Università degli Studi di Roma Tor Vergata
|
|
- Raffaella Zanella
- 7 anni fa
- Visualizzazioni
Transcript
1 Funzioni kernel Note dal corso di Machine Learning Corso di Laurea Specialistica in Informatica a.a Prof. Giorgio Gambosi Università degli Studi di Roma Tor Vergata
2 2 Queste note derivano da una selezione e rielaborazione dalle seguenti fonti: - C.M. Bishop Pattern recognition and machine learning, Springer - J. Friedman, T. Hastie, R. Tibshirani The elements of statistical learning, Springer - C.M. Bishop Neural networks for pattern recognition, Oxford University Press - M.E. Tipping Bayesian Inference: An Introduction to Principles and Practice in Machine Learning, in Advanced lectures in machine learning, LNAI 3176, Springer - Note dal corso CS229 Machine learning, Stanford University, Prof. A. Ng, Note dal corso CS340 Machine learning, University of British Columbia, Prof. K.P. Murphy, 2007
3 1 Funzioni kernel 1.1 Definizioni La complessità dell apprendimento dipende dal modo in cui i dati, così come la funzione da apprendere, sono rappresentati. In questo senso, l utilizzo di funzioni base φ può essere interpretato come un cambiamento nella rappresentazione dei dati nel training set x = x 1, x 2,..., x d ) φx) = φ 1 x), φ 2 x),..., φ m x)) questo cambiamento proietta lo spazio degli input X su uno spazio delle features F = {φx) x X}. Se ad esempio consideriamo il problema di apprendere la funzione gravitazionale fm 1, m 2, r) = G m 1m 2 r 2 mediante regressione lineare, possiamo osservare che proiettare lo spazio 3- dimensionale m 1, m 2, r) degli input in uno spazio 3-dimensionale x, y, z) delle features nel modo seguente x = ln m 1 y = ln m 2 z = ln r ci consente di considerare come funzione da apprendere la funzione lineare ln fm 1, m 2, r) = ln G + ln m 1 + ln m 2 2 ln r = c + x + y 2z In generale, una scelta adeguata della trasformazione da input a feature, e quindi delle funzioni base φ, può consentire di ottenere proiezioni del training set con proprietà utili: ad esempio, in Figura 1 la trasformazione permette di ottenere un insieme di punti, proiezioni degli elementi del training set, per i quali le due classi rispetto a cui sono etichettati risultano linearmente separabili. Figura 1. Esempio di proiezione separabile del training set.
4 = 1 α T ΦΦ T ΦΦ T α + 1 y T y α T ΦΦ T y + λ α T ΦΦ T α 4 1 Funzioni kernel Allo stesso modo, come si è già visto, l utilizzo di proiezioni adeguate può consentire di limitare la dimensionalità del problema, considerando soltanto un numero limitato di features che sostanzialmente rappresentano l intera informazione sugli elementi del training set utile ai fini dell apprendimento. Come abbiamo visto sopra, nel caso della ricerca di un iperpiano di separazione tra due insieme con massimo margine il problema può essere visto come un problema di massimizzazione quadratica con vincoli lineari, in cui i punti del training set non compaiono direttamente, ma soltanto per mezzo dei valori dei relativi prodotti scalari Lλ) = λ i 1 λ i λ j y i y j κx i, x j ) 2 j=1 Nel caso in cui la ricerca dell iperpiano venga effettuata nello spazio derivato dall applicazione delle funzioni base φ avremo allora che la funzione da massimizzare diviene L λ) = λ i 1 λ i λ j y i y j κ x i, x j ) 2 j=1 con κ x i, x j ) = φx i ) T φx j ), e quindi in cui non compaiono direttamente i punti proiettati, ma soltanto i relativi prodotti scalari. Molti modelli lineari di regressione e classificazione possono essere formulati in una rappresentazione duale, all interno della quale compare una funzione kernel. Considerando ad esempio il caso della regressione lineare, in particolare in presenza di di regolarizzazione, abbiamo che i parametri del modello sono calcolati mediante minimizzazione della funzione di costo C X,y β) = 1 β T ) 2 λ φx i ) y i βt β = 1 2 Φβ y)t Φβ y) + λ 2 βt β ponendo a zero il gradiente di C X,y rispetto a β, abbiamo β C X,y = β T ) φx i ) y i φxi ) λβ = 0 e quindi β = 1 λ β T ) φx i ) y i φxi ) dal che deriva che β può essere espresso come combinazione lineare dei valori φx i ) β = α i φx i ) = Φ T α con α i = 1 λ β T ) φx i ) y i e α = α 1,..., α n ) Possiamo allora esprimere la funzione di costo in termini dei coefficienti α, sostituendo Φ T α a β Cα) = 1 2 ΦΦT α y) T ΦΦ T α y) + λ 2 ΦT α) T Φ T α = 1 2 αt ΦΦ T y T )ΦΦ T α y) + λ 2 αt ΦΦ T α = 1 2 α T ΦΦ T ΦΦ T α + y T y α T ΦΦ T y y T ΦΦ T α ) + λ 2 αt ΦΦ T α
5 1.1: Definizioni 5 La matrice n n simmetrica K = ΦΦ T è detta matrice di Gram, ed ha come elementi i prodotti scalari k ij = φx i ) T φx j ) = φx i ) φx j ) = φ l x i )φ l x j ) = κx i, x j ) l=1 dove κx i, x j ) è la funzione di kernel corrispondente alla proiezione determinata dalle funzioni base φ. La funzione di costo può essere espressa utilizzando la matrice di Gram Cα) = 1 2 αt KKα yt y α T Ky + λ 2 αt Kα il cui gradiente rispetto ad α risulta α C = KKα Ky + λkα = KKα y + λα) = KK + Iλ)α y) che quindi si annulla per α = K + Iλ) 1 y Quindi, la previsione relativa ad un nuovo input potrà essere espressa come dove e yx) = β T φx) = α T Φφx) = y T K + Iλ) 1 Φφx) = y T Hkx) kx) = φx 1 ) φx),..., φx n ) φx)) T = κx 1, x),..., κx n, x)) T H = K + Iλ) 1 Quindi, nella previsione per ogni nuovo input entrano in gioco i soli prodotti scalari o equivalentemente, i valori della funzione kernel). Scritto altrimenti, con yx) = α i φx)φx i ) = α i = h ji y j j=1 α i κx, x i ) È importante osservare, a questo punto, che la conoscenza delle funzioni base φ, che determinano la proiezione dallo spazio d-dimensionale degli input allo spazio m-dimensionale delle features, è certamente sufficiente per calcolare yx), ma non necessaria. In fatti, a tal fine è sufficiente anche conoscere la funzione kernel κ) che, si noti, può essere derivata dalla conoscenza di φ in quanto κx 1, x 2 ) = φx 1 ) φx 2 ), ma che è meno informativa di questa, in quanto da κ) non è possibile derivare φ. È quindi possibile operare direttamente in termini di kernel, evitando l introduzione esplicita del vettore delle funzioni base φ, il che ci consente di fare riferimento in modo efficiente a spazi di features di dimensione m molto elevata, o addirittura infinita. Al fine di utilizzare funzioni kernel, è quindi necessario essere in grado di definire funzioni di questo tipo: una prima possibilità in questo senso è quella di partire da un insieme di funzioni di base φ, e da queste derivare la funzione
6 6 1 Funzioni kernel Un approccio alternativo è quello di definire direttamente la funzione κ). In tal caso è però necessario verificare che tale funzione sia effettivamente una funzione kernel, vale a dire che esista una trasformazione dello spazio degli input φ sotto forma di insieme di funzioni base) tale che κx 1, x 2 ) = φx 1 ) φx 2 ). Ad esempio, se κx 1, x 2 ) = x 1 x 2 ) 2 allora, assumendo che x 1, x 2 IR 2, abbiamo che κx 1, x 2 ) = x 11 x 21 + x 12 x 22 ) 2 = x 2 11x x 2 12x x 11 x 12 x 21 x 22 = x 2 11, x 2 12, x 11 x 12, x 11 x 12 ) x 2 21, x 2 22, x 21 x 22, x 21 x 22 ) = φx 1 ) φx 2 ) ponendo φx) = x 2 1, x2 2, x 1x 2, x 1 x 2 ) T. In generale, è facile verificare che se x 1, x 2 IR d allora κx 1, x 2 ) = φx 1 ) φx 2 ), con φx) = x 2 1,..., x 2 d, x 1x 2,..., x 1 x d, x 2 x 1,..., x d x d 1 ) T per cui lo spazio d-dimensionale degli input viene proiettato in uno spazio delle features di dimensione m = d 2. Si osservi come calcolare κx 1, x 2 ) direttamente richieda tempo Od), mentre derivare tale valore come φx 1 ) φx 2 ) richieda Od 2 ) operazioni. Possiamo anche considerare il kernel correlato dove κx 1, x 2 ) = x 1 x 2 + c) 2 = x 1i x 1j x 2i x 2j + j=1 = φx 1 ) φx 2 ) 2cx 1i ) 2cx 2i ) + c 2 φx) = x 2 1,..., x 2 d, x 1x 2,..., x 1 x d, x 2 x 1,..., x d x d 1, 2cx 1,..., 2cx d, c) T Più in generale, la funzione kernel κx 1, x 2 ) = x 1 x 2 + c) t corrisponde ad una proiezione dello spazio degli input di dimensione d) in uno spazio delle features di dimensione t m = d i = dt+1 1 d 1 i=0 corrispondente a tutti i monomi x i1 x i2... x il con 0 l t. Comunque, pur in presenza di Od t ) features, il calcolo della funzione kernel richiede ancora tempo Od). Intuitivamente, κx 1,x2 ) = φ T x 1 )φx 2 ) tende ad assumere valori più grandi se φx 1 ) e φx 2 ) sono vicini tra loro, mentre tenderà ad assumere valori più piccoli se tali vettori sono lontani tra loro ad esempio se sono ortogonali o addirittura orientati in verso opposto). Quindi, possiamo con qualche approssimazione interpretare κx 1, x 2 ) come una misura della similitudine tra φx 1 ) e φx 2 ) e tra x 1 e x 2 ). Supponiamo che, a partire da questa intuizione, sia stata individuata, come possibile misura della similitudine tra x 1 e x 2 una particolare funzione fx 1, x 2 ), come ad esempio ) x 1 x 2 2 fx 1, x 2 ) = exp
7 1.1: Definizioni 7 dove σ è un parametro) che ha valori prossimi a 1 se x 1 e x 2 sono vicini e prossimi a 0 se sono lontani. Possiamo allora usare la funzione f) come funzione kernel? In altri termini, esiste un insieme di funzioni di base φ tale che fx 1, x 2 ) = φ T x 1 )φx 2 ), per ogni coppia x 1, x 2? Nel caso specifico, ciò è vero, e il kernel è detto gaussiano). Una caratterizzazione precisa delle funzioni kernel è data dal seguente teorema di Mercer. Teorema 1 Sia κ : IR n IR n IR n. Allora κ è una funzione di kernel se e solo se per ogni insieme di vettori {x 1, x 2,..., x n } la corrispondente matrice di Gram K è simmetrica e definita positiva. La necessità della condizione non è difficile da mostrare. Infatti, se κ è una funzione kernel allora, per definizione, l elemento di indici i, j della corrispondete matrice di Gram K è k ij = κx i, x j ) = φ T x i )φx j ) = φ T x j )φx i ) = κx j, x i ) = k ji e quindi K è simmetrica. Inoltre, per ogni z IR n z T Kz = = = = = j=1 j=1 z i k ij z j z i φ T x i )φx j )z j φ k x i )φ k x j ) z i j=1 k=1 z i φ k x i )φ k x j )z j k=1 j=1 2 z i φ k x i )) 0 k=1 dal che concludiamo che K è definita positiva. In alternativa a definire una funzione fx 1, x 2 ) e provare poi a mostrare che si tratta di una funzione kernel, è possibile costruire direttamente la funzione utilizzando una serie di operazioni il cui risultato è garantito essere un kernel. Qui sotto è elencato un insieme di operazioni tali che, se κ 1 x 1, x 2 ) e κ 2 x 1, x 2 ) sono funzioni kernel in IR n IR n allora la funzione κx 1, x 2 ) è una funzione kernel Inoltre, per ogni costante c > 0 κx 1, x 2 ) = exp κ 1 x 1, x 2 )) κx 1, x 2 ) = κ 1 x 1, x 2 ) + κ 2 x 1, x 2 ) κx 1, x 2 ) = κ 1 x 1, x 2 )κ 2 x 1, x 2 ) κx 1, x 2 ) = cκ 1 x 1, x 2 ) per ogni matrice simmetrica definita positiva A κx 1, x 2 ) = x T 1 Ax 2 per ogni coppia di funzioni f, g : IR n IR ) z j
8 8 1 Funzioni kernel per ogni polinomio a coefficienti non negativi p : IR q IR κx 1, x 2 ) = pκ 1 x 1, x 2 )) per ogni vettore φ di m funzioni da φ i : IR n IR e per ogni κ 3 x 1, x 2 ) funzione kernel in IR m κx 1, x 2 ) = κ 3 φx 1 ), φx 2 )) per ogni intero positivo l < n, detti x l) IR l il vettore comprendente i primi l elementi di x IR n e x l) IR n l il vettore comprendente gli n l elementi finali di x IR n l, e dette κ a x l) 1, xl) 2 ) e κ bx l) 1, xl) 2 ) due funzioni kernel su IR l IR l e IR n l IR n l, rispettivamente κx 1, x 2 ) = κ a x l) 1, xl) 2 ) + κ bx l) 1, xl) 2 ) κx 1, x 2 ) = κ a x l) 1, xl) 2 )κ bx l) 1, xl) 2 ) Utilizzando le operazioni precedenti, possiamo ad esempio mostrare che κx 1, x 2 ) = x 1 x 2 + c) d è una funzione kernel, in base alle considerazioni seguenti 1. x 1 x 2 = x T 1 x 2 è una funzione kernel corrispondente alle funzioni base φ = φ 1,..., φ n ) con φ i x) = x 2. c è una funzione kernel corrispondente alle funzioni base φ = φ 1,..., φ n ) con φ i x) = c/ n 3. x 1 x 2 + c è allora una funzione kernel 4. x 1 x 2 + c) d considerando il polinomio pz) = z d Allo stesso modo, possiamo mostrare che κx 1, x 2 ) = exp x 1 x 2 2 2σ 2 è effettivamente una funzione kernel osservando che ) e quindi che e, infine, che x 1 x 2 2 = x T 1 x 1 + x T x 2 2x T 1 x 2 κx 1, x 2 ) = exp xt 1 x ) 1 2σ 2 exp xt 1 x ) ) 1 x T 2σ 2 exp 1 x 2 σ 2 1. x T x 2 è una funzione kernel, come osservato sopra 2. 1 x T x 2σ 2 2 è allora una funzione kernel, considerando c = 1/ 2σ 2 3. exp xt x 2 è allora una funzione kernel 2σ 2 ) ) 4. exp xt 1 x 1 exp 2σ 2 è una funzione kernel, conside- ) xt 2 x 2 2σ 2 rando fx 1 ) = exp ) x T 1 x 2 σ 2 ) xt 1 x 1 exp 2σ 2 ) xt 1 x 1 e gx 2σ 2 2 ) = exp Tra le funzioni kernel più utilizzate per la classificazione mediante SVM
9 1.1: Definizioni 9 1. Il kernel polinomiale κx 1, x 2 ) = x 1 x 2 + 1) d in cui la superficie di separazione è una superficie polinomiale, di grado d 2. Il kernel sigmoidale κx 1, x 2 ) = tanh c 1 x 1 x 2 + c 2 ) 3. Il kernel gaussiano κx 1, x 2 ) = exp x 1 x 2 2 2σ 2 ) con σ IR Il kernel gaussiano è un esempio di utilizzo di funzioni di base radiali RBF ), vale a dire di un insieme di funzioni φ 1,..., φ m tali che ogni φ i dipende soltanto dalla distanza da un punto centrale µ i, vale a dire φ i x) = h x µ i ).
LEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
DettagliEsercitazione n 6. Esercizio 1: Determinare i punti di massimo e minimo relativo delle seguenti funzioni: (b)f(x, y) = 4y 4 16x 2 y + x
Esercitazione n 6 1 Massimi e minimi di funzioni di più variabili Esercizio 1: Determinare i punti di massimo e minimo relativo delle seguenti funzioni: (a)f(x, y) = x 3 + y 3 + xy (b)f(x, y) = 4y 4 16x
DettagliDipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria II assegnati da dicembre 2000 a dicembre 2003
Dipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria assegnati da dicembre 2000 a dicembre 2003 11/12/2000 n R 4 sono assegnati i punti A(3, 0, 1, 0), B(0, 0, 1, 0), C(2, 1, 0,
DettagliApprendimento Automatico (Feature Selection e Kernel Learning)
Apprendimento Automatico (Feature Selection e Kernel Learning) Fabio Aiolli www.math.unipd.it/~aiolli Sito web del corso www.math.unipd.it/~aiolli/corsi/1516/aa/aa.html Servono tutti gli attributi? Gli
DettagliAnalisi 4 - SOLUZIONI (compito del 29/09/2011)
Corso di laurea in Matematica Analisi 4 - SOLUZIONI compito del 9/09/0 Docente: Claudia Anedda Calcolare, tramite uno sviluppo in serie noto, la radice quinta di e la radice cubica di 9 Utilizzando la
DettagliIstituzioni di Matematiche, Integrali fratti. corso di laurea in Scienze geologiche. Mauro Costantini
Istituzioni di Matematiche, Integrali fratti corso di laurea in Scienze geologiche. Mauro Costantini tipo: Il nostro obiettivo è studiare gli integrali (indefiniti e definiti delle funzioni razionali,
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliInterpolazione di Funzioni
Interpolazione di Funzioni N. Del Buono 1 Introduzione Uno dei problemi che piu frequentemente si incontrano nelle applicazioni è la costruzione di una approssimazione di una funzione data f mediante funzioni
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
DettagliCompiti d Esame A.A. 2005/2006
Compiti d Esame A.A. 25/26 UNIVERSITÀ DEGLI STUDI DI PERUGIA A.A. 25/26 I Esercitazione 21 Aprile 26 { y = xy ln(xy) si chiede di dimostrare che: y(1) = 1, (a) ammette un unica soluzione massimale y =
DettagliPolitecnico di Milano Ingegneria Industriale Analisi e Geometria 1 Secondo compito in itinere 3 Febbraio 2014
Politecnico di Milano Ingegneria Industriale Analisi e Geometria Secondo compito in itinere Febbraio 04 Cognome: Nome: Matricola: Compito A Es: 8 punti Es: 8 punti Es: 8 punti Es4: 8 punti Totale a) Determinare
DettagliReti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
Dettagli1 Estensioni in C, automorfismi, polinomi.
Lezioni del 15,18,20,22 aprile, II. Registro dettagliato 1 Estensioni in C, automorfismi, polinomi. 1.1 Estensioni di sottocampi di C. Una coppia di campi, uno contenuto nell altro, si dice estensione
DettagliEsercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
DettagliTutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017
Tutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017 Esercizi: serie di potenze e serie di Taylor 1 Date le serie di potenze a.) n=2 ln(n) n 3 (x 5)n b.) n=2 ln(n)
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Mirano a costruire la soluzione x di un sistema lineare come limite di una successione di vettori Per matrici piene di ordine n il costo computazionale è dell ordine
Dettagli(1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare)
1 Spazi vettoriali (1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare) (a) R 5 (b) [0, ) (c) x R 2 : x 1 + 2x 2 = 0} (d) x R 2 : x 2 1 + 2x 2 = 0} (e) x R 2 : x 1 > x
DettagliESERCIZI MATEMATICA GENERALE - Canale III
ESERCIZI MATEMATICA GENERALE - Canale III Vettori Prof. A. Fabretti 1 A.A. 009/010 1 Dati in R i vettori v = (1,,, u = (,, 1 e w = (,, calcolare: a la combinazione lineare u + v + 4 w b il prodotto scalare
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliEstremi. 5. Determinare le dimensioni di una scatola rettangolare di volume v assegnato, che abbia la superficie minima.
Estremi 1. Determinare gli estremi relativi di f(x, y) = e x (x 1)(y 1) + (y 1).. Determinare gli estremi relativi di f(x, y) = y (y + 1) cos x. 3. Determinare gli estremi relativi di f(x, y) = xye x +y..
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
Dettagli1 Forme quadratiche 1. 2 Segno di una forma quadratica Il metodo dei minori principali Soluzioni degli esercizi 7.
1 FORME QUADRATICHE 1 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli esercizi
Dettagli1 Equazioni Differenziali
Equazioni Differenziali Un equazione differenziale è un equazione che esprime un legame tra una variabile indipendente x (o t, quando ci riferiamo al tempo) una variabile dipendente y o incognita che sta
DettagliAnalisi dei dati corso integrato - Algebra lineare,
Analisi dei dati corso integrato - Algebra lineare, 050308-2 1 Ortogonalita nel piano Sia fissato nel piano un sistema di riferimento cartesiano ortogonale monometrico, con origine in O Tranne avviso contrario,
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/0/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/0/03) Università di Verona - Laurea in Biotecnologie
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
Dettagli4.11 Massimi e minimi relativi per funzioni di più variabili
5. Determinare, al variare del parametro a R, la natura delle seguenti forme quadratiche: (i) Φ(x, y, z) = x 2 + 2axy + y 2 + 2axz + z 2, (ii) Φ(x, y, z, t) = 2x 2 + ay 2 z 2 t 2 + 2xz + 4yt + 2azt. 4.11
Dettaglivariabili. se i limiti esistono e si chiamano rispettivamente derivata parziale rispetto ad x e rispetto ad y.
Funzioni di più variabili Derivate parziali Qui saranno considerate soltanto funzioni di due variabili, ma non c è nessuna difficoltà ad estendere le nuove nozioni a funzioni di n ( > variabili ( Definizione:
DettagliLe trasformazioni geometriche nel piano cartesiano. x = ϕ(x', y') τ 1 : G(x', y') = 0. la sua inversa.
τ : P P' oppure P'=τ(P) P immagine di P trasformato di P secondo τ se α è una figura geometrica α =τ(α) è la figura geometrica trasformata x' = f (x, y) τ : y' = g(x, y) espressione analitica della trasformazione
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni Algebriche Le equazioni algebriche sono equazioni del tipo P(x) = 0 dove P è un polinomio di grado n cioé P(x) = a 1 x n + a 2 x n
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliSoluzioni degli esercizi sulle Formule di Taylor
Soluzioni degli esercizi sulle Formule di Taylor Formule di MacLaurin più usate (h, n numeri interi non negativi; a numero reale): e t =+t + t! + t3 tn +... + 3! n! + o(tn ) ln( + t) =t t + t3 3 t4 4 +...
DettagliEquazioni differenziali
Equazioni differenziali Antonino Polimeno Università degli Studi di Padova Equazioni differenziali - 1 Un equazione differenziale è un equazione la cui soluzione è costituita da una funzione incognita
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliNOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
DettagliESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliMatematica e Statistica (A-E, F-O, P-Z)
Matematica e Statistica (A-E, F-O, P-Z) Prova d esame (24/06/20) Università di Verona - Laurea in Biotecnologie - A.A. 200/ Tema A Matematica e Statistica (A-E, F-O, P-Z) Prova di MATEMATICA (A-E, F-O,
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
DettagliSerie di Fourier - Esercizi svolti
Serie di Fourier - Esercizi svolti Esercizio 1 È data la funzione f con domf) = R, periodica di periodo, tale che onda quadra) 1 se < x < fx) = se x = e x = 1 se < x < 1) 1 Calcolare i coefficienti di
DettagliCorso di Laurea in Matematica - A.A. 2003/2004 Geometria Analitica I Esonero - 21 novembre 2003 (Proff. Marco Manetti e Riccardo Salvati Manni)
I Esonero - 21 novembre 2003 Esercizio 1. Per ogni n>0 sia B n M n (R) la matrice simmetrica di coefficienti b ij = i + j 2, i,j =1,...,n. Determinare rango e segnatura di B 1,B 2 e B 3. Soluzione. Si
DettagliSoluzione. Il dominio E consiste nella parte di spazio contenuta nella sfera ma esterna al cono rappresentata in Figura 1. Infatti
Esercizio 1 (G. Ziglio). (6 punti) Calcolare il volume della porzione di spazio E interna alla sfera di equazione x 2 + y 2 + z 2 = 1 ed esterna al cono di equazione z 2 = x 2 + y 2 E = (x, y, z) R x 2
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
DettagliCalcolo integrale. Regole di integrazione
Calcolo integrale Linearità dell integrale Integrazione per parti Integrazione per sostituzione Integrazione di funzioni razionali 2 2006 Politecnico di Torino Proprietà Siano e funzioni integrabili su
DettagliIV-2 Forme quadratiche
1 FORME QUADRATICHE 1 IV-2 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli
DettagliTECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE
TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE DI IMMAGINI Ivan Gerace, Francesca Martinelli e Patrizia Pucci Università degli Studi di Perugia Giornate di Algebra Lineare e Applicazioni 2009 Martinelli
Dettagli1 Sistemi di riferimento
Università di Bologna - Corsi di Laurea Triennale in Ingegneria, II Facoltà - Cesena Esercitazioni del corso di Fisica Generale L-A Anno accademico 2006-2007 1 Sistemi di riferimento Le grandezze usate
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliVersione di Controllo
Università degli Studi di Trento test di ammissione ai corsi di laurea in Fisica - Matematica - Informatica Ingegneria dell Informazione e Organizzazione d Impresa Ingegneria dell Informazione e delle
Dettagli1 Applicazioni lineari
1 Applicazioni lineari 1 Applicazioni lineari 1.1 Definizione Si considerino lo spazio tridimensionale euclideo E e lo spazio vettoriale V ad esso associato. Definizione. 1.1. Sia A una applicazione di
DettagliVolumi in spazi euclidei 12 dicembre 2014
Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato
DettagliCorso di Intelligenza Artificiale A.A. 2016/2017
Università degli Studi di Cagliari Corsi di Laurea Magistrale in Ing. Elettronica Corso di Intelligenza rtificiale.. 26/27 Esercizi sui metodi di apprendimento automatico. Si consideri la funzione ooleana
DettagliPolitecnico di Milano Ingegneria Industriale Analisi e Geometria 1 Seconda prova in itinere 31 gennaio 2011
Politecnico di Milano Ingegneria Industriale Analisi e Geometria Seconda prova in itinere 3 gennaio Cognome: Nome: Matricola: Compito A Es. : 8 punti Es. : 8 punti Es. 3: 8 punti Es. 4: 8 punti Es. 5:
DettagliAppello di Meccanica Quantistica I
Appello di Meccanica Quantistica I Facoltà di Scienze M.F.N. Università degli Studi di Pisa gennaio 007 (A.A. 06/07) Tempo a disposizione: 3 ore. Problemi e per il recupero Compitino I; problemi e 3 per
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliAppunti sul corso di Complementi di Matematica mod. Analisi prof. B.Bacchelli - a.a. 2010/2011.
Appunti sul corso di Complementi di Matematica mod. Analisi prof. B.Baccelli - a.a. 2010/2011. 06 - Derivate, differenziabilità, piano tangente, derivate di ordine superiore. Riferimenti: R.Adams, Calcolo
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
DettagliTeorema delle Funzioni Implicite
Teorema delle Funzioni Implicite Sia F una funzione di due variabili definita in un opportuno dominio D di R 2. Consideriamo l equazione F (x, y) = 0, questa avrà come soluzioni coppie di valori (x, y)
DettagliAnalisi del moto dei proietti
Moto dei proietti E il moto di particelle che vengono lanciate con velocità iniziale v 0 e sono soggette alla sola accelerazione di gravità g supposta costante. La pallina rossa viene lasciata cadere da
DettagliStudio generale di una conica
Studio generale di una conica Manlio De Domenico 19 Giugno 2003 Definizione 1 Si definisce conica C un equazione algebrica F (x 1, x 2, x 3 ) = 0 del secondo ordine omogenea. Detta A la matrice simmetrica
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
DettagliANALISI MATEMATICA 3. esercizi assegnati per la prova scritta del 31 gennaio 2011
esercizi assegnati per la prova scritta del 31 gennaio 2011 Esercizio 1. Per x > 0 e n N si ponga f n (x) = ln ( n 5 x ) a) Provare l integrabilità delle funzioni f n in (0, + ). 3 + n 4 x 2. b) Studiare
DettagliMATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R
ANNO ACCADEMICO 25 6 SCIENZE GEOLOGICHE E SCIENZE NATURALI E AMBIENTALI MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PROFF MARCO ABATE E MARGHERITA LELLI-CHIESA PRIMA PARTE Esercizio (Testo
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliFisica Quantistica III Esercizi Natale 2009
Fisica Quantistica III Esercizi Natale 009 Philip G. Ratcliffe (philip.ratcliffe@uninsubria.it) Dipartimento di Fisica e Matematica Università degli Studi dell Insubria in Como via Valleggio 11, 100 Como
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
Dettagli