Part I Reinforcement Learning. 1 Q-Learning. 1.1 Deterministico
|
|
- Raffaele Conti
- 6 anni fa
- Visualizzazioni
Transcript
1 File distribuito con licenz Cretive Commons BY NC SA 2.5 IT Copyright 2007 Michele Trtr Prt I Reinforcement Lerning In un processo decisionle Mrkovino (MDP) l'gente può percepire lo stto s S in cui si trov e h disposizione un insieme A di zioni. A ogni intervllo discreto t di tempo, l'gente rilev lo stto ttule s t e decide di tture un'zione t A. L'mbiente risponde fornendo un ricompens (un rinforzo) r t = r(s t, t ) e portndosi nello stto s t+1 = δ(s t, t ). Le funzioni r e δ fnno prte dell'mbiente, dipendono unicmente dllo stto e dll'zione corrente (non dlle precedenti) e non sono necessrimente note ll'gente. Obiettivo del reinforcement lerning (pprendimento con rinforzo) consiste nel imprre un policy π : S A che, per ogni stto s S in cui si trov il sistem, indichi ll'gente un'zione A tle d mssimizzre il rinforzo totle ricevuto durnte tutt l sequenz di zioni compiut. Il rinforzo totle derivto dll policy π (discounted cumultive rewrd) è clcolto come V π (s t ) = r t + γr t+1 + γ 2 r t = γ i r t+1 e i vri rinforzi derivno dll successiv ppliczione dell policy π gli stti s t+1, s t+2,.... Si dice ottimle un policy π rgmxv π (s), ( s) π che mssimizz V π per tutti gli stti. In tl cso, V π viene dett V. Un policy ottimle può portre il rinforzo ottenuto nel compiere un singol zione d essere nche bsso (o ddirittur negtivo), purchè complessivmente questo conduc d ottenere un rinforzo mggiore. 1 Q-Lerning Algoritmo utile qundo è importnte l'enfsi sull coppi stto-zione, cioè qundo l'uso di un'zione piuttosto che di un'ltr port risultti notevolmente dierenti, prtire dllo stesso stto. È un lgoritmo di tipo Temporl Dierence nell'ccezione o-policy, cioè che vlut e miglior un policy non necessrimente ugule quell utilizzt per il controllo: ciò gli permette, d esempio, di pprendere un policy ottimle per sfruttre l conoscenz cquisit m, l tempo stesso, di utilizzrne un meno orientt llo sfruttmento e più ll'esplorzione, in modo di migliorre ulteriormente l policy futur. 1.1 Deterministico È uno dei metodi utilizzbili per clcolre l policy ottimle. Per ottenerl, si pss prim ttrverso il clcolo di un funzione denit su stti e zioni che esprime numericmente un vlutzione sugli stti (come d esempio V ), successivmente si implement l policy sull bse di tle funzione A prtire d V è possibile ottenere π secondo il seguente rgionmento: l'zione ottimle nello stto s è quell'zione che mssimizz l somm dell ricompens immedit r(s, ) e del vlore di V reltivo llo stto successore di s (cioè il vlore totle di tutte le ricompense future ttese) ridotto del coeciente γ (perchè clcolto prtire d uno stto s t+1 =δ(s, ) che è futuro), cioè π (s) = rgmx [r(s, ) + γv (δ(s, )) Purtroppo, questo pproccio è possibile solo qundo si conoscono r e δ, cioè un conoscenz ottimle dell'mbiente come nel cso dell Progrmmzione Dinmic. Negli ltri csi, invece di V si può usre l funzione Q L funzione Q L funzione Q è l mssim ricompens scontt ottenibile prtire d s, denit come Q(s, ) = r(s, ) + γv (δ(s, )) cioè come l somm dell ricompens immedit e dell mssim ricompens ottenibile prtire dl prossimo stto. 1 i=0
2 File distribuito con licenz Cretive Commons BY NC SA 2.5 IT Copyright 2007 Michele Trtr Algorithm 1 L'lgoritmo Q-Lerning, ssumendo ricompense e zioni deterministiche Per ogni s, inizilizz l csell ˆQ(s, ) dell tbell 0. Osserv lo stto ttule s Ripeti continumente: Scegli un'zione ed eseguil Ricevi un ricompens immedit r Osserv il nuovo stto s Aggiorn l csell ˆQ(s, ) come segue: ˆQ(s, ) r + γmx Q(s, ) s s L policy ottimle divent quindi π (s) = rgmxq(s, ) Anche se sembr un semplice riscrittur, è comunque importte perché mostr che non si h più dipendenz d r e δ. Inoltre, l contrrio che in V, l funzione Q non necessità di look-hed: è un semplice numero, che però rissume le informzioni su tutti gli stti futuri. L conoscenz di Q, quindi, corrisponde indirettmente ll conoscenz dell policy ottimle. Tuttvi, è necessrio or trovre il modo di pprendere Q, per il momento ncor ignot. Un lgoritmo per pprendere Q Dobbimo scoprire Q prtire dll'unico dto in nostro possesso, cioè le ricompense immedite che l'gente ottiene compiendo lcune zioni (che possono essere scelte cso). Considerndo che V è il mssimo vlore ottenibile di Q l vrire dell'zione compiut V = mx Q(s, ) possimo (per sostituzione) riscrivere l denizione di Q come Q(s, ) = r(s, ) + γmx Q(δ(s, ), ) ottenendo quindi un denizione ricorsiv. L'pprendimento di Q può quindi procedere prtire d un'ipotesi ˆQ, rppresentt come un tbell che, per ogni coppi stto-zione riport il vlore ipotizzto ˆQ(s, ). L tbell viene inizilizzt con vlori qulsisi (generlmente, tutti pri 0). L'gente, ripetutmente, osserv lo stto corrente s, esegue un'zione e osserv il risultto r = r(, s) e il nuovo stto s = δ(s, ). Aggiorn quindi il vlore ˆQ(s, ) seguendo l regol ˆQ(s, ) r + γmx ˆQ(s, ) Quindi, in breve, può essere descritto dll'algoritmo 1. Con questo lgoritmo, i vlori di ˆQ sono ssicurti convergere (dopo un numero sucientemente lto di iterzioni) i vlori di Q. È d notre che l'lgoritmo non specic come scegliere l'zione d compiere d ogni pssggio. L scelt è liber. Si potrebbe scegliere l'zione con il mssimo vlore di ˆQ, m questo porterebbe dre tropp importnz lle zioni esplorte ll'inizio dell'lgoritmo, mgri discpito di ltre migliori. Si preferisce quindi, generlmente, un pproccio probbilistico, in cui le zioni con ˆQ più lto sono scelte con mggiore probbilità (m non con certezz). Tle probbilità può essere nche clcolt in modo vribile con il tempo, per privilegire, inizilmente, l'esplorzione (esplortion) e, in tempi successivi, lo sfruttmento (esploittion). Tlvolt si struttur l'lgoritmo in modo tle d preferire lo sfruttmento solo nel cso in cui un'zione bbi probbilità prticolrmente elevt, usndo invece l'esplorzione in situzioni di qusi equivlenz. 2
3 File distribuito con licenz Cretive Commons BY NC SA 2.5 IT Copyright 2007 Michele Trtr 1.2 Indeterministico Qundo non si hnno certezze reltive l risultto [ di un'zione, deve cmbire il vlore V π in modo tle che si il vlore tteso del rinforzo cumultivo scontto: V π (s t ) = γ i r t+i i=0 Anlogmente l cso deterministico, è possibile rrivre denire l funzione Q come Q(s, ) = [r(s, ) + γ[v (δ(s, )) = [r(s, ) + γ s P(s s, )V (s ) dove P(s s, ) è l probbilità che compiendo l'zione nello stto s si rrivi llo stto s. Si può, nche in questo cso, riscriverl in form ricorsiv Q(s, ) = [r(s, ) + γ s P (s s, )mx Q(s, ) Bisogn, inne, riscrivere l funzione che ggiorn Q (perchè quell del cso deterministico non gli permetterebbe di convergere) in modo tle d dre un importnz sempre minore i nuovi dti ricevuti d un dt coppi (s, ) dove n è il numero dell'iterzione dell'lgoritmo e α n è ˆQ n (s, ) = (1 α n ) ˆQ n 1 (s, ) + α n [r + γmx ˆQn 1 (s, ) α n = visits n (s, ) con visits n (s, ) pri l numero di volte che l coppi (s, ) è stt visitt no ll'n-esim iterzione inclus. Quest è tuttvi solo un possibile descrizione di α n, se ne può usre nche un'ltr purchè α n 0 per t. In generle, α molto lto è dtto d mbienti prticolrmente dinmici, per fvorire l'dttmento dell policy ll'mbiente, mentre α bsso si prest ll'uso in mbienti sttici, in qunto permette di pprenderne l meglio le crtteristiche. 2 TD-lerning Gli lgoritmi di pprendimento di tipo Temporl Dierence si bsno sull riduzione delle discrepnze tr stime eseguite dll'gente in istnti dierenti. Q-lerning è un lgoritmo TD, m si bs sull dierenz tr stti in istnti immeditmente dicenti. TD è più generico e può considerre istnti e stti più lontni. È un combinzione delle idee del metodo Monte Crlo e dell Progrmmzione Dinmic. Può pprendere direttmente di dti grezzi, senz un modello delle dinmiche dell'mbiente (come MC). Aggiorn le stime bsndosi in prte su stime pprese in precedenz, senz ttendere il risultto nle (bootstrp, come DP). È dtto d pprendimento senz modello di mbienti dinmici. Converge (utilizzndo un policy π ss) se il psso temporle è sucientemente piccolo, o se si riduce col tempo. L'pprendimento è guidto dlle dierenze temporli nell predizione: V t (s t ) = α[r t+1 + γv t (s t+1 ) V t (s t ) dove V t (s t ) è l vrizione del vlore dello stto ttule s t, α è il coeciente di pprendimento, r t+1 è il rinforzo osservto (tteso) ll'istnte successivo, γ è il discount rte, V t (s t+1 ) è il vlore che si prevede ttulmente di ottenere dllo stto futuro s t+1. V t (s t ), il vlore ttule dello stto in cui ci si trov, è sottrtto per poter ottenere l dierenz (che è ciò che stimo clcolndo). Se Q-lerning clcol i propri vlori secondo l formul Q (1) (s t, t ) r t + γmx ˆQ(s t+1, ) con look-hed un psso, è possibile usre nche un formul due pssi o in generle con look-hed n pssi Q (2) (s t, t ) r t + γr t+1 + γ 2 mx ˆQ(s t+2, ) Q (n) (s t, t ) r t + γr t γ (n 1) r t+n 1 + γ n mx ˆQ(s t+n, ) 3
4 File distribuito con licenz Cretive Commons BY NC SA 2.5 IT Copyright 2007 Michele Trtr 2.1 TD(λ) Bsndosi su quest considerzione, Sutton h introdotto l'lgoritmo T D(λ) che combin tutte le Q con prospezioni di vrie lunghezze per mezzo di un costnte 0 λ 1 [ Q λ (s t, t ) (1 λ) Q (1) (s t, t ) + λq (2) (s t, t ) + λ 2 Q (3) (s t, t ) +... o equivlentemente in modo ricorsivo [ Q λ (s t, t ) = r t + γ (1 λ)mx ˆQ(s t, t ) + λq λ (s t+1, t+1 ) Con queste formule, ll'umentre di λ si considerno sempre di più cmpioni distnti. Se l'gente st seguendo un policy ottimle, per λ = 1 Q λ fornirà un stim perfett di Q nche se sono presenti delle imperfezioni in ˆQ. D'ltr prte, se l policy non è ottimle, le ricompense r t+i osservte troppo lontno nel futuro potrebbero essere molto inccurte. L'lgoritmo TD(λ) è utile per vlutre stti che bbino più o meno lo stesso vlore indipendentemente dll'zione svolt. F uso di eligibility trce, cioè clcol i vlori che gli interessno come medi pest (trmite λ) di tutte le prospezioni sugli stti futuri. 3 Progrmmzione Dinmic (DP) Insieme di lgoritmi utilizzbili per clcolre un policy ottimle dto un perfetto modello dell'mbiente sotto form di Mrkov Decision Process (MDP). Sono poco usti per il Reinforcement Lerning perchè richiedono un modello completo, m sono bbstnz ecienti e permetterebbero di rggiungere un soluzione in tempo poliniomile rispetto l numero di stti e zioni. Bootstrpping property L progrmmzione dinmic f uso dell tecnic del bootstrpping, che consiste nel gurdre vnti lungo un trnsizione di stto ed utilizzre le stime ttulmente disponibili dell'utilità di tle stto per migliorre l stim del vlore di utilità dello stto considerto. Co-convergenz Il secondo concetto presente nell DP consiste nell presenz di due processi simultnei che intergiscono: il primo rende il vlore degli stti consistente con l policy corrente, mentre il secondo miglior l policy bsndosi sui vlori ttuli. Nell'lgoritmo policy itertion le due fsi si lternno e ognun termin prim che cominci l'ltr. Nell'lgoritmo vlue itertion viene eseguit un singol iterzione di clcolo dei vlori tr ogni psso di migliormento dell policy. Nel lungo termine, il risultto dei due pprocci è lo stesso: si trtt sempre di Generl Policy Itertion. 3.1 Algoritmi Policy Itertion Prtendo d un policy csule π, l pplic per clcolre i vlori di utilità che produce (policy evlution), utilizzndo, per ogni stto, l formul V (s) s P ss [R ss + γv (s ) dove P ss è l probbilità di ndre dllo stto s llo stto s compiendo l'zione, Rss è il rinforzo ottenuto ndndo dllo stto s llo stto s compiendo l'zione, γ è il discount rte e V (s ) è il vlore di utilità dello stto s. Il clcolo è eseguito no rggiungere l convergenz. Successivmente, si clcol per tutti gli stti un nuov policy (policy improvement) tle che π(s) rgmx Pss [R ss + γv (s ) s cioè si denisce come π(s) l'zione che mssimizz il vlore di utilità dello stto s. 4
5 File distribuito con licenz Cretive Commons BY NC SA 2.5 IT Copyright 2007 Michele Trtr Ogni volt che l policy di lmeno uno stto viene cmbit, è necessrio ripetere l'lgoritmo, rivlutndo tutte le policy ed eventulmente cercndone di nuove. In ltre prole, si clcolno lterntivmente nuove policy e nuove funzioni di utilità no giungere ll policy e ll funzione di utilità ottimli: π 0 π 0 I π1 π 1 I π2... I π dove rppresent l vlutzione (evlution) di un policy e I il migliormento (improvement) di un policy Vlue Itertion Nell'lgoritmo Policy itertion il psso di vlutzione dell Policy deve giungere convergenz. Ciò può richiedere precchio tempo. È possibile troncre tle vlutzione senz perdere l grnzi di convergenz, usndo l'lgoritmo vlue itertion. L'lgoritmo di Vlue Itertion clcol il vlore di utilità per ogni stto come V (s) mx s P ss [R ss + γv (s ) nchè = V (s t ) V (s t 1 ) < θ con θ piccolo numero positivo, oppure nche con un singol psst. Successivmente produce un policy deterministic π tle che π(s) rgmx P ss [R ss + γv (s ) s cioè ssegn π(s) l'zione che mssimizz il vlore di utilità dello stto s, per ogni stto Generl Policy Itertion (GPI) Generlizz si PI si VI e può essere usto per descrivere qusi tutti gli lgoritmi di pprendimento con rinforzo. Purchè i due processi di vlutzione dell policy (che ggiorn V ) e di migliormento dell policy (che ggiorn π) vvengno continumente e in prllelo, non h vermente importnz l grnulrità con cui essi si lternno, in qunto il risultto è tipicmente lo stesso: l convergenz V e π. 4 Metodi Monte Crlo (MC) Non richiedono complet conoscenz dell'mbiente. Necessitno solo di esperienz, sotto form di sequenze di stti, zioni e ricompense provenienti d interzioni on-line o simulte con l'mbiente. Non è necessrio che un eventule modello bbi tutte le distribuzioni di probbilità di tutte le possibili trnsizioni. I metodi Monte Crlo permettono di risolvere problemi di pprendimento con rinforzo bsndosi sull medi dei risultti ottenuti. I risultti vengono considerti episodio per episodio (cioè rigurdno un'inter interzione con l'mbiente) e non pssopsso. Con l dicitur "metodi Monte Crlo" si indicno quindi quei metodi che si bsno sull medi di risultti completi, intesi come contrpposti i metodi che pprendono prtire d risultti przili. Il metodo Monte Crlo è molto simile ll progrmmzione dinmic: clcol le stesse vlue function e intergiscono per ottenere l'ottimlità ll'incirc nello stesso modo. L convergenz dei metodi Monte Crlo è ssicurt qundo il numero di visite ogni stto tende innito, m le stime per ogni stto sono indipendenti. È quindi interessnte utilizzre questi metodi qundo sono necessri i vlori solo di un sottoinsieme degli stti, in qunto è possibile concentrrsi su di essi ignorndo gli ltri. 4.1 Algoritmo A prtire d un funzione zione-vlore rbitrri Q : S A R e utilizzndo un policy rbitrri si ront il psso di vlue improvement: viene generto un episodio. Per ogni coppi stto zione (s, ) si ggiunge il rinforzo ricevuto r ll'insieme dei rinforzi ottenuti con tle coppi: Rewrds(s, ). Si clcol quindi Q(s, ) = verge(rewrds(s, )). Si h quindi il psso di policy imprevement: per ogni stto s l policy ssocit llo stto divent π(s) = rgmxq(s, ). 5
Sistemi Intelligenti Reinforcement Learning: Sommario
Sistemi Intelligenti Reinforcement Lerning: Itertive policy evlution Alberto Borghese Università degli Studi di Milno Lbortorio di Sistemi Intelligenti Applicti (AIS-Lb) Diprtimento di Scienze dell Informzione
Dettagli2 x = 64 (1) L esponente (x) a cui elevare la base (2) per ottenere il numero 64 è detto logaritmo (logaritmo in base 2 di 64), indicato così:
Considerimo il seguente problem: si vuole trovre il numero rele tle che: = () L esponente () cui elevre l bse () per ottenere il numero è detto ritmo (ritmo in bse di ), indicto così: In prticolre in questo
DettagliIntegrale Improprio. f(x) dx =: Osserviamo che questa definizione ha senso dal momento che per ogni y è ben definito l integrale b
Integrle Improprio In queste lezioni riprendimo l teori dell integrzione in un vribile, l ide è di estendere l integrle definito nche in csi in cui l funzione integrnd o l intervllo di integrzione non
DettagliVariabile casuale uniforme (o rettangolare)
Vribile csule uniforme (o rettngolre) Le crtteristic principle è che le sue relizzzioni sono equiprobbili Si pplic nelle situzioni in cui il fenomeno: Assume vlori in un intervllo limitto [,b] L probbilità
Dettagli, x 2. , x 3. è un equazione nella quale le incognite appaiono solo con esponente 1, ossia del tipo:
Sistemi lineri Un equzione linere nelle n incognite x 1, x 2, x,, x n è un equzione nell qule le incognite ppiono solo con esponente 1, ossi del tipo: 1 x 1 + 2 x 2 + x +!+ n x n = b con 1, 2,,, n numeri
DettagliLinguaggi di Programmazione Corso C. Parte n.5 Automi a Stati Finiti. Nicola Fanizzi
Linguggi di Progrmmzione Corso C Prte n.5 Automi Stti Finiti Nicol Fnizzi (fnizzi@di.uni.it) Diprtimento di Informtic Università degli Studi di Bri Automi Stti Finiti Dto un lfeto X, un utom stti finiti
DettagliEsercizi sulle serie di Fourier
Esercizi sulle serie di Fourier Corso di Fisic Mtemtic,.. 3- Diprtimento di Mtemtic, Università di Milno Novembre 3 Sviluppo in serie di Fourier (esponenzile) In questi esercizi, si richiede di sviluppre
DettagliVerifica di Fisica 04/12/2014 Argomenti trattati durante il corso:
Liceo Scientifico Augusto Righi, Cesen Corso di Fisic Generle, AS 2014/15, Clsse 1C Verific di Fisic 04/12/2014 Argomenti trttti durnte il corso: Grndezze fisiche: fondmentli e derivte Notzione scientific
DettagliFORMULE DI AGGIUDICAZIONE
Mnule di supporto ll utilizzo di Sintel per stzione ppltnte FORMULE DI AGGIUDICAZIONE gin 1 di 18 Indice AZIENDA REGIONALE CENTRALE ACQUISTI - ARCA S.p.A. 1 INTRODUZIONE... 3 1.1 Mtrice modlità offert/modlità
Dettaglifattibile con le tecniche elementari che imparerai in seguito. Ad esempio il polinomio
Scomposizione di un polinomio in fttori Scomporre in fttori primi un polinomio signific esprimerlo come il prodotto di due più polinomi non più scomponibili Ad esempio 9 = ( 3) fttore 1 ( + 3) fttore +
DettagliCOLPO D ARIETE: MANOVRE DI CHIUSURA
Università degli studi di Rom Tor Vergt Corso di Idrulic. Prof. P. Smmrco COLPO D ARIETE: MANOVRE DI CHIUSURA Appunti integrtivi l testo E. Mrchi, A. Rubtt - Meccnic dei Fluidi dlle lezioni del prof. P.
DettagliEquazioni di 2 grado. Definizioni Equazioni incomplete Equazione completa Relazioni tra i coefficienti della equazione e le sue soluzioni Esercizi
Equzioni di grdo Definizioni Equzioni incomplete Equzione complet Relzioni tr i coefficienti dell equzione e le sue soluzioni Esercizi Mteri: Mtemtic Autore: Mrio De Leo Definizioni Un equzione è: Un uguglinz
DettagliCorso di Analisi: Algebra di Base. 4^ Lezione. Radicali. Proprietà dei radicali. Equazioni irrazionali. Disequazioni irrazionali. Allegato Esercizi.
Corso di Anlisi: Algebr di Bse ^ Lezione Rdicli. Proprietà dei rdicli. Equzioni irrzionli. Disequzioni irrzionli. Allegto Esercizi. RADICALI : Considerto un numero rele ed un numero intero positivo n,
DettagliAnno 5. Applicazione del calcolo degli integrali definiti
Anno 5 Appliczione del clcolo degli integrli definiti 1 Introduzione In quest lezione vedremo come pplicre il clcolo dell integrle definito per determinre le ree di prticolri figure pine, i volumi dei
DettagliMisure ed incertezze di misura
Misure ed incertezze di misur Misurzione e Misur Misurre signiic quntiicre un grndezz isic chimt misurndo trmite un processo (misurzione) il cui risultto detto misur. L misur deve poter essere ripetut
Dettagli8 Controllo di un antenna
8 Controllo di un ntenn L ntenn prbolic di un rdr mobile è montt in modo d consentire un elevzione compres tr e =2. Il momento d inerzi dell ntenn, Je, ed il coefficiente di ttrito viscoso, f e, che crtterizzno
DettagliESERCIZIO DI ASD DEL 27 APRILE 2009
ESERCIZIO DI ASD DEL 27 APRILE 2009 Dimetro Algoritmi. Ricordimo che un grfo non orientto, ciclico e connesso è un lero. Un lero può essere pensto come lero rdicto un volt che si si fissto un nodo come
DettagliC A 10 [HA] C 0 > 100 K
Soluzioni Tmpone Le soluzioni tmpone sono soluzioni in cui sono presenti un cido debole e l su bse coniugt sotto form di sle molto solubile. Hnno l crtteristic di mntenere il ph qusi costnte nche se d
DettagliDeterminanti e caratteristica di una matrice (M.S. Bernabei & H. Thaler
Determinnti e crtteristic di un mtrice (M.S. Bernbei & H. Thler Determinnte Il determinnte può essere definito solmente nel cso di mtrici qudrte Per un mtrice qudrt 11 (del primo ordine) il determinnte
DettagliEsercitazione Dicembre 2014
Esercitzione 10 17 Dicembre 2014 Esercizio 1 Un economi chius è crtterizzt di seguenti dti: A = 400 M = 250 γ = 1.5 (moltiplictore dell politic fiscle) β = 0.8 moltiplictore dell politic monetri z = 0.25
Dettagli" Osservazione. 6.1 Integrale indefinito. R Definizione (Primitiva) E Esempio 6.1 CAPITOLO 6
CAPITOLO 6 Clcolo integrle 6. Integrle indefinito L nozione fondmentle del clcolo integrle è quell di funzione primitiv di un funzione f (). Tle nozione è in qulche modo speculre ll nozione di funzione
DettagliIntegrali. all integrale definito all integrale indefinito. Integrali: riepilogo
Integrli ll integrle deinito ll integrle indeinito Indice dell lezione Integrle Deinito Rettngoloide Integrle deinito come re del rettngoloide Esempi e propriet Primitiv Teorem ondmentle del clcolo integrle
DettagliCapitolo 5. Integrali. 5.1 Integrali di funzioni a gradinata
Cpitolo 5 Integrli 5.1 Integrli di funzioni grdint Un concetto molto semplice m di fondmentle importnz per l trttzione dell integrle di Riemnn è quello di divisione di un intervllo [, b]. In sostnz si
Dettaglicorrispondenza dal piano in sé, che ad ogni punto P del piano fa corrispondere il punto P' in
Cpitolo 5 Le omotetie 5. Richimi di teori Definizione Sino fissti un punto C del pino ed un numero rele. Si chim omoteti di centro C e rpporto ( che si indic con il simolo O, ) l corrispondenz dl pino
Dettagli{ 3 x y=4. { x=2. Sistemi di equazioni
Sistemi di equzioni Definizione Un sistem è un insieme di equzioni che devono essere verificte contempornemente, cioè devono vere contempornemente le stesse soluzioni. Definimo grdo di un sistem il prodotto
DettagliFunzioni razionali fratte
Funzioni rzionli frtte Per illustrre l medizione che AlNuSet fornisce per lo studio delle funzioni rzionli frtte, inizimo con il considerre l funzione f ( ) l vrire del prmetro. L su rppresentzione nell
DettagliMATEMATIKA OLASZ NYELVEN
Mtemtik olsz nyelven középszint 061 É RETTSÉGI VIZSGA 007. október 5. MATEMATIKA OLASZ NYELVEN KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM Indiczioni
Dettagli1 Espressioni polinomiali
1 Espressioni polinomili Un monomio è un espressione letterle in un vribile x che contiene un potenz inter (non negtiv, cioè mggiori o uguli zero) di x moltiplict per un numero rele: x n AD ESEMPIO: sono
DettagliPrincipi di economia Microeconomia. Esercitazione 3. Teoria del Consumatore
Principi di economi Microeconomi Esercitzione 3 Teori del Consumtore Novembre 1 1. Considerimo uno studente indifferente tr il consumo di penne nere (x n ) e blu (x b ), e che cquist ogni nno un pniere
DettagliIntroduzione e strumenti
Controlli utomtici Introduzione e strumenti Convenzioni generli ed elementi di bse Dll equzione ll rppresentzione grfic L lgebr dei blocchi Clcolo di funzioni di trsferimento di schemi interconnessi 2
DettagliApprendimento per Rinforzo
Laurea Magistrale in Informatica Nicola Fanizzi Dipartimento di Informatica Università degli Studi di Bari 11 febbraio 2009 Sommario Apprendimento del Controllo Politiche di Controllo che scelgono azioni
Dettagli7. Derivate Definizione 1
7. Derivte Il concetto di derivt è importntissimo e molto nturle. Per vere un esempio concreto, penste l moto di un mcchin: se f(t) è l funzione che esprime qunt strd vete percorso fino d un certo istnte
Dettagli1 Integrale delle funzioni a scala
INTEGRALE DELLE FUNZIONI DI UNA VARIABILE Teori di Riemnn 1 Integrle delle funzioni scl (1.1) Definizione Si dice suddivisione di un intervllo chiuso e limitto [, b] un sottoinsieme {,..., n } di [, b]
DettagliIntegrali. Il concetto di integrale nasce per risolvere due classi di problemi:
Integrli Il concetto di integrle nsce per risolvere due clssi di problemi: clcolo delle ree di figure delimitte d curve, clcolo di volumi, clcolo del lvoro di un forz, clcolo dello spzio percorso,... integrle
DettagliLo spettro di un segnale numerico
Lo spettro di un segnle numerico Abbimo visto che le prestzioni (P b (e) in funzione di E b /N 0 ) di un costellzione dipendono solo dll disposizione dei suoi segnli nello spzio Euclideo, non dlle forme
DettagliIl problema delle aree. Metodo di esaustione.
INTEGRALE DEFINITO. DEFINIZIONE E SIGNIFICATO GEOMETRICO. PROPRIETA DELL INTEGRALE DEFINITO. FUNZIONE INTEGRALE. TEOREMA DELLA MEDIA. TEOREMA FONDAMENTALE DEL CALCOLO INTEGRALE. FORMULA DI LEIBNITZ NEWTON.
DettagliIntegrali de niti. Il problema del calcolo di aree ci porterà alla de nizione di integrale de nito.
Integrli de niti. Il problem di clcolre l re di un regione pin delimitt d gr ci di funzioni si può risolvere usndo l integrle de nito. L integrle de nito st l problem del clcolo di ree come l equzione
Dettaglib a 2. Il candidato spieghi, avvalendosi di un esempio, il teorema del valor medio.
Domnde preprzione terz prov. Considert, come esempio, l funzione nell intervllo [,], il cndidto illustri il concetto di integrle definito. INTEGRALE DEFINITO, prendendo in esme un generic funzione f()
DettagliControlli Automatici. Trasformate L e Z e schemi a blocchi. Esercizi sulle trasformate L e Z
Controlli Automtici Trsformte L e Z e schemi blocchi Esercizi sulle trsformte L e Z Esercizi sulle trsformte L e Z Proposte di esercizi e soluzioni in tempo rele trsformt L di y(t) dt trsformt Z di y(i)
DettagliIntegrali. Il concetto di integrale nasce per risolvere due classi di problemi:
Integrli Il concetto di integrle nsce per risolvere due clssi di problemi: clcolo delle ree di figure delimitte d curve, clcolo di volumi, clcolo del lvoro di un forz, clcolo dello spzio percorso,... integrle
DettagliSi noti che da questa definizione segue che il punto C è il punto medio del segmento PP'. Figura 1
APITOLO 3 LE SIMMETRIE 3. Richimi di teori Definizione. Si dto un punto del pino; si chim simmetri centrle di centro (che si indic con il simbolo s ) l corrispondenz dl pino in sé che d ogni punto P del
DettagliPOTENZA CON ESPONENTE REALE
PRECORSO DI MATEMATICA VIII Lezione ESPONENZIALI E LOGARITMI E. Modic mtemtic@blogscuol.it www.mtemtic.blogscuol.it POTENZA CON ESPONENTE REALE Definizione: Dti un numero rele > 0 ed un numero rele qulunque,
DettagliIntegrazione Numerica
Integrzione Numeric Si f un funzione integrbile sull intervllo [, b]. Il suo integrle I (f ) = b f (x) dx può essere difficile d clcolre (può nche non essere vlutbile in form esplicit). Un formul esplicit
DettagliINTEGRAZIONE NUMERICA
INTEGRAZIONE NUMERICA Frncesc Pelosi Diprtimento di Mtemtic, Università di Rom Tor Vergt CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mt.unirom.it/ pelosi/ INTEGRAZIONE NUMERICA p./33 INTEGRAZIONE NUMERICA
DettagliLaurea triennale in Scienze della Natura a.a. 2009/2010. Regole di Calcolo
Lure triennle in Scienze dell Ntur.. 2009/200 Regole di Clcolo In queste note esminimo lcune conseguenze degli ssiomi reltivi lle operzioni e ll ordinmento nell insieme R dei numeri reli. L obiettivo principle
DettagliLEZIONE 6 ARGOMENTO: VALUTAZIONE ECONOMICA DELLE RISORSE. Argomento. Valutazione di progetti e/o scelte pubbliche
1 LEZIONE 6 ARGOMENTO: VALUTAZIONE ECONOMICA DELLE RISORSE Argomento. Vlutzione di progetti e/o scelte pubbliche 1) Economi del benessere ovvero come misurre il benessere e le sue vrizioni 2) I fondmenti
DettagliSessione Suppletiv PNI 006 Sessione Suppletiv PNI 006 Sessione Suppletiv PNI 006 PROBLEMA ) L prbol di equzione V ' (0,0). y h sse di simmetri prllelo ll sse delle ordinte e vertice in L prbol di equzione
DettagliLaboratorio di Matematica Computazionale A.A Lab. 11 Integrazione numerica
Lbortorio di Mtemtic Computzionle A.A. 2008-2009 1 Integrzione numeric Lb. 11 Integrzione numeric Un metodo di integrzione numerico consiste in un formul esplicit che permett di pprossimre il vlore di
DettagliVOLUMI, MASSE, DENSITÀ
VOLUMI, MASSE, DENSITÀ In clsse è già stt ftt un'esperienz di misur dell densità prtire d misure di mss e di volume. In quel cso è stt misurt l mss in mnier dirett con un bilnci, e il volume in mnier indirett.
DettagliIntegrali dipendenti da un parametro e derivazione sotto il segno di integrale.
1 Integrli dipendenti d un prmetro e derivzione sotto il segno di integrle. Considerimo l funzione f(x, t) : A [, b] R definit nel rettngolo A [, b], essendo A un sottoinsieme perto di R e [, b] un intervllo
DettagliINTEGRALI IMPROPRI. f(x) dx. e la funzione f(x) si dice integrabile in senso improprio su (a, b]. Se tale limite esiste ma
INTEGRALI IMPROPRI. Integrli impropri su intervlli itti Dt un funzione f() continu in [, b), ponimo ε f() = f() ε + qundo il ite esiste. Se tle ite esiste finito, l integrle improprio si dice convergente
DettagliTitolazione Acido Debole Base Forte. La reazione che avviene nella titolazione di un acido debole HA con una base forte NaOH è:
Titolzione Acido Debole Bse Forte L rezione che vviene nell titolzione di un cido debole HA con un bse forte NOH è: HA(q) NOH(q) N (q) A (q) HO Per quest rezione l costnte di equilibrio è: 1 = = >>1 w
DettagliMacchine. sequenziali. S. Salvatori - Microelettronica marzo 2017 (39 di 85)
Mcchine sequenzili S. Slvtori - Microelettronic mrzo 217 (39 di 85) Mcchine sequenzili Il vlore dell'uscit dipende dll sequenz di ingressi ricevuti fino ll'istnte corrente ) serve un memori (stto) b) l'uscit
DettagliFUNZIONI CONTINUE A TRATTI E LORO INTEGRALI
FUNZIONI CONTINUE A TRATTI E LORO INTEGRALI Considerimo un funzione f : I R, dove I è un intervllo di R. Si c un punto interno I in cui f è discontinu. Diremo che c è un punto di discontinuità di prim
DettagliTEST DI MATEMATICA. Funzioni in una, Funzioni in due variabili Integrali Equazioni differenziali. 1) Il valore del limite seguente. e e. e 1.
TEST DI MATEMATICA Funzioni in un, Funzioni in due vriili Integrli Equzioni differenzili ) Il vlore del limite seguente e e e lim è ) Il vlore del limite seguente 5 lim 5 è : ) L derivt prim dell funzione
DettagliMeccanica dei Solidi. Vettori
Meccnic dei Solidi Prof. Ing. Stefno Avers Università di Npoli Prthenope.. 2005-06 Lezione 2 Vettori Definizione: Un grndezz vettorile (o un vettore) è un grndezz fisic crtterizzt oltre che d un numero
DettagliErasmo Modica. : K K K
L insieme dei numeri reli L INSIEME DEI NUMERI REALI Ersmo Modic helthinsurnce@tin.it www.glois.it Per introdurre l insieme dei numeri reli si hnno disposizione diversi modi. Generlmente l iennio si preferisce
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA ESPONENZIALI E LOGARITMI Dr. Ersmo Modic ersmo@glois.it www.glois.it POTENZA CON ESPONENTE REALE Definizione: Dti un numero
DettagliSiano α(x), β(x) due funzioni continue in un intervallo [a, b] IR tali che. α(x) β(x).
OMINI NORMALI. efinizione Sino α(), β() due funzioni continue in un intervllo [, b] IR tli che L insieme del pino (figur 5. pg. ) α() β(). = {(, ) [, b] IR : α() β()} si chim dominio normle rispetto ll
DettagliOsserviamo che per trovare le costanti A e B possiamo anche ragionare così: se moltiplichiamo l equazione x + 1 (x + 2)(x + 3) = A.
88 Roberto Turso - Anlisi 2 Osservimo che per trovre le costnti A e B possimo nche rgionre così: se moltiplichimo l equzione + ( + 2)( + 3) = A + 2 + B + 3 per + 2, dopo ver semplificto, ottenimo + + 3
DettagliIl calcolo letterale
Progetto Mtemtic in Rete Il clcolo letterle Finor imo studito gli insiemi numerici (espressioni numeriche). Ν, Ζ, Q, R ed operto con numeri In mtemtic però è molto importnte sper operre con le lettere
DettagliStabilità dei sistemi di controllo in retroazione
Stbilità dei sistemi di controllo in retrozione Criterio di Nyquist Il criterio di Nyquist Estensione G (s) con gudgno vribile Appliczione sistemi con retrozione positiv 2 Criterio di Nyquist Stbilità
DettagliConversione A/D e D/A. Quantizzazione
Conversione A/D e D/A Per il trttmento dei segnli sempre più vengono preferite soluzioni di tipo digitle. È quindi necessrio, in fse di cquisizione, impiegre dispositivi che convertno i segnli nlogici
Dettagli{ 1, 2,3, 4,5,6,7,8,9,10,11,12, }
Lezione 01 Aritmetic Pgin 1 di 1 I numeri nturli I numeri nturli sono: 0,1,,,4,5,6,7,8,,10,11,1, L insieme dei numeri nturli viene indicto col simbolo. } { 0,1,,, 4,5,6,7,8,,10,11,1, } L insieme dei numeri
DettagliLiceo Scientifico Statale Leonardo da Vinci Via Possidonea Reggio Calabria Anno Scolastico 2008/2009 Classe III Sezione G
Liceo Scientifico Sttle Leonrdo d Vinci Vi Possidone 14 8915 Reggio Clbri Anno Scolstico 008/009 Clsse III Sezione G Dirigente scolstico: Preside Prof. ss Vincenzin Mzzuc Professore coordintore del progetto:
DettagliAllegato C alla Delibera n. 254/11/CONS. Il calcolo del costo medio ponderato del capitale. 1. Introduzione
Allegto C ll Deliber n. 254/11/CONS Il clcolo del costo medio ponderto del cpitle 1. Introduzione 1. L Autorità pplic l metodologi definit dll llegto A ll deliber n. 60/11/CONS per il clcolo del costo
DettagliSuccessioni di Funzioni e Serie di Potenze
Successioni di Funzioni e Serie di Potenze 1 Successioni di Funzioni e Serie di Potenze 1 Successioni di Funzioni Nel corso di nlisi di bse si sono studite le successioni numeriche. Qui considerimo un
DettagliDifferenziale. Consideriamo la variazione finita, x della variabile indipendente a cui corrisponde una variazione finita della funzione f x, f x y
Differenzile Considerimo l vrizione finit, dell vriile indipendente cui corrisponde un vrizione finit dell funzione f, f y Δf 1 Δ 2 L vrizione dell vriile dipendente puo' essere molto piccol, infinitesim
Dettaglim kg M. 2.5 kg
4.1 Due blocchi di mss m = 720 g e M = 2.5 kg sono posti uno sull'ltro e sono in moto sopr un pino orizzontle, scbro. L mssim forz che può essere pplict sul blocco superiore ffinchè i blocchi si muovno
DettagliUnità 3 Metodi particolari per il calcolo di reti
Unità 3 Metodi prticolri per il clcolo di reti 1 Cos c è nell unità Metodi prticolri per il clcolo di reti con un solo genertore Prtitore di tensione Prtitore di corrente Metodi di clcolo di reti con più
DettagliFLESSIONE E TAGLIO (prof. Elio Sacco)
Cpitolo FLESSIONE E TALIO (prof. Elio Scco). Sollecitzione di flessione e tglio Si esmin il cso in cui l risultnte delle tensioni genti sull bse dell trve x = L consist in un forz tglinte V, tlechev e
Dettagliipotenusa cateto adiacente ad α cateto opposto ad α ipotenusa cateto adiacente ad α ipotenusa cateto adiacente ad α
Trigonometri I In quest prim prte dell trigonometri denimo le funzioni trigonometriche seno, coseno e tngente e le loro funzioni inverse. Vedremo nche come utilizzrle nell risoluzione dei tringoli. Comincimo
DettagliCampi. Una funzione F di n variabili reali e a valori in R n è detta campo di vettori. Nel seguito considereremo F : A R n con A aperto di R n.
Cmpi Ultimo ggiornmento: 18 febbrio 217 Un funzione F di n vribili reli e vlori in R n è dett cmpo di vettori. Nel seguito considereremo F : A R n con A perto di R n. 1. Integrli curvilinei di second specie
DettagliRAPPRESENTAZIONE GRAFICA DELLA PARABOLA a ( ) { } f con, è la parabola di equazione y = ax + bx + c. Vogliamo disegnarla. 2
APPENDICE 1 AL CAPITOLO 3: RAPPRESENTAZIONE GRAFICA DELLA PARABOLA Per 0 l insieme,y / y = + + c, grfico dell funzione f = + + c { } f con, è l prol di equzione y = + + c Voglimo disegnrl non è difficile
DettagliUn carrello del supermercato viene lanciato con velocità iniziale
Esempio 44 Un utomobile procede lungo l utostrd ll velocità costnte di m/s, ed inizi d ccelerre in vnti di m/s.5 proprio nell istnte in cui super un cmion fermo in un re di sost. In quel preciso momento
Dettagli1 Equazioni e disequazioni di secondo grado
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - Fcoltà di Frmci e Medicin - Corso di Lure in CTF 1 Equzioni e disequzioni di secondo grdo Sino 0, b e c tre numeri reli noti, risolvere un equzione di secondo
DettagliI radicali. Cos è un radicale? ESERCIZIO 2.1. Determina le C.E. dei seguenti radicali e delle seguenti espressioni contenenti radicali.
I rdicli Cos è un rdicle? Il simbolo si chim rdicle e si legge rdice ennesim di. - n si chim indice dell rdice e deve essere un numero nturle mggiore di zero. Qundo l indice si sottintende e il rdicle
DettagliArea del Trapezoide. f(x) A f(a) f(b) f(x)
Are del Trpezoide y o A f() trpezoide h B f() f() L're del trpezoide S puo' essere pprossimt dll're del trpezio AB. Per vere un migliore pprossimzione possimo suddividere il trpezio in trpezi piu' piccoli.
DettagliMinimi quadrati e problemi di distanza minima
Minimi qudrti e problemi di distnz minim Considerimo un mtrice rettngolre B, con elementi b ij, i 1,..., n, j 1,..., m, con m < n (quindi, più righe che colonne. Voglimo risolvere il sistem linere (1 Bx
DettagliCorso di Analisi Matematica Calcolo integrale per funzioni di una variabile
Corso di Anlisi Mtemtic Clcolo integrle per funzioni di un vribile Lure in Informtic e Comuniczione Digitle A.A. 2013/2014 Università di Bri ICD (Bri) Anlisi Mtemtic 1 / 40 1 L integrle come limite di
DettagliRadicali. Definizioni Variazioni di radicali Operazioni Razionalizzazione Radicali doppi Potenze con esponente razionale Esercizi
Rdicli Definizioni Vrizioni di rdicli Operzioni Rzionlizzzione Rdicli doppi Potenze con esponente rzionle Esercizi Mteri: Mtemtic Autore: Mrio De Leo Definizioni n L espressione è comunemente dett rdice
DettagliMoto in due dimensioni
INGEGNERIA GESTIONALE corso di Fisic Generle Prof. E. Puddu LEZIONE DEL 24 SETTEMBRE 2008 Moto in due dimensioni Spostmento e velocità Posizione e spostmento L posizione di un punto mterile nel pino è
DettagliINTEGRAZIONE NUMERICA
INTEGRAZIONE NUMERICA Frncesc Pelosi Diprtimento di Mtemtic, Università di Rom Tor Vergt CALCOLO NUMERICO.. 008 009 http://www.mt.unirom.it/ pelosi/ INTEGRAZIONE NUMERICA p.1/0 INTEGRAZIONE NUMERICA Dt
Dettaglia monometriche Oxy, l equazione cartesiana di Γ è: y =
Y557 - ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. Tem di: MATEMATICA Il cndidto risolv uno dei due problemi e 5 dei quesiti del questionrio. PROBLEMA Nel pino sono dti: il cerchio γ
Dettagli01CXGBN Trasmissione numerica. parte 9: lo spettro del segnale trasmesso
0CXGBN rsmissione numeric prte 9: lo spettro del segnle trsmesso Lo spettro di un segnle numerico Abbimo visto che le prestzioni (P b (e) in funzione di Eb/N0) di un costellzione dipendono solo dll disposizione
DettagliFacoltà di Economia - Università di Sassari Anno Accademico 2004-2005. Dispense Corso di Econometria Docente: Luciano Gutierrez.
Fcoltà di Economi - Università di Sssri Anno Accdemico 2004-2005 Dispense Corso di Econometri Docente: Lucino Gutierrez Algebr Linere Progrmm: 1.1 Definizione di mtrice e vettore 1.2 Addizione e sottrzione
DettagliPNI SESSIONE SUPPLETIVA QUESITO 1
www.mtefili.it PNI 2005 - SESSIONE SUPPLETIVA QUESITO È dto un trpezio rettngolo, in cui le bisettrici degli ngoli dicenti l lto obliquo si intersecno in un punto del lto perpendicolre lle bsi. Dimostrre
Dettagli{x (t) = CINEMATICA DEL PUNTO MOTI UNIDIMENSIONALI ESERCIZIO CP1
CINEMATICA DEL PUNTO MOTI UNIDIMENSIONALI Pssimo ll prim serie di esercizi che crtterizzernno i nostri incontri. In prticolre risolveremo il primo esercizio commentndo ogni pssggio in modo esgertmente
DettagliSeconda prova maturita 2016 soluzione secondo problema di matematica scientifico
Second prov mturit 06 soluzione secondo problem di mtemtic scientifico Skuol.net June, 06 Primo Problem Le tre funzioni proposte sono f () ( ) k f () 6 + 9k + f () cos( π k ). Punto Affinche l funzione
DettagliAnno 2. Potenze di un radicale e razionalizzazione
Anno Potenze di un rdicle e rzionlizzzione Introduzione In quest lezione impreri utilizzre le ultime due tipologie di operzioni sui rdicli, cioè l potenz di un rdicle e l rdice di un rdicle. Successivmente
DettagliMetodi statistici per l analisi dei dati
Metodi sttistici per l nlisi dei dti Introduzione In ogni esperimento, possono essere presenti diversi fttori di disturo che mplificno l vriilità presente nei dti. In genere, si definisce fttore di disturo
DettagliTurnazione dei mezzi (vehicles-scheduling)
Turnzione dei mezzi (vehicles-scheduling) Definizione del prolem L fse di turnzione dei mezzi e del personle consiste nel pinificre l utilizzo nel tempo (e nello spzio) dei mezzi e del personle in modo
DettagliBREVE APPENDICE SULLE UNITA' LOGARITMICHE
BREVE APPENDICE SULLE UNITA' LOGARITMICHE Per esprimere gudgni e ttenuzioni, nonché cifre di rumore e rpporti segnle-rumore si usno frequentemente le unità logritmiche. Come risultto, l grndezz in questione
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO
UNIVERSITÀ DEGLI STUDI DI TERAMO CORSO DI LAUREA IN TUTELA E BENESSERE ANIMALE Corso di : FISICA MEDICA A.A. 015 /016 Docente: Dott. Chiucchi Riccrdo il:rchiucchi@unite.it Medicin Veterinri: CFU 5 (corso
Dettagli5. Funzioni elementari trascendenti
ISTITUZIONI DI MATEMATICHE E FONDAMENTI DI BIOSTATISTICA 5. Funzioni elementri trscendenti A. A. 2013-2014 1 FUNZIONI ESPONENZIALI Le più semplici funzioni esponenzili sono le funzioni f: R R definite
DettagliOggetto: SOGGETTI IRES - LA RILEVAZIONE CONTABILE DELLE IMPOSTE DI ESERCIZIO
Ai gentili Clienti Loro sedi Oggetto: SOGGETTI IRES - LA RILEVAZIONE CONTABILE DELLE IMPOSTE DI ESERCIZIO Al termine di ciscun periodo d impost, dopo ver effettuto le scritture di ssestmento e rettific,
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2002 Sessione straordinaria
ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 00 Sessione strordinri Il cndidto risolv uno dei due problemi e 5 dei 0 quesiti in cui si rticol il questionrio. PRBLEMA Con riferimento un sistem monometrico
Dettaglic a (seno di alfa); (coseno di alfa); (tangente di alfa).
Sito Personle di Ettore Limoli Lezioni di Mtemtic Prof. Ettore Limoli Sommrio Elementi di trigonometri... 1 Angoli e loro misur... Funzioni e loro grfici... 4 Usre i grfici... 5 Funzioni inverse delle
DettagliCalcolo integrale per funzioni di una variabile
Cpitolo 10 Clcolo integrle per funzioni di un vribile 10.1 Funzioni primitive Abbimo studito il problem di dedurre d un dt funzione l su derivt. Voglimo or occuprci del problem inverso: dt un funzione
DettagliUn classico modello dinamico dell interazione tra domanda e offerta è
Appendice A Alcuni modelli per l ingegneri gestionle A.1 Il modello rgntel Un clssico modello dinmico dell interzione tr domnd e offert è descitto d un equzione lle differenze del primo ordine. Il funzionmento
Dettagli