Capitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
|
|
- Claudio Napolitano
- 7 anni fa
- Visualizzazioni
Transcript
1 Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano
2 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k ) α 0 Per garantire convergenza globale basta soddisfare opportune condizioni(wolfe, Goldstein). Risoluzione esatta troppo costosa dal punto di vista computazionale. Esistono vari metodi con e senza derivate. In genere 2 fasi: - si determina un itervallo [a, b] che contiene passi accettabili ( bracketing phase ) - si seleziona il passo riducendo l ampiezza dell intervallo ed effettuando un interpolazione di valori di g e g per stimare il minimo Interpolazione Si parte da [a,b] che contiene un minimo locale di g(α). Si interpola un polinomio del 3 o grado rispetto ai valori g(a), g(b), g (a), g (b). Sia α il minimo di questo polinomio su [a,b]. Si rimpiazza a o b con α a seconda del segno di g (α), e si ripete l iterazione. 1
3 Bisezione g C 1, g (0) < 0 perché d k direzione di discesa e α t.c. g (α) > 0 per α α Si parte da [α min,α max ] t.c. g (α min ) < 0 e g (α max ) > 0 e si riduce iterativamente secondo il principio di bisezione Iterazione: porre α = 1 2 (α min +α max ) se g ( α) > 0 α max := α se g ( α) < 0 α min := α altrimenti END Convergenza lineare con rapporto 1/2 Per trovare [α min,α min ] iniziale: 1) α min := 0 e s := s 0 (dato passo) 2) Calcolare g (s) se g (s) < 0 α min := s e s := 2s e GOTO 2) se g (s) > 0 α max := s END 2
4 Principio si può adattare per determinare un passo α k che soddisfa le condizioni di Wolfe Procedura: 0) Scegliere α > 0 e porre α min = α max = 0 1) Se α soddisfa Wolfe (3) GOTO 2) altrimenti α max := α e α := α min+α max 2 e GOTO 1) 2) Se α soddisfa Wolfe (4) α k = α STOP altrimenti α min := α e GOTO 1) α := { 2α min se α max = (α min +α max ) se α max > 0 Si può verificare: Proposizione: Se f C 1 e f è limitata inf. lungo il raggio {x k + αd k : α 0}, la procedura termina dopo un numero finito di iterazioni e fornisce un α k che soddisfa entrambe le cond. di Wolfe. 3
5 3.5 Metodo del gradiente Si cerca un punto stazionario di f : R n R con f C 1 Metodo del gradiente con ricerca 1-D esatta: Scegliere x 0 d k := f(x k ) α k > 0 tale che min α 0 g(α) = f(x k +αd k ) x k+1 := x k +α k d k Criteri di arresto: f(x k ) < ε o f(x k ) f(x k+1 ) < ε o x k+1 x k < ε Osservazione: Le direzioni successive sono ortogonali! Poiché α k t. c. min α 0 g(α) = f(x k +αd k ), g (α k ) = t f(x k +α k d k )d k = t f(x k+1 )d k = 0 e quindi d t k+1d k = t f(x k+1 )d k = 0 4
6 Esempio: traiettoria a zig zag, convergenza molto lenta Per studiare le proprietà di convergenza iniziamo con le funzioni quadratiche strettamente convesse. Caso importante perché qualsiasi funzione di classe C 2 può essere bene approssimata intorno ad un minimo locale/globale da una funzione quadratica. 5
7 Per funzione quadratica strettamente convessa f(x) = 1 2 xt Qx b t x con Q simmetrica e definita positiva (minimo globale è l unica soluzione di f(x) = Qx b = 0 e quindi di Qx = b) α k può essere determinato esplicitamente: g(α) = f(x k α f(x k )) = 1 2 (x k α f(x k )) t Q(x k α f(x k )) b t (x k α f(x k )) g (α) = t f(x k )Q(x k α f(x k ))+b t f(x k ) = 0 visto che t xf(x k ) = x t k Q bt implica b t = t f(x k )+x t k Q quindi t f(x k )Qx k +α t f(x k )Q f(x k )+( t f(x k )+x t kq) f(x k ) = 0 e in termini di d k : α k = t f(x k ) f(x k ) t f(x k )Q f(x k ) α k = dt kd k d t kqd k 6
8 Rapidità di convergenza: Spesso si considera la rapidità di convergenza con la quale f(x k ) f(x ) invece di x k x 0 quando k Se H(x ) definita positiva è facile verificare che x k x linearmente (superlinearmente) rispetto a f(x k ) f(x ) se e solo se converge nello stesso modo rispetto a x k x Infatti, vicino a x f(x) f(x )+ 1 2 (x x ) t H(x )(x x ) e intorno N(x ) tale che λ 1 x x 2 f(x) f(x ) λ n x x 2 x N(x ) con λ 1 = λ 1 ε > 0 e λ n = λ n +ε, dove ε > 0 e 0 < λ 1... λ n sono gli autovalori di H(x ) NB: In generale non esiste un equivalenza (e.g. metodo del sotto-gradiente) ma vale per funzioni quadratiche strettamente convesse 7
9 Per funzioni quadratiche strettamente convesse f(x) = 1 2 xt Qx b t x, si considera la norma pesata: x 2 Q := xt Qx Poiché Qx = b 1 2 x x 2 Q = 1 2 (x x ) t Q(x x ) = 1 2 xt Qx+ 1 2 x t Qx x t Qx = f(x) f(x ) Teorema: Seilmetododelgradienteconottimizzazione1-Desattavieneapplicatoadf C 1 quadraticastrettamente convessa, {x k } x per qualsiasi x 0 e dove 0 < λ 1... λ n sono gli autovalori di Q. x k+1 x 2 Q ( λ n λ 1 λ n +λ 1 ) 2 x k x 2 Q Dimostrazione: risultato di convergenza globale (Zoutendijk) + esercizio 2.5 Se λ 1 = λ n (Q = γi e curve di livello sono dei cerchi), metodo converge in una iterazione Aikake ha mostrato che questo limite superiore è raggiunto per certe scelte di x 0 8
10 Il tasso di convergenza dipende dal numero di condizionamento κ = λ n λ 1 di Q: r = ( λ n λ 1 λ n +λ 1 ) 2 = ( κ 1 κ+1 )2 r è tanto più piccolo quanto κ è vicino ad 1; se lo spettro di Q è molto ampio allora κ 1 e r 1. Funzioni non lineari generiche: Se f C 2 e metodo del gradiente con ricerca 1-D esatta converge a x con H(x ) definita positiva, allora f(x k+1 ) f(x ) ( λ n λ 1 λ n +λ 1 ) 2 [f(x k ) f(x )] dove 0 < λ 1... λ n sono gli autovalori di H(x ). In genere non ci si può aspettare convergenza migliore con ricerca 1-D inesatta Determinare α k che minimizza g(α) può non essere la scelta migliore, bisognerebbe cercare di estrarre informazioni del 2 o ordine su f(x) Ad esempio, per f quadratica strettamente convessa α k = 1/λ k+1 converge a x in al più n passi! 9
11 3.6 Metodo di Newton Siano f C 2 e H(x k ) = 2 f(x k ) Consideriamo l approssimazione quadratica intorno a x k : q k (x) := f(x k )+ t f(x k )(x x k )+ 1 2 (x x k) t H(x k )(x x k ) e scegliamo come x k+1 un suo punto stazionario ( x q k (x) = 0), ovvero tale che f(x k )+H(x k )(x k+1 x k ) = 0 Se H(x k ) non singolare, H 1 (x k ) esiste e x k+1 := x k H 1 (x k ) f(x k ) Se H(x ) è definita positiva, allora f C 2 implica H 1 (x) definita positiva su N(x ) e l iterazione è ben-definita in N(x ), altrimenti direzione potrebbe non essere di discesa Proprietà: Metodo invariante rispetto a cambio di coordinate affine non singolare (esercizio 2.4) Nel metodo di Newton puro α k = 1 per ogni k. Se f è una funzione quadratica strettamente convessa, il minimo globale si trova in un unica iterazione. 10
12 Osservazione: Per funzioni generiche convergenza locale molto rapida, ma non globale! Esempio 1-D: g(α) C 2 e si cerca α tale che g (α) = 0 All iterazione k, g (α) approssimata con la tangente in α k z = g (α k )+g (α k )(α α k ) α k+1 corrisponde all intersezione con asse di α: α k+1 = α k g (α k ) g (α k ) Caso di g(α) = exp( α 2 ) con g (α) = 2αexp( α 2 ) Interpretazione alternativa del metodo di Newton per la minimizzazione di funzioni non lineari: si determina un punto stazionario di f risolvendo il sistema non lineare f(x) = 0 mediante il metodo di Newton-Raphson (metodo delle tangenti per determinare gli zeri di una funzione) 11
13 Teorema: Supponiamo f C 2 e x tale che f(x ) = 0 e H(x ) definita positiva e H(x) H(y) L x y x,y N(x ) allora, per x 0 sufficientemente vicino al minimo locale x, i) {x k } x con rapidità di convergenza quadratica, ii) { f(x k ) } 0 quando k quadraticamente. Svantaggi: se H(x k ) è singolare il passo non è ben-definito se H 1 (x k ) non è definita positiva, la direzione di Newton può non essere di discesa per f anche se la direzione è di discesa il passo α k = 1 potrebbe aumentare il valore di f calcolo di H 1 (x k ) ad ogni iterazione ( complessità O(n 3 ) ) se x 0 non è abbastanza vicino al minimo locale la sequenza {x k } può non convergere (convergenza solo locale) poiché il metodo converge a partire da un intorno di un qualsiasi punto stazionario in cui 2 f(x k ) non è singolare, può convergere verso massimi locali 12
14 Modifiche del metodo di Newton Poiché il passo α k = 1 risulta a volte troppo lungo, si può effettuare una ricerca 1-D nella direzione d k (ma onere computazionale più elevato) Per garantire la convergenza globale, si può modificare la direzione di Newton considerando d k = D k f(x k ) con una matrice D k diversa da [ 2 f(x k )] 1. Se D k è simmetrica e definita positiva, d k è una direzione di discesa Compromesso tra direzioni di massima discesa e di Newton: D k := (ε k I + 2 f(x k )) 1 dove ε k > 0 sono i più piccoli valori tali che gli autovalori di (ε k I + 2 f(x k )) siano δ > 0. Esiste sempre un ε k che rende D k definita positiva Coincide con metodo puro di Newton quando ci si avvicina ad un minimo locale Altro tipo di varianti: metodi a passi ristretti in cui la direzione e il passo vengono determinati contemporaneamente minimizzando l approssimazione quadratica q k (x) intorno a x k corrente su una regione di confidenza ( trust region ) in cui q k fornisce una buona approssimazione di f. 13
Claudio Estatico Equazioni non-lineari
Claudio Estatico (claudio.estatico@uninsubria.it) Equazioni non-lineari 1 Equazioni non-lineari 1) Equazioni non-lineari e metodi iterativi. 2) Metodo di bisezione, metodo regula-falsi. 3) Metodo di Newton.
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
DettagliProblema. Equazioni non lineari. Metodo grafico. Teorema. Cercare la soluzione di
Problema Cercare la soluzione di Equazioni non lineari dove Se è soluzione dell equazione, cioè allora si dice RADICE o ZERO della funzione Metodo grafico Graficamente si tratta di individuare l intersezione
Dettagli(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni non lineari Sia F C 0 ([a, b]), cioé F è una funzione continua in un intervallo [a, b] R, tale che F(a)F(b) < 0 1.5 1 F(b) 0.5 0 a
DettagliMetodi per il calcolo degli zeri di funzioni non lineari
Metodi per il calcolo degli zeri di funzioni non lineari N. Del Buono 1 Introduzione Le radici di un equazione non lineare f(x) = 0 non possono, in generale, essere espresse esplicitamente e anche quando
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni Algebriche Le equazioni algebriche sono equazioni del tipo P(x) = 0 dove P è un polinomio di grado n cioé P(x) = a 1 x n + a 2 x n
DettagliOttimizzazione numerica
Funzioni univariate 28 Ottobre 2010 Funzioni univariate Outline 1 Funzioni univariate 2 optim Funzioni univariate I metodi di ottimizzazione consentono di trovare i punti estremanti (massimi, minimi) di
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliLEZIONE ICO
LEZIONE ICO 9-10-2009 Argomento. Rassegna dei metodi numerici utilizzabili per la soluzione di problemi di ottimizzazione statica. Metodi del gradiente e di Newton e loro derivati. Metodi di penalita e
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 2 - EQUAZIONI NON LINEARI Introduzione Problema: trovare le soluzioni di un equazione del tipo f() = 0 Esempio sin a = 0 e = 3 1.0 2.0 0.5
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 2 - EQUAZIONI NON LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Elementi introduttivi 2 3 4 Introduzione Problema: trovare le soluzioni di
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliLaboratorio di Calcolo Numerico
Laboratorio di Calcolo Numerico M.R. Russo Università degli Studi di Padova Dipartimento di Matematica Pura ed Applicata A.A. 2009/2010 Equazioni non lineari Data una funzione consideriamo il problema
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliTEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
DettagliRISOLUZIONE APPROSSIMATA DI UN EQUAZIONE
RISOLUZIONE APPROSSIMATA DI UN EQUAZIONE Introduzione Si vogliano individuare, se esistono, le radici o soluzioni dell equazione f(x)=0. Se f(x) è un polinomio di grado superiore al secondo o se è una
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Equazioni non lineari Metodi di linearizzazione Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
DettagliIl Metodo di Newton, o delle Tangenti Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Il Metodo di Newton, o delle Tangenti 6 Novembre 2016 Indice 1 Metodo di Newton, o delle tangenti 2 1.1
Dettagli1 Esercizi relativi al Capitolo 1
1 Esercizi relativi al Capitolo 1 1. (a) x = 7; (b) (x) 4 = (32.1) 4 = (14.25) 10 ; (c) x = 5; (d) (200) x = (18) 10 ; x = 3; y = (11330) 8 = (4824) 10 ; (e) x = 2882.125; y = 231002.02; (f) (x) 3 = (12122.1012)
Dettagli8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliRisoluzione di equazioni non lineari
Risoluzione di equazioni non lineari Si considera il problema di determinare la soluzione dell equazione f(x) = 0 ove f(x) è una funzione definita in un intervallo [a, b], chiuso e limitato. Ogni valore
DettagliRaccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia
Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia Nota Bene: Gli esercizi di questa raccolta sono solo degli esempi. Non sono stati svolti né verificati e servono unicamente da spunto
DettagliDaniela Lera A.A. 2008-2009
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Equazioni non lineari Metodo di Newton Il metodo di Newton sfrutta le informazioni sulla funzione
DettagliCalcolo Numerico per Ingegneria. Corso estivo di Bressanone. Prof. L. Bergamaschi SOLUZIONE DELLA PROVA SCRITTA del
Calcolo Numerico per Ingegneria. Corso estivo di Bressanone. Prof. L. Bergamaschi SOLUZIONE DELLA PROVA SCRITTA del 9.8.2. Data l equazione x x = (a) Mostrare che essa ammette una e una sola soluzione
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliDipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria II assegnati da dicembre 2000 a dicembre 2003
Dipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria assegnati da dicembre 2000 a dicembre 2003 11/12/2000 n R 4 sono assegnati i punti A(3, 0, 1, 0), B(0, 0, 1, 0), C(2, 1, 0,
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliNote sulle funzioni convesse/concave
Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
DettagliProprietà globali delle funzioni continue
Limiti e continuità Teorema di esistenza degli zeri Teorema dei valori intermedi Teorema di Weierstrass Teoremi sulla continuità della funzione inversa 2 2006 Politecnico di Torino 1 Data una funzione
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 Risoluzione di Equazioni Algebriche Le equazioni
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Mirano a costruire la soluzione x di un sistema lineare come limite di una successione di vettori Per matrici piene di ordine n il costo computazionale è dell ordine
DettagliRelazione di laboratorio di Analisi Numerica: metodi di ricerca zeri
Relazione di laboratorio di Analisi Numerica: metodi di ricerca zeri Francesco Genovese, Università di Pavia 8 febbraio 2008 Sommario Questa relazione di laboratorio di Analisi Numerica (corso dell A.A.
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2016-2017) IV Lezione del 06.03.2017 http://www.dmmm.uniroma1.it/ laura.pezza 1 Equazioni
DettagliApprossimazione 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 =
DettagliUniversita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni
Universita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni ANALISI NUMERICA - Primo Parziale - TEMA A (Prof. A.M.Perdon)
DettagliAlgebra Lineare Autovalori
Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: sberrone@calvino.polito.it sandra.pieraccini@polito.it
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
DettagliCriteri di Scelta Finanziaria
3 Criteri di Scelta Finanziaria 3.1 Introduzione Spesso occorre confrontare operazioni definite su scadenzari diversi. Nel seguito presentiamo due criteri, quello del valore attuale netto (VAN) e quello
DettagliLAGRANGIANE AUMENTATE
LAGRANGIANE AUMENTATE Le condizioni di minimo vincolato per min f o (x) g i (x) = 0, i I sono legate sia alla funzione P(x,k) = f o (x) +(k/2) g i (x) 2 a al suo minimo x k che alla funzione lagrangiana
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliCorso di Analisi Numerica - AN1. Parte 3: metodi iterativi per sistemi lineari ed. equazioni nonlineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 3: metodi iterativi per sistemi lineari ed equazioni nonlineari Roberto Ferretti Filosofia generale dei metodi iterativi Metodi iterativi per Sistemi Lineari Convergenza
DettagliEquazioni non lineari
Equazioni non lineari Introduzione In molte applicazioni intervengono equazioni che non siamo in grado di risolvere analiticamente, o la cui risoluzione risulta molto complessa e laboriosa. Un importante
DettagliCorso di Robotica 1 Cinematica inversa
Corso di Robotica 1 Cinematica inversa Prof. Alessandro De Luca Robotica 1 1 Problema cinematico inverso data una posa (posizione + orientamento) dell end-effector determinare l insieme di valori delle
DettagliTeorema delle Funzioni Implicite
Teorema delle Funzioni Implicite Sia F una funzione di due variabili definita in un opportuno dominio D di R 2. Consideriamo l equazione F (x, y) = 0, questa avrà come soluzioni coppie di valori (x, y)
DettagliCorso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 2. Determinazione numerica degli zeri di una funzione Si consideri il seguente problema: Data f : [a, b] R, determinare i valori
DettagliTutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017
Tutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017 Esercizi: serie di potenze e serie di Taylor 1 Date le serie di potenze a.) n=2 ln(n) n 3 (x 5)n b.) n=2 ln(n)
DettagliFasci di Coniche. Salvino Giuffrida. 2. Determinare e studiare il fascio Φ delle coniche che passano per A (1, 0) con tangente
1 Fasci di Coniche Salvino Giuffrida 1. Determinare e studiare il fascio Φ delle coniche che passano per O = (0, 0), con tangente l asse y, e per i punti (1, 0), (1, ). Determinare vertice e asse della
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f è crescente nell intervallo (a, b) se
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliMetodi iterativi SISTEMI LINEARI. Metodi Iterativi. Metodo di rilassamento successivo e metodi del gradiente
Metodi iterativi Metodo di rilassamento successivo e metodi del gradiente Metodi iterativi Metodi iterativi 1 Il metodo di rilassamento successivo Condizioni per la convergenza 2 Metodi del Metodo della
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 3. DERIVATE E STUDIO DI FUNZIONE (II parte): Massimi, minimi e derivata prima. Flessi e derivata seconda. Schema per lo studio qualitativo completo di una funzione y=f(x) Crescenza
Dettaglinon solo otteniamo il valore cercato per la validità della (1.4), ma anche che tale valore non dipende da
NOTE INTEGRATIVE PER IL CORSO DI ANALISI MATEMATICA 2 ANNO ACCADEMICO 2012/13 NOTE SULLA CONTINUITÀ UNIFORME D.BARTOLUCCI, D.GUIDO Sia f(x) = x 3, x [ 1, 1]. Si ha 1. La continuità uniforme x 3 y 3 = x
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
DettagliUniversità di Foggia - Facoltà di Economia. Prova scritta di Matematica Generale - Vecchio Ordinamento - 04 giugno 2002
Università di Foggia - Facoltà di Economia Prova scritta di Matematica Generale - Vecchio Ordinamento - 04 giugno 00 Cognome e nome............................................ Numero di matricola...........
DettagliLaurea triennale in Informatica Corso di Analisi matematica (A) a.a. 2007/08 9 giugno 2008
9 giugno 2008 1. Data la funzione f(x) = x e 1/(x2 4), (c) stabilire se f ammette punti singolari e in caso affermativo classificarli; calcolare la derivata prima di f e utilizzarla per studiare la monotonia
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
DettagliProva di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo Universitá del Salento, 9 Aprile 2013 1 1 TEMA I Il candidato svolga una ed una sola delle dissertazioni proposte, illustrando sinteticamente
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Bisezione Metodo di Newton-Raphson
DettagliFacoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A
Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A. 5-6 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 5//5 ) Dato un triangolo, siano a, b le lunghezze di
DettagliEstremi. 5. Determinare le dimensioni di una scatola rettangolare di volume v assegnato, che abbia la superficie minima.
Estremi 1. Determinare gli estremi relativi di f(x, y) = e x (x 1)(y 1) + (y 1).. Determinare gli estremi relativi di f(x, y) = y (y + 1) cos x. 3. Determinare gli estremi relativi di f(x, y) = xye x +y..
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliZeri di funzioni e teorema di Sturm
Zeri di funzioni e teorema di Sturm Enrico Bertolazzi Dipartimento di Ingegneria Meccanica e Strutturale Università degli Studi di Trento via Mesiano 77, I 38050 Trento, Italia EnricoBertolazzi@ingunitnit
DettagliANALISI MATEMATICA 3. esercizi assegnati per la prova scritta del 31 gennaio 2011
esercizi assegnati per la prova scritta del 31 gennaio 2011 Esercizio 1. Per x > 0 e n N si ponga f n (x) = ln ( n 5 x ) a) Provare l integrabilità delle funzioni f n in (0, + ). 3 + n 4 x 2. b) Studiare
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
Dettagli4.11 Massimi e minimi relativi per funzioni di più variabili
5. Determinare, al variare del parametro a R, la natura delle seguenti forme quadratiche: (i) Φ(x, y, z) = x 2 + 2axy + y 2 + 2axz + z 2, (ii) Φ(x, y, z, t) = 2x 2 + ay 2 z 2 t 2 + 2xz + 4yt + 2azt. 4.11
DettagliAPPROSSIMAZIONE di FUNZIONI
APPROSSIMAZIONE di FUNZIONI Francesca Pelosi Dipartimento di Sc. Matematiche ed Informatiche, Università di Siena CALCOLO NUMERICO a.a. 26 27 APPROSSIMAZIONE di FUNZIONI p.1/3 APPROSSIMAZIONE di FUNZIONI:
DettagliCompito del 14 giugno 2004
Compito del 14 giugno 004 Un disco omogeneo di raggio R e massa m rotola senza strisciare lungo l asse delle ascisse di un piano verticale. Il centro C del disco è collegato da una molla di costante elastica
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliCorso di Laurea in Informatica/Informatica Multimediale Esercizi Analisi Matematica 2
a.a 2005/06 Corso di Laurea in Informatica/Informatica Multimediale Esercizi Analisi Matematica 2 Funzioni di due variabili a cura di Roberto Pagliarini Vediamo prima di tutto degli esercizi sugli insiemi
DettagliDIARIO DELLE LEZIONI DI ANALISI MATEMATICA II Corso di laurea in Ingegneria Gestionale Canale PZ Secondo codocente: Dott. Salvatore Fragapane
DIARIO DELLE LEZIONI DI ANALISI MATEMATICA II Corso di laurea in Ingegneria Gestionale Canale PZ Secondo codocente: Dott. Salvatore Fragapane Lezione 1-04/10/2016 - Serie Numeriche (1): definizione e successione
DettagliESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Ottimizzazione libera
ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017 Ottimizzazione libera Esercizio 1. Si determinino, se esistono, gli estremi delle seguenti funzioni
DettagliAlcuni Teoremi sulle funzioni continue e uniforme continuità
Alcuni Teoremi sulle funzioni continue e uniforme continuità Teorema 0. Una funzione f(x) è continua in x 0 se e solo se per ogni sucessione {x n } dom(f) con x n x 0 dom(f), risulta f(x n ) f(x 0 ). (Non
DettagliCorso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a. 2014-2015, lez.3) 1 Analisi Numerica 1 mod. a.a. 2014-2015, Lezione n.3
DettagliCancellazione numerica e zeri di funzione. Dott. Marco Caliari
Cancellazione numerica e zeri di funzione Dott. Marco Caliari PLS a.s. 01 013 Capitolo 1 Aritmetica floating point 1.1 I numeri macchina Data la capacità finita di un calcolatore, solo alcuni dei numeri
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito del f(x, y) = e (x3 +x) y
Analisi Matematica II Corso di Ingegneria Gestionale Compito del 8--7 - È obbligatorio consegnare tutti i fogli, anche la brutta e il testo. - Le risposte senza giustificazione sono considerate nulle.
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
DettagliNOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile
DettagliESERCIZI DI ANALISI FUNZIONALE. T(f) = g(x)f(x)dx
ESERCIZI DI ANALISI FUNZIONALE.. Esercizi svolti.. Operatori lineari Esercizio.. Si consideri il funzionale T : C(,) R, dove g è la funzione g(x) = T(f) = g(x)f(x) dx, { se < x se < x < () Dimostrare che
DettagliAppunti sul corso di Complementi di Matematica mod.analisi prof. B.Bacchelli a.a. 2010/2011
Appunti sul corso di Complementi di Matematica mod.analisi prof. B.Bacchelli a.a. 2010/2011 08- Estremi: Riferimenti: R.Adams, Calcolo Differenziale 2. Capitoli 4.1. Esercizi 4.1 Estremi liberi: punti
DettagliScritto d esame di Analisi Matematica II
Capitolo 2: Scritti d esame 145 Pisa, 1 Gennaio 2005 e gli insiemi f(x, y) = x 2 x 2 y + y, A = {(x, y) R 2 : x 2 + y 2 6, x 0, y 0}, B = {(x, y) R 2 : x 0, y 0}. (a) massimo e minimo di f(x, y) in A,
DettagliIntroduzione al problema
INTRODUZIONE AL PROBLEMA 1 di Simone BIANCO 1 Introduzione al problema Lo scopo della tesi svolta e quello di ricalibrare il colore nelle immagini fotografiche, ovvero: si supponga di avere un immagine
DettagliIL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero
IL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero Il teorema degli zeri è fondamentale per determinare se una funzione continua in un intervallo chiuso [ a ; b ] si annulla in almeno un punto interno
DettagliInterpolazione. Corso di Calcolo Numerico, a.a. 2008/2009. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
Interpolazione Corso di Calcolo Numerico, a.a. 2008/2009 Francesca Mazzia Dipartimento di Matematica Università di Bari 17 Aprile 2009 Francesca Mazzia (Univ. Bari) Interpolazione 17/04/2006 1 / 37 Interpolazione
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
DettagliEsistenza ed unicità per equazioni differenziali
Esistenza ed unicità per equazioni differenziali Per concludere queste lezioni sulle equazioni differenziali vogliamo dimostrare il teorema esistenza ed unicità per il problema di Cauchy. Faremo la dimostrazione
DettagliEsercizi 3. cos x ln(sin x), ln(e x 1 x ), ln( x 2 1), x sin x + x cos x + x, x 3 2x + 1. x 2 x + 2, x cos ex, x 2 e x.
I seguenti quesiti ed il relativo svolgimento sono coperti dal diritto d autore, pertanto essi non possono essere sfruttati a fini commerciali o di pubblicazione editoriale senza autorizzazione esplicita
DettagliMetodi iterativi per equazioni nonlineari.
Metodi iterativi per equazioni nonlineari. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 9 aprile 2016 Alvise Sommariva Introduzione 1/ 14 Introduzione Si supponga sia f
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB
Calcolo Numerico ed Elementi di Analisi - Allievi AEROSPAZIALI Proff. S. Micheletti, S. Perotto A.A. 20/202, Appello 28 Gennaio 203 NOME... COGNOME... MATRICOLA... DOCENTE... AULA... PC... Ver.A I seguenti
DettagliIL METODO DI NEWTON E LE SUE VARIANTI PER SISTEMI DI EQUAZIONI NON LINEARI
Alma Mater Studiorum Università di Bologna SCUOLA DI SCIENZE Corso di Laurea in Matematica IL METODO DI NEWTON E LE SUE VARIANTI PER SISTEMI DI EQUAZIONI NON LINEARI Tesi di Laurea in Analisi Numerica
Dettagli