

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

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

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

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

Numeri complessi e polinomi

Numeri complessi e polinomi Numeri complessi e polinomi 1 Numeri complessi L insieme dei numeri reali si identifica con la retta della geometria: in altri termini la retta si può dotare delle operazioni + e e divenire un insieme

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

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

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

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

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

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

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

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

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

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

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

Lezioni del corso AL430 - Anelli Commutativi e Ideali

Lezioni del corso AL430 - Anelli Commutativi e Ideali Lezioni del corso AL430 - Anelli Commutativi e Ideali a.a. 2011-2012 Introduzione alla Teoria delle Valutazioni Stefania Gabelli Testi di Riferimento M. F. Atiyah and I. G. Macdonald, Introduction to Commutative

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

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

PRINCIPI BASILARI DI ELETTROTECNICA

PRINCIPI BASILARI DI ELETTROTECNICA PRINCIPI BASILARI DI ELETTROTECNICA Prerequisiti - Impiego di Multipli e Sottomultipli nelle equazioni - Equazioni lineari di primo grado e capacità di ricavare le formule inverse - nozioni base di fisica

Dettagli

Teoremi di struttura dei moduli finitamente generati su un dominio euclideo

Teoremi di struttura dei moduli finitamente generati su un dominio euclideo Teoremi di struttura dei moduli finitamente generati su un dominio euclideo Appunti al corso di Algebra Anno accademico 23-24 1 Prodotti diretti. Siano M e N due moduli sullo stesso anello A, non necessariamente

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo 1. Operazioni tra matrici e n-uple 1 1. Soluzioni 3 Capitolo. Rette e piani 15 1. Suggerimenti 19. Soluzioni 1 Capitolo 3. Gruppi, spazi e

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

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

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro Lo Spettro primo di un anello Carmelo Antonio Finocchiaro 2 Indice 1 Lo spettro primo di un anello: introduzione 5 1.1 Le regole del gioco................................ 5 1.2 Prime definizioni e risultati

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

Nota: Eventi meno probabili danno maggiore informazione

Nota: Eventi meno probabili danno maggiore informazione Entropia Informazione associata a valore x avente probabilitá p(x é i(x = log 2 p(x Nota: Eventi meno probabili danno maggiore informazione Entropia di v.c. X P : informazione media elementi di X H(X =

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

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

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

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

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

+ 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

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

Dettagli

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f). Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo

Dettagli

I numeri complessi. Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli

I numeri complessi. Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli I numeri complessi Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli 1 Introduzione Studiare i numeri complessi può sembrare inutile ed avulso dalla realtà;

Dettagli

Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI

Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI CAMPI SCALARI Sono dati: un insieme aperto A Â n, un punto x = (x, x 2,, x n )T A e una funzione f : A Â Si pone allora il PROBLEMA

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

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

5 Radici primitive dell unità e congruenze del tipo

5 Radici primitive dell unità e congruenze del tipo 5 Radici primitive dell unità e congruenze del tipo X m a (mod n ) Oggetto di questo paragrafo è lo studio della risolubilità di congruenze del tipo: X m a (mod n) con m, n, a Z ed m, n > 0. Per l effettiva

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

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

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz:

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz: FUNZIONI DI PIU VARIABILI Esercizi svolti. Determinare il dominio delle seguenti funzioni e rappresentarlo graficamente : (a) f log( x y ) (b) f log(x + y ) (c) f y x 4 (d) f sin(x + y ) (e) f log(xy +

Dettagli

Raccolta di Esercizi di Matematica. Capitolo 8 : Modalità CAS (Computer Algebra S ystem)

Raccolta di Esercizi di Matematica. Capitolo 8 : Modalità CAS (Computer Algebra S ystem) Raccolta di Esercizi di Matematica Capitolo 8 : Modalità CAS (Computer Algebra S ystem) Contenuti: 8-1. L ordine Algebrico delle Operazioni 8-2. Problemi sulle Percentuali 8-3. Le Forme Standard e Point-Slope

Dettagli

Appunti sulle disequazioni

Appunti sulle disequazioni Premessa Istituto d Istruzione Superiore A. Tilgher Ercolano (Na) Appunti sulle disequazioni Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

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

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

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

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

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

Le trasformazioni geometriche

Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni affini del piano o affinità Le similitudini Le isometrie Le traslazioni Le rotazioni Le simmetrie assiale e centrale Le omotetie

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

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

OGNI SPAZIO VETTORIALE HA BASE

OGNI SPAZIO VETTORIALE HA BASE 1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)

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

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

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

Esponenziali elogaritmi

Esponenziali 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.

Dettagli