Interpolazione ed approssimazione di funzioni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Interpolazione ed approssimazione di funzioni"

Transcript

1 Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, 9 novembre 2007

2 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner Ruffini 2 Interpolazione Polinomio interpolatore Errore di approssimazione Nodi di Chebyshev 3 Interpolazione a tratti Interpolazione a tratti Spline 4 Minimiquadrati lineari

3 Polinomi Un polinomio di grado n, con n intero non negativo, è una funzione del tipo n p(x) = a 0 + a 1 x + a 2 x a n x n = a i x i dove a i R, per i = 0, 1, 2,..., n, sono i coefficienti del polinomio. Il polinomio è individuato dai coefficienti che devono essere memorizzati in un vettore. Nota bene In MATLAB i coefficienti devono essere ordinati a partire da quello corrispondente al termine di grado più elevato fino a quello di grado zero. I coefficienti nulli vanno esplicitati. Ad esempio al polinomio p(x) = 1 2x + 4x 3 si associa il vettore p=[ ]. i=0

4 Algoritmo di Horner Ruffini L algoritmo di Horner Ruffini permette di calcolare il valore di un polinomio in un punto ad un costo computazionale inferiore rispetto all uso della formula n p(x) = a 0 + a 1 x + a 2 x a n x n = a i x i. Consideriamo il polinomio p(x) = 1 2x + 5x 2 + 4x 3 ; questo si può scrivere anche nella forma seguente: p(x) = 1 + x ( 2 + x(5 + 4x)). i=0 Contiamo le operazioni Nel primo caso: 6 (1+2+3) moltiplicazioni + 3 somme per ciascuna componente di x Nel secondo caso: 3 moltiplicazioni + 3 somme per ciascuna componente di x

5 Algoritmo di Horner Ruffini In generale il polinomio p(x) = a 0 + a 1 x + a 2 x a n x n può essere scritto nella forma di Horner: p(x) = a 0 + x (a 1 + x (a 2 + x ( (a n 1 + a n x)))). Numero di operazioni Nel primo caso: n(n + 1)/2 ( n) moltiplicazioni + n somme per ciascuna componente di x Totale n (n + 3)N se N è il numero delle componenti di x 2 Nel secondo caso: n moltiplicazioni + n somme per ciascuna componente di x Totale 2nN se N è il numero delle componenti di x

6 polyval La function polyval valuta il valore di un polinomio in una griglia di punti usando l algoritmo di Horner Ruffini. y=polyval(p,x) restituisce il vettore y contenente i valori di un polinomio di grado n calcolati nei punti x. Il vettore p di n + 1 componenti deve contenere i coefficienti del polinomio corrispondenti alle potenze in ordine decrescente. Quindi per calcolare il valore del polinomio p(x) = 1 + 2x 4x 3 nei punti x distribuiti in maniera equispaziata nell intervallo [a, b] si può usare la seguente sequenza di comandi: >> x=linspace(-1,1,101); >> p=[ ]; >> y=polyval(p,x);

7 Esercizi Esercizio 1 Riportare in una stessa figura il grafico dei seguenti due polinomi: p 1 (x) = 1 3x 4x 2 + 2x 5 x [ 3/2, 3/2] p 2 (x) = 2 + 3x 2x 3 3x 4 x [ 3/2, 3/2] Esercizio 2 Sia x il vettore che contiene i punti dell intervallo [0.995, 1.005] equispaziati a distanza 10 4 (usare x=.995:1.e-4:1.005). Fare il grafico del polinomio: p(x) = x 6 6x x 4 20x x 2 6x + 1. Confrontare il grafico ottenuto con quello della funzione f (x) = (x 1) 6 nello stesso intervallo.

8 Interpolazione Problema Dati n + 1 punti (x i, f (x i )) per i = 0, 1,..., n si cerca un polinomio P n : R R tale che P n (x i ) = f (x i ) per i = 0, 1,, n. (1) Il polinomio P n è detto polinomio interpolatore di f e le condizioni (1) sono dette condizioni di interpolazione. Teorema di esistenza ed unicità del polinomio interpolatore Per ogni insieme di punti (x i, f (x i )) per i = 0, 1,, n, con gli x i distinti tra loro, esiste un unico polinomio di grado n, che indicheremo con P n f, tale che P n f (x i ) = f (x i ) per i = 0, 1,, n. Esso viene detto polinomio interpolatore dei valori f (x i ) nei nodi x i.

9 polyfit La function polyfit fornisce i coefficienti del polinomio interpolatore. La sintassi di polyfit è: p=polyfit(x,y,n) dove x contiene i nodi x i, y contiene i valori della funzione y i e n è il grado del polinomio interpolatore. Ad esempio: >> p=polyfit(nodi,y,4) p =

10 Esercizio Calcolo dei coefficienti del polinomio interpolatore e sua rappresentazione Si consideri la funzione f (x) = (1 x 2 ) arctan x + e x nell intervallo [ 4, 4]. Dati i nodi x=[ ];, usare il comando polyfit per trovare i coefficienti del polinomio interpolatore. Riportare in una stessa figura il grafico del polinomio interpolatore e della funzione f. Suggerimento Per ottenere il grafico valutare il polinomio (usare il comando polyval) e la funzione in un numero appropriato di punti equispaziati nell intervallo dato (usare il comando linspace).

11 Errore di approssimazione Teorema: stima dell errore di interpolazione Dati n + 1 nodi di interpolazione x i per i = 0, 1,, n. Sia f una funzione derivabile con continuità n + 1 volte in un intervallo I contenente tutti i nodi di interpolazione e sia Π n il polinomio interpolatore nei nodi x i, allora per ogni x I, esiste un punto ξ I tale che E n (x) = f (x) P n (x) = f (n+1) (ξ) (n + 1)! n (x x i ). i=0

12 Funzione di Runge Si consideri la funzione di Runge f (x) = 1, x [ 1, 1] x 2 Esercizio Interpolare con polinomi di grado n=2:2:12, la funzione data, usando n + 1 punti equispaziati nell intervallo [ 1, 1]. Confrontare il grafico di ciascun polinomio interpolatore con quello della funzione data. Calcolare per ciascun valore di n l errore commesso ossia E n = max a x b f (x) P n(x) Costruire un vettore contenente gli errori ottenuti per ciascun valore di n e riportare gli errori in un grafico in scala semilogaritmica semilogy(n,e).

13 Traccia per la risoluzione dell esercizio 1. Assegnare un vettore che contiene i valori di n. 2. Costruire il vettore xx dei punti per valutare tutti i polinomi. 3. Valutare la funzione in xx (risultato yy). 4. Per ogni valore di n (for i=1:length(n)) eseguire la seguente sequenza: Costruire il vettore x dei nodi con il comando linspace. Valutare la funzione nei nodi. Trovare i coefficienti del polinomio con il comando polyfit. Valutare il polinomio nei punti xx con il comando polyval (risultato py). Plottare la funzione e il polinomio di grado n (inserire una pausa pause). Calcolare l errore E(i)=norm(yy-py,inf)/norm(yy,inf). 5. Plottare l errore con il comando semilogy(n,e).

14 Interpolazione di Chebyshev Il fenomeno di Runge può essere evitato utilizzando opportune distribuzioni di nodi. Nell intervallo [a, b] consideriamo i nodi x i dati da: x i = a + b 2 + b a ˆx i 2 I punti ˆx i [ 1, 1] si dicono nodi di Chebyshev. Teorema di Bernstein con ˆx i = cos( πi ), i = 0,..., n. n Sia f : [a, b] R una funzione di classe C 1. Sia C n il polinomio interpolatore di grado n costruito usando i nodi di Chebyshev. Allora lim f C n = 0. n

15 Esercizio Esercizio Data una funzione f : [a, b] R. Scrivere una function per calcolare il valore del polinomio interpolatore C n di grado n di f, usando i nodi di Chebyshev. function[y]=chebyshev(f,a,b,n,x) Input: Output: f nome della funzione che si vuole interpolare a,b estremi dell intervallo in cui è definita la funzione n grado del polinomio x vettore dei punti in cui si deve valutare il polinomio y vettore dei valori del polinomio

16 Traccia per la risoluzione dell esercizio Costruire il vettore xh dei punti ˆx nell intervallo [ 1, 1] con il comando xh=-cos(pi*(0:n)/n). Costruire il vettore xc dei nodi di Chebyshev nell intervallo [a, b] con il comando xc=(a+b)/2+(b-a)*xh/2. Valutare la funzione nei nodi xc. Trovare i coefficienti del polinomio con il comando polyfit. Valutare il polinomio nei punti xx con il comando polyval (risultato y).

17 Esercizio Esercizio Interpolare con polinomi di grado n=2:2:12, la funzione di Runge, usando n + 1 punti di Chebyshev nell intervallo [ 1, 1]. Confrontare il grafico di ciascun polinomio interpolatore con quello della funzione data. Calcolare per ciascun valore di n l errore commesso ossia E n = max a x b f (x) C n(x) Costruire un vettore contenente gli errori ottenuti per ciascun valore di n e riportare gli errori in un grafico in scala semilogaritmica semilogy(n,e).

18 Traccia per la risoluzione dell esercizio 1 Assegnare un vettore che contiene i valori di n. 2 Costruire il vettore xx dei punti in cui si vorranno valutare tutti i polinomi. 3 Valutare la funzione in xx (risultato yy). 4 Per ogni valore di n (for i=1:length(n)) eseguire la seguente sequenza: Valutare il polinomio nei punti xx usando la function Chebyshev costruita in precedenza (risultato yc); Plottare la funzione e il polinomio di grado n. Calcolare l errore E(i)=norm(yy-yc,inf)/norm(yy,inf). 5 Plottare l errore con il comando semilogy(n,e).

19 Interpolazione a tratti Dato un intervallo I = [a, b], si introduce una partizione mediante un numero finito di punti a = x 0 < x 1 < < x m = b; I k = [x k 1, x k ], k = 1,, m indica il k-esimo sottointervallo. Definizione Si definisce polinomio a tratti una funzione g : [a, b] R tale che g(x) = p n (x) x I k, essendo p n (x) un polinomio di grado n.

20 Interpolazione lineare a tratti Sia f : [a, b] R una funzione sufficientemente regolare. Problema costruire un polinomio lineare a tratti che interpoli la funzione f nei nodi x i, i = 0,..., n. Consideriamo la partizione dell intervallo [x 0, x n ] data dai nodi x i. Quindi su ciascun intervallino [x i 1, x i ] i = 1,..., n il polinomio interpolatore a tratti è g(x) = f (x i 1 ) x x i + f (x i ) x x i 1 x i 1 x i x i x i 1

21 Stima dell errore di approssimazione Sia H = max 1 i n (x i x i 1 ). Sia f una funzione continua insieme alle sue derivate prima e seconda. Sia g il polinomio lineare a tratti definito prima. Per ogni i = 1,, n esiste un punto η i [x i 1, x i ] tale che f (x) g(x) = f (η i ) (x x i 1 )(x x i ) per x [x i 1, x i ], 2 da cui segue la seguente maggiorazione: max 1 i n max f (x) g(x) x i 1 x x i (x i x i 1 ) 2 max max f (x) H2 1 i n 2 x i 1 x x i 8 max f (x). a x b

22 interp1 >> yi=interp1(x,y,xi,metodo) x, y specificano le coordinate dei punti di interpolazione. xi sono i punti in cui si vuole valutare il valore interpolato. metodo è una stringa di caratteri che specifica il metodo da utilizzare: metodo= nearest si sceglie il valore nel nodo di interpolazione più vicino; metodo= linear interpolazione lineare a tratti; metodo= spline interpolazione con spline cubica; metodo= pchip o metodo= cubic interpolazione di Hermite cubica a tratti.

23 Spline Siano x i, per i = 0,, n, n + 1 nodi distinti e ordinati sull intervallo [a, b], tali che a = x 0 < x 1 < < x n = b. Definizione La funzione s m : [a, b] R è una funzione spline di grado m relativa ai nodi x i se s m (x) per x [x i 1, x i ], i = 1,, n, è un polinomio di grado m. La funzione s m è continua sull intervallo [a, b] insieme alle sue derivate fino all ordine m 1. La spline s 1 è una funzione lineare a tratti continua. La spline più usata è la spline cubica s 3. spline s=spline(x,y,xx) valuta nei punti xx, la spline cubica che passa per i punti di ascissa x e ordinata y.

24 Esercizio Esercizio Usare la function spline per interpolare la funzione di Runge nell intervallo [ 1, 1], usando n + 1 punti equidistribuiti nell intervallo dato essendo n=2:2:12. Confrontare il grafico di ciascun polinomio interpolatore con quello della funzione data. Calcolare per ciascun valore di n l errore commesso ossia E n = max f (x) s(x) a x b Costruire un vettore contenente gli errori ottenuti per ciascun valore di n e riportare gli errori in un grafico in scala semilogaritmica semilogy(n,e). Confrontare i risultati ottenuti con quelli relativi all interpolazione polinomiale con nodi equidistanti e con nodi di Chebyshev.

25 Le funzioni MATLAB per l interpolazione Funzione Significato interp1 Interpolazione in una tabella di punti (1D). interp1q Interpolazione lineare (1D). interpft Interpolazione mediante il metodo FFT. interp2 Interpolazione in una tabella di punti (2D). interp3 Interpolazione in una tabella di punti (3D). spline Spline cubica interpolante. griddata Interpolazione e fitting per superfici.

26 Minimi quadrati lineari in Matlab Per calcolare il polinomio di grado n che approssima i punti (x i, y i ) per i = 1,..., m nel senso dei minimi quadrati lineari si usa la function polyfit con il comando p=polyfit(x,y,n)

27 Approssimazione di dati Esercizio Il file FIAT.m contiene le quotazioni in borsa delle azioni Fiat relative all anno Nella prima colonna è contenuto il valore all apertura, nella seconda e nella terza il valore più alto e più basso, rispettivamente, della giornata, nella quarta colonna il valore alla chiusura. Per 1 n 10, calcolare il polinomio di grado n che dà la miglior approssimazione nel senso dei mininimi quadrati lineari relativamente a una delle 4 valutazioni. Per quale grado si ottiene l approssimazione migliore?

Interpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,

Interpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica, Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner

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

Integrazione numerica

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

Dettagli

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

Metodi di Interpolazione Razionale e Applicazioni

Metodi di Interpolazione Razionale e Applicazioni UNIVERSITÁ DEGLI STUDI DI PADOVA Facoltá di Scienze MM. FF. NN. Laurea Triennale in Matematica Metodi di Interpolazione Razionale e Applicazioni Laureanda: Irene Federici Relatore: Dott. Fabio Marcuzzi

Dettagli

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica. Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione

Dettagli

Metodi Stocastici per la Finanza

Metodi Stocastici per la Finanza Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22 Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari

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

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un

Dettagli

Facoltà di Ingegneria Industriale. Matlab/Octave - Esercitazione 3

Facoltà di Ingegneria Industriale. Matlab/Octave - Esercitazione 3 Facoltà di Ingegneria Industriale Laurea in Ingegneria Energetica, Meccanica e dei Trasporti Matlab/Octave - Esercitazione 3 funzioni definizione ed invocazione delle funzioni semantica dell invocazione

Dettagli

Spline Nurbs. IUAV Disegno Digitale. Camillo Trevisan

Spline Nurbs. IUAV Disegno Digitale. Camillo Trevisan Spline Nurbs IUAV Disegno Digitale Camillo Trevisan Spline e Nurbs Negli anni 70 e 80 del secolo scorso nelle aziende si è iniziata a sentire l esigenza di concentrare in un unica rappresentazione gestita

Dettagli

Cenni sull'impiego di Matlab. Matrici

Cenni sull'impiego di Matlab. Matrici Cenni sull'impiego di Matlab Il Matlab è un potente valutatore di espressioni matriciali con valori complessi. Lavorando in questo modo il Matlab indica una risposta ad ogni comando od operazione impartitagli.

Dettagli

Introduzione a Matlab

Introduzione a Matlab Introduzione a Matlab 1 Introduzione Matlab (MATrix LABoratory) è un software per il calcolo scientifico, particolarmente sviluppato per quanto riguarda la gestione ed elaborazione di vettori e matrici.

Dettagli

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

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

Dettagli

LABORATORIO DI PROGRAMMAZIONE 2012 2013 EDIZIONE 1, TURNO B

LABORATORIO DI PROGRAMMAZIONE 2012 2013 EDIZIONE 1, TURNO B LABORATORIO DI PROGRAMMAZIONE 2012 2013 EDIZIONE 1, TURNO B 23.XI.2012 VINCENZO MARRA Indice Esercizio 1 1 Menu 1 Tempo: 35 min. 2 Commento 1 2 Esercizio 2 2 Ordinamento e ricerca binaria con la classe

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

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

Dettagli

ANALISI NUMERICA. Elementi finiti bidimensionali. a.a. 2014 2015. Maria Lucia Sampoli. ANALISI NUMERICA p.1/23

ANALISI NUMERICA. Elementi finiti bidimensionali. a.a. 2014 2015. Maria Lucia Sampoli. ANALISI NUMERICA p.1/23 ANALISI NUMERICA Elementi finiti bidimensionali a.a. 2014 2015 Maria Lucia Sampoli ANALISI NUMERICA p.1/23 Elementi Finiti 2D Consideriamo 3 aspetti per la descrizione di elementi finiti bidimensionali:

Dettagli

ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI

ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI PROBLEMA: un azienda deve scegliere fra due possibili investimenti al fine di massimizzare il profitto netto nel rispetto delle condizioni interne e di mercato

Dettagli

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1. EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

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

Dettagli

Grafici tridimensionali

Grafici tridimensionali MatLab Lezione 3 Grafici tridimensionali Creazione di un Grafico 3D (1/4) Si supponga di voler tracciare il grafico della funzione nell intervallo x = [0,5]; y=[0,5] z = e -(x+y)/2 sin(3x) sin(3y) Si può

Dettagli

Condizionamento di sistemi lineari.

Condizionamento di sistemi lineari. Condizionamento di sistemi lineari. Ángeles Martínez Calomardo e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 10 dicembre 2012 Ángeles Martínez Calomardo

Dettagli

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni

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

Introduzione allo Scilab Parte 3: funzioni; vettori.

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

Dettagli

Metodi Numerici per Equazioni Ellittiche

Metodi Numerici per Equazioni Ellittiche Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)

Dettagli

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

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

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

Interpolazione di immagini

Interpolazione di immagini Interpolazione di immagini Data un immagine in formato png (o jpeg o altro) di m n pixel, la si vuole portare ad una dimensione maggiore (ad esempio 2m 2n pixel). c Paola Gervasio - Calcolo Scientifico

Dettagli

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Il best fitting In molte applicazioni accade di avere una certa quantità di dati (solitamente elevata) e di voler descrivere l andamento del fenomeno che ha

Dettagli

La programmazione con vincoli in breve. La programmazione con vincoli in breve

La programmazione con vincoli in breve. La programmazione con vincoli in breve Obbiettivi Introdurre la nozione di equivalenza di CSP. Dare una introduzione intuitiva dei metodi generali per la programmazione con vincoli. Introdurre il framework di base per la programmazione con

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

Corso di Analisi Numerica

Corso di Analisi Numerica Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze

Dettagli

Advanced level. Corso Matlab : Samuela Persia, Ing. PhD.

Advanced level. Corso Matlab : Samuela Persia, Ing. PhD. Advanced level Corso Matlab : Seconda lezione (Esercitazione, 27/09/13) Samuela Persia, Ing. PhD. Sommario Presentazione Programma delle Esercitazioni Ogni Esercitazione prevede: Richiami Teoria e Sintassi

Dettagli

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009 ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)

Dettagli

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo Lezione2 Ricerca di zeri http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Aritmetica Finita nel Computer Nel computer l aritmetica è a precisione finita cioè

Dettagli

Equazione di Keplero (eqz. nonlineari).

Equazione di Keplero (eqz. nonlineari). Equazione di Keplero (eqz. nonlineari). Risolvere col metodo di Newton, col metodo di bisezione e di punto fisso l equazione di Keplero: E = M + e sin(e) dove e è l eccentricità del pianeta, M l anomalia

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Grafico qualitativo di una funzione reale di variabile reale

Grafico qualitativo di una funzione reale di variabile reale Grafico qualitativo di una funzione reale di variabile reale Mauro Saita 1 Per commenti o segnalazioni di errori scrivere, per favore, a: maurosaita@tiscalinet.it Dicembre 2014 Indice 1 Qualè il grafico

Dettagli

Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014

Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014 Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione analitica ϕ

Dettagli

Equazioni non lineari

Equazioni non lineari Equazioni non lineari Data una funzione f : [a, b] R si cerca α [a, b] tale che f (α) = 0. I metodi numerici per la risoluzione di questo problema sono metodi iterativi. Teorema Data una funzione continua

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

LEZIONE DI MATLAB 2.0. Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net

LEZIONE DI MATLAB 2.0. Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net LEZIONE DI MATLAB 2.0 Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net Cos è Matlab Il programma MATLAB si è imposto in ambiente ingegneristico come strumento per la simulazione e l'analisi dei sistemi

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

Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab

Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab Alcune informazioni su Matlab Matlab è uno strumento per il calcolo scientifico utilizzabile a più livelli, dalla

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

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

Introduzione al MATLAB c Parte 1

Introduzione al MATLAB c Parte 1 Introduzione al MATLAB c Parte 1 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 1-2 maggio 2007 Outline 1 Cos è il MATLAB Componenti principali di MATLAB 2 Avvio Avviare

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

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

Fasi di creazione di un programma

Fasi di creazione di un programma Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma

Dettagli

Autovalori e Autovettori

Autovalori e Autovettori Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

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 DIFFERENZIALI Esercizi con soluzione

EQUAZIONI DIFFERENZIALI Esercizi con soluzione EQUAZIONI DIFFERENZIALI Esercizi con soluzione. Calcolare l integrale generale delle seguenti equazioni differenziali lineari del primo ordine: (a) y 2y = (b) y + y = e x (c) y 2y = x 2 + x (d) 3y + y

Dettagli

Ripasso delle matematiche elementari: esercizi svolti

Ripasso delle matematiche elementari: esercizi svolti Ripasso delle matematiche elementari: esercizi svolti I Equazioni e disequazioni algebriche 3 Esercizi su equazioni e polinomi di secondo grado.............. 3 Esercizi sulle equazioni di grado superiore

Dettagli

Laboratorio di Matematica Computazionale A.A Lab. 9

Laboratorio di Matematica Computazionale A.A Lab. 9 Laboratorio di Matematica Computazionale A.A. 2007-2008 Lab. 9 Spline interpolanti lineari (interp1) e cubiche (spline) Esercizio 1 Assegnati i punti di coordinate x -1 1 2 3 5 y 0-1 5 2 1 si disegnino,

Dettagli

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico Competenza matematica n. BIENNIO, BIENNIO Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica BIENNIO BIENNIO Operare sui dati comprendendone

Dettagli

Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza

Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di

Dettagli

Rendering air show e verifica della sincronizzazione

Rendering air show e verifica della sincronizzazione Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente

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

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale Complementi di Matematica e Calcolo Numerico A.A. 2013-2014 Laboratorio 4 - Polinomi e Interpolazione polinomiale Polinomi e vettori Matlab non prevede un oggetto particolare di tipo polinomio, ma rappresenta

Dettagli

Esercizi di Analisi Matematica

Esercizi di Analisi Matematica Esercizi di Analisi Matematica CAPITOLO 1 LE FUNZIONI Exercise 1.0.1. Risolvere le seguenti disuguaglianze: (1) x 1 < 3 () x + 1 > (3) x + 1 < 1 (4) x 1 < x + 1 x 1 < 3 x + 1 < 3 x < 4 Caso: (a): x 1

Dettagli

SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO

SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO Così come avviene per i numeri ( 180 = 5 ), la scomposizione in fattori di un polinomio è la trasformazione di un polinomio in un prodotto di più polinomi irriducibili

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.

Dettagli

Sono definite in sottoinsiemi di R n (n N), a valori in R Ci si limiterà al caso di R 2 o di R 3

Sono definite in sottoinsiemi di R n (n N), a valori in R Ci si limiterà al caso di R 2 o di R 3 1 FUNZIONI DI PIÙ VARIABILI 1 1 Funzioni di più variabili Sono definite in sottoinsiemi di R n (n N), a valori in R Ci si limiterà al caso di R 2 o di R 3 Definizione 1.1 Dati D R 2 e f : D R, l insieme

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Corso di Calcolo Scientifico

Corso di Calcolo Scientifico I Modulo del corso integrato di Calcolo Dott.ssa Maria Carmela De Bonis a.a. 2012-13 Approssimazione di Funzioni In molti problemi matematici emerge l esigenza di dover approssimare una funzione f C k

Dettagli

Control System Toolbox

Control System Toolbox Control System Toolbox E` un insieme di funzioni per l analisi di sistemi dinamici (tipicamente lineari tempo invarianti o LTI) e per la sintesi di controllori (in particolare a retroazione). All'interno

Dettagli

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y. Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato

Dettagli

Laboratorio teorico-pratico per la preparazione alle gare di matematica

Laboratorio teorico-pratico per la preparazione alle gare di matematica Laboratorio teorico-pratico per la preparazione alle gare di matematica Ercole Suppa Liceo Scientifico A. Einstein, Teramo e-mail: ercolesuppa@gmail.com Teramo, 3 dicembre 2014 USR Abruzzo - PLS 2014-2015,

Dettagli

Approssimazione di dati e funzioni

Approssimazione di dati e funzioni Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Generalità Problema 1 Dati (x i, y i ) i =

Dettagli

Esame di Analisi Matematica prova scritta del 23 settembre 2013

Esame di Analisi Matematica prova scritta del 23 settembre 2013 Esame di Analisi Matematica prova scritta del 23 settembre 2013 1. Determinare dominio, limiti significativi, intervalli di monotonia della funzione f (x) = (2x + 3) 2 e x/2 e tracciarne il grafico. In

Dettagli

APPUNTI SUI METODI PERT-C.P.M.

APPUNTI SUI METODI PERT-C.P.M. APPUNTI SUI METODI PERT-C.P.M. (corso di ricerca operativa) A cura di: Antonio Scalera 1 PERT/C.P.M. I metodi Pert e C.P.M. studiano lo sviluppo di un progetto attraverso la programmazione delle attività

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

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

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico Processo di risoluzione di un problema ingegneristico 1. Capire l essenza del problema. 2. Raccogliere le informazioni disponibili. Alcune potrebbero essere disponibili in un secondo momento. 3. Determinare

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 3 Sessione straordinaria Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA È assegnata

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

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

Alcune note sulle serie di potenze 1

Alcune note sulle serie di potenze 1 Alcune note sulle serie di potenze Contents G. Falqui Preliminari 2 Serie di potenze 3 3 Rappresentazione di funzioni mediante serie di potenze 7 3. Esempi notevoli........................... 9 3.2 Formula

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

Studio grafico-analitico delle funzioni reali a variabile reale Studio grafico-analitico delle funzioni reali a variabile reale Sequenza dei passi Classificazione In pratica Classifica il tipo di funzione: Funzione razionale: intera / fratta Funzione irrazionale: intera

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

Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica

Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,

Dettagli

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007 Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari

Dettagli

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011 RAPPRESENTAZIONE DEI NUMERI BINARI Corso di Fondamenti di Informatica AA 2010-2011 Prof. Franco Zambonelli Numeri interi positivi Numeri interi senza segno Caratteristiche generali numeri naturali (1,2,3,...)

Dettagli

Introduzione al Foglio Elettronico

Introduzione al Foglio Elettronico Microsoft Excel Introduzione al Foglio Elettronico Il Foglio Elettronico Si presenta come una grande tabella su un foglio di carta Le celle contengono differenti dati Numeri Testo Date Ecc I dati possono

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

Informatica. Rappresentazione dei numeri Numerazione binaria

Informatica. Rappresentazione dei numeri Numerazione binaria Informatica Rappresentazione dei numeri Numerazione binaria Sistemi di numerazione Non posizionali: numerazione romana Posizionali: viene associato un peso a ciascuna posizione all interno della rappresentazione

Dettagli

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano

Dettagli

Laboratorio di Matematica Computazionale

Laboratorio di Matematica Computazionale Laboratorio di Matematica Computazionale Dipartimento di Informatica, Università di Pisa, Italy delcorso@di.unipi.it A chi è rivolto A Studenti della Laurea Magistrale in Informatica A coloro che hanno

Dettagli

2. Differenze Finite. ( ) si

2. Differenze Finite. ( ) si . Differenze Finite In questa Nota tratteremo della soluzione numerica di equazioni a derivate parziali scalari attraverso il metodo delle differenze finite. In particolare, affronteremo il problema della

Dettagli