Documentazione esterna al software matematico sviluppato con MatLab
|
|
- Lisa Berti
- 8 anni fa
- Visualizzazioni
Transcript
1 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 Accademico: 2003/04
2 Metodo di Gauss-Seidel (con sovrarilassamento) per la soluzione di sistemi lineari con matrici sparse. Scopo Descrizione Risolvere un sistema di equazioni lineari di una matrice sparsa utilizzando il metodo di sovrarilassamento (Gauss-Seidel con accelerazione di convergenza). L algoritmo calcola le soluzioni in modo iterativo usando la formula: x ( k+ ) i = b i i n ( k+ ) aij x j aij j= j= i+ a ii x ( k ) j Il miglioramento fatto ad ogni iterazione dall algoritmo è: r = x x ( k ) ( k+ ) ( k ) i i i Per ottenere un accelerazione della convergenza viene usata la seguente formula: x = x + wr ( k+ ) ( k ) ( k ) i i i w (omega) è il fattore di accelerazione che viene passato alla funzione per migliorare la convergenza (per maggiori informazioni vedi i parametri) Prototipo e parametri SOR (ele, col, rig, b, x, w, toll, maxiter) Parametri in input: ele col rig b x w toll vettore contenente gli elementi non nulli della matrice sparsa in ordine di lettura. vettore contenente gli indici di colonna degli elementi non nulli presenti nella matrice vettore contenente gli indici del vettore col corrispondente al primo elemento non nullo di ogni riga della matrice il vettore dei termini noti. il vettore approssimazione iniziale. Valore di omega che accelera la convergenza. Occorre adoperare un valore tra e 2. Se w = il metodo equivale al metodo di Gauss-Seidel senza sovrarilassamento.
3 precisione richiesta all'algoritmo. maxiter il numero massimo di iterazioni richieste all'algoritmo. Valore restituito: x le soluzioni approssimate del sistema lineare Routine ausiliarie Indicatori di errore Accuratezza Per testate la convergenza viene usata la routine testconvergenza che calcola si massimo del valore assoluto degli autovalori della matrice di iterazione B = D - C. Per prendere l elemento A ij dai tre vettori rappresentanti la matrice sparsa viene utilizzata la funzione getsparseelement. Se il sistema non è convergente viene stampato un messaggio di errore e l algoritmo esce. Durante le iterazioni viene costruito un vettore che memorizza la stima dell errore ad ogni passo. Alla fine il vettore viene stampato. Se non viene raggiunta la precisione richiesta nel numero di iterazioni indicate in maxiter l algoritmo mostra un warning e l approssimazione viene restituita. L indice di accuratezza viene scelto dall utente che utilizza la routine specificando il valore nel parametro toll. Per verificare se è stata raggiunta l accuratezza richiesta l algoritmo effettua questo controllo: norm( abs(x)-abs(prev) ) <= toll*norm(x) Non appena non viene più soddisfatta l algoritmo considera buona l accuratezza. Ad esempio se vogliamo un accuratezza di 0-4 invocheremo la funzione con i seguenti parametri: SOR ( ele, col, rig, b, x, w, 0^-4, maxiter) Per testate il software sono stati effettuate alcune verifiche sulle seguenti tipologie di matrici: ) Matrice fornita dal docente 2) Matrice non a diagonale dominante 3) Matrice singolare 4) Matrice a diagonale dominante 5) Matrice mal condizionata E sono stata fatti vari test quali: test di convergenza, calcolo indice di condizionamento, modifiche al parametro omega. L indice di condizionamento viene calcolato dalla formula norm(a)*norm(a^-)). Il raggio spettrale della matrice di iterazione viene calcolato usando la funziona ausiliaria 2
4 testconvergenzasor. Un teorema dimostra che se il raggio spettrale della matrice di iterazione è maggiore uguale di il metodo non converge. Test () Matrice fornita dal docente I vettori che memorizzano la matrice sono: elem = [2,4,23,-7,4,5,6, -,2,-9,,-8,2,-,8,4,5,-6,-6,9,,20,2, -9,22,-7,5,-8,2,7,2,3,5,6,,9]; col = [,8,2,2,3,5,4,7,5,,6,3,4,4,7,,8,9,8,9, 6,0,3,5,,2,2,6,0,3,6,4,3,5,9,6]; rig = [,3,5,7,9,,4,6,9,22,24,26,28,3,33,35,37]; b = [ ]; L indice di condizionamento della matrice è: e+00 La soluzione data dai comandi in linea di MatLab (A\b) è:
5 Effettuiamo il primo test su questa matrice con i seguenti parametri: w = ; toll = eps; maxiter = 200 Il raggio spettrale è e-00 che è minore di. Invocando l algoritmo con i parametri indicati otteniamo il seguente output: L'algoritmo ha raggiunto la precisione desiderata in 33 iterazioni. e le soluzioni trovate sono: Potremmo provare ad incrementare il fattore di accelerazione omega per ridurre il numero di iterazioni. Utilizziamo l algoritmo con i seguenti parametri: w =.367; toll = eps; maxiter = 200 Il raggio spettrale è e-00 che è minore di ed è migliore del precedente. Invocando l algoritmo con i parametri indicati otteniamo il seguente output: L'algoritmo ha raggiunto la precisione desiderata in 38 iterazioni. e le soluzioni trovate sono:
6 Vediamo ora che succede se al vettore dell approssimazione iniziale impostiamo un valore molto vicino alla soluzione reale. Assegniamo ad x il vettore delle soluzione a meno di un 0.2. Chiamiamo l algoritmo con gli stessi parametri del precedente test e vediamo l output mostrato: L'algoritmo ha raggiunto la precisione desiderata in 35 iterazioni. Abbiamo recuperato solo 3 iterazioni, evidentemente il maggior numero di passi vengono fatti quando ci si avvicina di più alla soluzione reale. Test (2) Matrice non a diagonale dominante A = ; b = 4 ; I vettori che memorizzano la matrice sono: elem = [8,.2, 2, -4, 4, 4, 0.008, 24, -8, 7.92]; col = [, 5,, 2, 2, 3, 5, 4, 3, 5]; rig = [, 3, 5, 8, 9, ]; b = [8, 0, -4, 0.76, ]; L indice di condizionamento della matrice è: e+00 La soluzione data dai comandi in linea di MatLab (A\b) è: Effettuiamo il primo test su questa matrice con i seguenti parametri: w = ; toll = eps; maxiter = 00 5
7 Il raggio spettrale è e-00 che è minore di. Invocando l algoritmo con i parametri indicati otteniamo il seguente output: L'algoritmo ha raggiunto la precisione desiderata in 46 iterazioni Il vettore delle soluzioni date è Proviamo ora a cambiare il valore di omega e impostiamolo a.06 lasciando invariati gli altri parametri. Il raggio spettrale, in questo caso è e-00 e l'algoritmo raggiunge la precisione desiderata in 25 iterazioni ottenendo le stesse soluzioni di prima. Se provassimo ad incrementare omega portandolo a.5 il controllo sulla convergenza dell algoritmo ci informerà che l algoritmo non converge (nel caso il controllo sulla convergenza nel codice fosse commentato, l algoritmo potrebbe iterare fino a raggiungere il massimo numero di iterazioni). Supponiamo ora di voler ottenere una precisione minore di eps, ad esempio proviamo ad impostare toll a 0^-2. Con questi valori otteniamo le soluzioni che come si vede sono molto meno vicine a quelle corrette. Test (3) Matrice singolare A = ; b = ; I vettori che memorizzano la matrice sono: elem = [ ]; col = [, 2, 2,4,,3,2,4]; rig = [,3,5,7,9]; b = [, -2, 4, 3]; 6
8 L indice di condizionamento della matrice è: e+032 (calcolato con cond(a)) Un valore alto dell indice di condizionamento indica che la matrice singolare o quasi. L algoritmo in linea di MatLab da come soluzioni un vettore di Inf. Il nostro algoritmo cicla sempre fino al massimo numero di iterazioni. Test (4) Matrice a diagonale dominante A =. ; b = ; I vettori che memorizzano la matrice sono: elem = [.7, -2.6, -.3, 5.2, 7.8, 9., 6.5, -.3, 2.6, -2.6, 5.2, -3.9, 9.] col = [ ] rig = [ ] b = [2, 0.5, 0.6,, 0, 3] L indice di condizionamento della matrice è: e+000 La soluzione data dai comandi in linea di MatLab (A\b) è: Effettuiamo il primo test su questa matrice con i seguenti parametri: w = ; toll = eps; maxiter = 00 Il raggio spettrale è e-00 che è minore di. Invocando l algoritmo con i parametri indicati otteniamo il seguente output: 7
9 L'algoritmo ha raggiunto la precisione desiderata in 24 iterazioni E il risultato ottenuto è: Che è molto molto simile a quello ottenuto dal comando in linea. Per verificarlo assegnamo il risultato del comando in linea alla variabile cpu e il risultato del SOR alla variabile mia ed eseguiamo la seguente istruzione: otteniamo abs(mia)-abs(cpu)<eps che sta a significare che la condizione è vera per tutti gli elementi della soluzione. Effettuando un ultimo test aumentando il valore di w: w =.2; toll = eps; maxiter = 00 notiamo che l algoritmo non termina nel massimo numero di iterazioni perchè non è convergemte. Infatti si vede dal vettore che contiene le stime dell errore che i suoi valori aumentano ad ogni iterazione, ovvero l algoritmo non è convergente. Test (5) Matrice mal condizionata 2^ A = ; b = ; 0 2*0^ ^35 5 I vettori che memorizzano la matrice sono: elem = [2^00, 0.3, 3, 40000, 2*0^-9, ^35]; col = [ ]; 8
10 rig = [ ]; L indice di condizionamento della matrice è:.43969e+047 La soluzione data dai comandi in linea di MatLab (A\b) è: e-03-5e e-048 Effettuiamo il primo test su questa matrice con i seguenti parametri: w = ; toll = eps; maxiter = 00 Il raggio spettrale è e-045 che è molto minore di. Invocando l algoritmo con i parametri indicati otteniamo il seguente output: L'algoritmo ha raggiunto la precisione desiderata in 2 iterazioni Le soluzioni trovate sono: e-03-5e e-048 Lo stesso comando in linea di MatLab ci informa del fatto che la matrice è mal condizionata e che quindi la soluzione non è accurata. 9
11 Metodo delle secanti per il calcolo degli zeri di un equazione non lineare Scopo Descrizione Calcolo degli zeri di un equazione non lineare. A partire da un approssimazione iniziale (gli estremi di un intervallo di partenza) l algoritmo cerca il punto in cui la funzione si annulla. L algoritmo itera su intervalli i cui estremi cambiano ad ogni passo. Gli estremi X k X k+ dell intervallo vengono ricalcolati ad ogni passo usando la formula: x k+ = x k f ( xk )( xk x f ( x ) f ( x k k k ) ) Dove X k+ è l intersezione della secante ai punti X k X k+ con l asse ascisse. Prototipo e parametri secanti ( funzione, x0, x, toll, maxiter) Parametri in input: funzione la funzione su cui deve lavorare. x0 primo estremo dell'intervallo di partenza x secondo estremo dell intervallo di partenza toll è la tolleranza minima ammessa della differenza tra una iterazione e quella successiva. maxiter è il numero massimo di iterazioni dopo le quali l'algoritmo si arresta. Valore restituito: zero lo zero della funzione Routine ausiliarie Indicatori di errore Solo funzioni incluse nelle librerie standard di MatLab quali feval, disp, warning ecc. Se il prodotto della funzione valutata negli estremi dell intervallo dato non è minore di 0 ( f(a)*f(b) >= 0), viene mostrato un warning in cui si comunica all utente che la funzione potrebbe non avere uno zero nell intervallo ma l algoritmo continua. Se non viene raggiunta la precisione richiesta nel numero di iterazioni indicate in maxiter l algoritmo mostra un warning e l ultima approssimazione ottenuta viene restituita. 0
12 Accuratezza L indice di accuratezza viene scelto dall utente che utilizza la routine specificando il valore nel parametro toll. Per verificare se è stata raggiunta l accuratezza richiesta l algoritmo effettua i due controlli sottostanti: abs(x(2)-x()) > toll (accuratezza orizzontale) abs(y(2)) > toll (accuratezza verticale) Non appena non viene più soddisfatta una delle seguenti condizioni l algoritmo considera buona l approssimazione. Ad esempio se vogliamo un accuratezza di 0-4 invocheremo la funzione con i seguenti parametri: secanti( funzione, x0, x, 0^-4, maxiter ) Complessità computazionale La complessità computazionale è data dal numero di valutazioni della funzione nei punti. In realtà per ogni iterazione viene fatta una valutazione della funzione più le due valutazioni iniziale fatta sugli estremi in input. Quindi in totale avremo: Θ ( [numero iterazioni] + 2 ) A seguire vengono mostrati alcuni test effettuati su delle funzioni di esempio.
13 . y = cos x log x Passando l intervallo [/8,2] otteniamo lo zero contrassegnato da [*] nella figura: Per ottenere l altro zero della funzione basta passare l intervallo [-,-/8] Facciamo ora un ulteriore verifica sul comportamento dell algoritmo. Passando alla routine l intervallo[,6] il prossimo punto dell intervallo sostituirà l estremo e porterà ad una situazione di non convergenza che darà una radice immaginaria. Infatti l output sarà: con risultato: Warning: L'algoritmo non ha raggiunto la precisione desiderata nel massimo numero di iterazioni specificate e e+00i Proviamo ora ad utilizzare lo stesso intervallo con gli estremi invertiti [6,] otteniamo: Raggiunta la precisione richiesta in 8 iterazioni. Complessità computazionale (in numero di valutazioni della funzione): 9 2
14 Lo zero trovato è: che è il risultato che volevamo ottenere. 3
15 2x 2. y = e + x 8 x Per trovare lo zero contrassegnato passiamo alla funzione l intervallo [-,-/8]. L output del programma è: Raggiunta la precisione richiesta in 2 iterazioni. Complessità computazionale (in numero di valutazioni della funzione): 3 Lo zero trovato è: e-00 Proviamo ora ad utilizzare lo stesso intervallo con gli estremi invertiti [-9,-8] otteniamo: Warning: Attenzione: la funzione potrebbe non avere degli zeri nell'intervallo fornito. Raggiunta la precisione richiesta in 30 iterazioni. Complessità computazionale (in numero di valutazioni della funzione): 3 Lo zero trovato è: 4
16 Il numero di iterazioni richieste, partendo da questo intervallo sono maggiori, ma la soluzione è la stessa. 5
17 y = 5 2cos x 4sin x 2cos x Passando l intervallo [-/20,0], l algoritmo mostra il messaggio Warning: Attenzione: la funzione potrebbe non avere degli zeri nell'intervallo fornito. Raggiunta la precisione richiesta in 38 iterazioni. Complessità computazionale (in numero di valutazioni della funzione): 39 In effetti la funzione valutata nei due estremi ha valori di uguale segno. Quindi potrebbe non esserci uno zero nell intervallo (per il teorema degli zeri). L algoritmo mostra un semplice avviso ma procede comunque alla ricerca dello zero che verrà trovato e sarà uguale a: e-00 Possiamo fare un ulteriore test cambiando il valore della tolleranza. Passiamo alla funzione toll = 0e-5 L output del programma sarà: Warning: Attenzione: la funzione potrebbe non avere degli zeri nell'intervallo fornito. 6
18 Raggiunta la precisione richiesta in 0 iterazioni. Complessità computazionale (in numero di valutazioni della funzione): Lo zero trovato è: e-00 Come si vede dall output la precisione richiesta è stata raggiunta in 0 iterazioni invece di 38 ma la radice è molto più imprecisa. 7
19 Metodo di Newton (o delle tangenti) per il calcolo degli zeri di un equazione non lineare Scopo Descrizione Calcolo degli zeri di un equazione non lineare. A partire da un approssimazione iniziale l algoritmo cerca il punto in cui la funzione si annulla. L algoritmo trova il punto X k+ in cui la tangente in Xk si interseca con le ascisse. Il nuovo punto viene calcolato con la formula: x k+ = x k f ( xk ) f '( x ) k Prototipo e parametri Come si nota è necessario conoscere la derivata della funzione per ottenere l approssimazione k+ esima dello zero. newton ( funzione, derivata, x0, toll, maxiter) Parametri in input: funzione la funzione su cui deve lavorare. derivata la derivata della funzione fornita dall utente x0 approssimazione iniziale dello zero toll è la tolleranza minima ammessa della differenza tra una iterazione e quella successiva. maxiter è il numero massimo di iterazioni dopo le quali l'algoritmo si arresta. Valore restituito: zero lo zero della funzione Routine ausiliarie Indicatori di errore Solo funzioni incluse nelle librerie standard di MatLab quali feval, disp, warning ecc. Se alla iterata k la derivata nel punto approssimato x0 assume valore molto vicino a 0 rischiamo di fare una divisione per un numero molto piccolo e in ogni caso il prossimo valore dell approssimazione sarebbe un numero troppo grande. Per questo motivo newton probabilmente non converge. In questo caso viene stampato un messaggio di errore e si esce. Se non viene raggiunta la precisione richiesta nel numero di iterazioni i di i I l l i i l i i 8
20 indicate in maxiter l algoritmo mostra un warning e l approssimazione viene restituita. Accuratezza L indice di accuratezza viene scelto dall utente che utilizza la routine specificando il valore nel parametro toll. Ad ogni iterazione viene verificata la condizione: abs( feval(funzione,x0) ) > toll Se non viene soddisfatta vuol dire che è stata raggiunta l accuratezza richiesta. Se vogliamo un accuratezza di 0-4 invocheremo la funzione con i seguenti parametri: newton( funzione, derivata, x0, 0^-4, maxiter ) La complessità computazionale è data dal numero di valutazioni della funzione nei punti. In realtà per ogni iterazione viene fatta una valutazione della funzione e una della sua derivata. Quindi in totale avremo: Complessità computazionale Θ ( [numero iterazioni] * 2 ) A seguire vengono mostrati alcuni test effettuati su delle funzioni di esempio. 9
21 d. y = 2sin 2 x 3cos x (2sin 2 x 3cos x) = 4sin xcos x + 3sin x dx La routine è stata invocata con un approssimazione iniziale di.4 e una toll di 0e-2 e ha raggiunto l accuratezza richiesta in 2 iterazioni. Lo zero trovato è: Provando ad aumentare la tolleranza alla precisione di macchina eps e passando maxiter = 6 l algoritmo ottiene il seguente output. Warning: L'algoritmo non ha raggiunto lo zero nel numero di iterazioni specificate. E l ultima approssimazione calcolata è:
22 d 2. y = cos 2x 3 cos x + = 0 (cos 2x 3 cos x + ) = 2sin 2x + 3sin x in [0,2π] dx Lo zero contrassegnato è stato trovato invocando la routine con un x iniziale uguale a.9, una tolleranza uguale alla precisione di macchina e un numero massimo di iterazioni = 6. L output dell algoritmo è: L'algoritmo ha raggiunto l'accuratezza in 5 iterazioni. E lo zero trovato è: Cambiando il valore di toll a 0e-2 otteniamo L'algoritmo ha raggiunto l'accuratezza in 2 iterazioni. Lo zero trovato è:
23 4 3 2 d y = x + 30x + 263x + 644x 490 ( x + 30x + 263x + 644x 490) = 4x + 90x + 526x dx 8 x Lo zero contrassegnato è stato trovato invocando la routine con un valore di x iniziale uguale a 4 e una tolleranza uguale alla precisione di macchina, e un numero massimo di iterazioni = 0. L output dell algoritmo è: L'algoritmo ha raggiunto l'accuratezza in 7 iterazioni. Lo zero trovato è: e-00 Proviamo ora a cambiare la tolleranza e la impostiamo a 0e-2. Otteniamo il seguente output: Lo zero è: L'algoritmo ha raggiunto l'accuratezza in 5 iterazioni e-00 22
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
DettagliUna ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m =
Una ricetta per il calcolo dell asintoto obliquo Se f() è asintotica a m+q allora abbiamo f() m q = o(1), da cui (dividendo per ) m = f() q + 1 f() o(1) = + o(1), mentre q = f() m = o(1). Dunque si ha
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliEsercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2
Esercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2 [1] Metodo di Bisezione gli estremi a e b di un intervallo reale trovi uno zero della funzione f(x) nell intervallo [a, b] usando il metodo
DettagliEQUAZIONI 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
DettagliApprossimazione 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
DettagliEquazioni 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
DettagliSTUDIO DEL SEGNO DI UNA FUNZIONE
STUDIO DEL SEGNO DI UNA FUNZIONE Quando si studia una funzione! " #$%&' (funzione reale di variabile reale) è fondamentale conoscere il segno, in altre parole sapere per quali valori di &( #$%&'$è positiva,
DettagliEquazioni non lineari
Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliPolli e conigli. problemi Piano cartesiano. Numeri e algoritmi Sistemi e loro. geometrica. Relazioni e funzioni Linguaggio naturale e
Polli e conigli Livello scolare: primo biennio Abilità Interessate Calcolo di base - sistemi Risolvere per via grafica e algebrica problemi che si formalizzano con equazioni. Analizzare semplici testi
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
DettagliStudio di funzioni ( )
Studio di funzioni Effettuare uno studio qualitativo e tracciare un grafico approssimativo delle seguenti funzioni. Si studi in particolare anche la concavità delle funzioni e si indichino esplicitamente
DettagliMetodi 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
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliIndice. 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo... 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità...
Indice 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo............................. 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità.............. 5 i Capitolo 1 Introduzione
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliIntegrazione 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
DettagliProposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014
Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,
DettagliEsercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di
Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliStudio di una funzione ad una variabile
Studio di una funzione ad una variabile Lo studio di una funzione ad una variabile ha come scopo ultimo quello di pervenire a un grafico della funzione assegnata. Questo grafico non dovrà essere preciso
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliLa curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)).
Calcolo differenziale Il teorema di Rolle TEOREMA DI ROLLE Ipotesi f continua su [a, b] f derivabile per lo meno su (a,b) f(a) = f(b) Tesi Esiste almeno un punto c in (a, b) tale che Giustificazione con
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliStudente: 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
DettagliCAPITOLO 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
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
DettagliRaccolta 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,
DettagliMatematica 1 - Corso di Laurea in Ingegneria Meccanica
Matematica 1 - Corso di Laurea in Ingegneria Meccanica Esercitazione su massimi e minimi vincolati 9 dicembre 005 Esercizio 1. Considerare l insieme C = {(x,y) R : (x + y ) = x } e dire se è una curva
DettagliVademecum studio funzione
Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliESEMPIO 1: eseguire il complemento a 10 di 765
COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento
DettagliFunzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y
Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliDefinire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12};
ESERCIZI 2 LABORATORIO Problema 1 Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12}; Chiede all'utente un numero e, tramite ricerca
DettagliRappresentazione nello spazio degli stati
Chapter 1 Rappresentazione nello spazio degli stati La modellazione di un sistema lineare di ordine n, fornisce un insieme di equazioni differenziali che una volta trasformate nel dominio discreto, possono
Dettagli1. Limite finito di una funzione in un punto
. Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
DettagliQuando troncare uno sviluppo in serie di Taylor
Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in
Dettagli19. Inclusioni tra spazi L p.
19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p
DettagliANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE
ANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE Algebra lineare numerica 121 Ax = b A, b affetti dall errore di round-off si risolve sempre un sistema perturbato: con (A + A)(x + x) = b + b A = ( a i,j
DettagliSerie numeriche e serie di potenze
Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima
Dettagli4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI
119 4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI Indice degli Argomenti: TEMA N. 1 : INSIEMI NUMERICI E CALCOLO
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliConsorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni
Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni A cura di Sebastiano Cappuccio SCHEDA N. 6 ARGOMENTO: Grafici di funzioni sottoposte a trasformazioni elementari.
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati In problemi di massimo e minimo vincolato viene richiesto di ricercare massimi e minimi di una funzione non definita su tutto R n, ma su un suo sottoinsieme proprio. Esempio:
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliEquazione della Circonferenza - Grafico di una Circonferenza - Intersezione tra Circonferenza e Retta
Equazione della Circonferenza - Grafico di una Circonferenza - Intersezione tra Circonferenza e Retta Francesco Zumbo www.francescozumbo.it http://it.geocities.com/zumbof/ Questi appunti vogliono essere
DettagliAPPLICAZIONI 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)
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
Dettagli1.2 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
DettagliAncora sugli insiemi. Simbologia
ncora sugli insiemi Un insieme può essere specificato in vari modi; il più semplice è fare un elenco dei suoi elementi. d esempio l insieme delle nostre lauree triennali è { EOOM, EON, EOMM, EOMK EOTU}
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliMAGAZZINO FISCALE (agg. alla rel. 3.4.1)
MAGAZZINO FISCALE (agg. alla rel. 3.4.1) Per ottenere valori corretti nell inventario al LIFO o FIFO è necessario andare in Magazzino Fiscale ed elaborare i dati dell anno che ci serve valorizzare. Bisogna
DettagliMisure di base su una carta. Calcoli di distanze
Misure di base su una carta Calcoli di distanze Per calcolare la distanza tra due punti su una carta disegnata si opera nel modo seguente: 1. Occorre identificare la scala della carta o ricorrendo alle
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliIng. Alessandro Pochì
Lo studio di unzione Ing. Alessandro Pochì Appunti di analisi Matematica per la Classe VD (a.s. 011/01) Schema generale per lo studio di una unzione Premessa Per Studio unzione si intende, generalmente,
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliSTUDIO DI UNA FUNZIONE
STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliFUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA
FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo
DettagliLa f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè:
1 Limiti Roberto Petroni, 2011 Possiamo introdurre intuitivamente il concetto di limite dicendo che quanto più la x si avvicina ad un dato valore x 0 tanto più la f(x) si avvicina ad un valore l detto
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliEsercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x
FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1
DettagliG6. Studio di funzione
G6 Studio di funzione G6 Come tracciare il grafico di una funzione data Nei capitoli precedenti si sono svolti tutti gli argomenti necessari per tracciare il grafico di una funzione In questo capitolo
DettagliFASCI DI RETTE. scrivere la retta in forma esplicita: 2y = 3x + 4 y = 3 2 x 2. scrivere l equazione del fascio di rette:
FASCI DI RETTE DEFINIZIONE: Si chiama fascio di rette parallele o fascio improprio [erroneamente data la somiglianza effettiva con un fascio!] un insieme di rette che hanno tutte lo stesso coefficiente
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliAlgoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
DettagliEsercizi su. Funzioni
Esercizi su Funzioni ๒ Varie Tracce extra Sul sito del corso ๓ Esercizi funz_max.cc funz_fattoriale.cc ๔ Documentazione Il codice va documentato (commentato) Leggibilità Riduzione degli errori Manutenibilità
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliF (x) = f(x) per ogni x I. Per esempio:
Funzioni Primitive (Integrali Indefiniti) (l.v.) Pur essendo un argomento che fa parte del Calcolo Differenziale, molti autori inseriscono funzioni primitive nel capitolo sul Calcolo Integrale, in quanto
DettagliESTRAZIONE DI RADICE
ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della
Dettagli1 Appunti a cura di prof.ssa MINA Maria Letizia integrati e pubblicati in data 12/10/10
FUNZIONE OMOGRAFICA ASINTOTO VERTICALE: ASINTOTO ORIZZONTALE: 1 abbiamo verificato che, applicando all iperbole equilatera base, la dilatazione verticale di coefficiente 7 e la traslazione di vettore di
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliCorso 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