Interpolazione ed approssimazione di funzioni
|
|
- Gina Buono
- 8 anni fa
- Visualizzazioni
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 e approssimazione di funzioni
Interpolazione e approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 26 febbraio 2007 Outline 1 Interpolazione polinomiale Interpolazione
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
DettagliInterpolazione. 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
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
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
DettagliInterpolazione. 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
DettagliMetodi 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
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
DettagliMINIMI 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
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
DettagliEsempio. 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
DettagliDocente: 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
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
DettagliDimensione 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
DettagliSpline 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
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
DettagliEsercizi 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
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
DettagliCorso 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
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
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
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
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
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
DettagliEQUAZIONI 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[ Analisi della. concentrazione] di Luca Vanzulli. Pag. 1 di 1
[ Analisi della concentrazione] di Luca Vanzulli Pag. 1 di 1 LA CONCENTRAZIONE NELL ANALISI DELLE VENDITE L analisi periodica delle vendite rappresenta un preziosissimo indicatore per il monitoraggio del
DettagliDocumentazione 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
DettagliRendering 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
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
DettagliGrafico 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
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliSoluzione di equazioni quadratiche
Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti
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)
DettagliI appello - 24 Marzo 2006
Facoltà di Ingegneria - Corso di Laurea in Ing. Energetica e Gestionale A.A.2005/2006 I appello - 24 Marzo 2006 Risolvere gli esercizi motivando tutte le risposte. I.) Studiare la convergenza puntuale,
DettagliLABORATORIO 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
DettagliFasi 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
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
Dettagliilluminazione artificiale
illuminazione artificiale Illuminazione artificiale degli interni Il progetto di illuminazione degli interni deve essere studiato e calcolato in funzione della destinazione d uso e dei compiti visivi del
Dettagli09 - Funzioni reali di due variabili reali
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 09 - Funzioni reali di due variabili reali Anno Accademico 2013/2014
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
DettagliOttimizzazione delle interrogazioni (parte I)
Ottimizzazione delle interrogazioni I Basi di Dati / Complementi di Basi di Dati 1 Ottimizzazione delle interrogazioni (parte I) Angelo Montanari Dipartimento di Matematica e Informatica Università di
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
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
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
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
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
Dettagli1 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 "!$%!
DettagliProf.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.
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
DettagliMATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c
Caratteristiche MATLAB Linguaggio di programmazione orientato all elaborazione di matrici (MATLAB=MATrix LABoratory) Le variabili sono matrici (una variabile scalare equivale ad una matrice di dimensione
DettagliMetodi 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
DettagliAnalisi Numerica I Approssimazione polinomiale
Analisi Numerica I Approssimazione polinomiale Ana Alonso ana.alonso@unitn.it 15 novembre 2018 I polinomi Un polinomio di grado n in Matlab si rapresenta mediante un vettore di n + 1 componenti che contiene
DettagliEsercitazione 4. Richiami di Teoria
Esercitazione 4 Richiami di Teoria B-spline Le curve costituite da un unico polinomio sono spesso poco adeguate per descrivere forme geometriche complesse. I principali inconvenienti sono i seguenti: ˆ
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
DettagliVARIANZA 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
Dettaglila scienza della rappresentazione e della elaborazione dell informazione
Sistema binario Sommario informatica rappresentare informazioni la differenza Analogico/Digitale i sistemi di numerazione posizionali il sistema binario Informatica Definizione la scienza della rappresentazione
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
DettagliParte 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
DettagliESERCIZI 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)
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliLaboratorio di Matematica Computazionale A.A. 2007-2008 - Laboratorio nr.8
Laboratorio di Matematica Computazionale A.A. 2007-2008 - Laboratorio nr.8 Complementi di grafica 2D Un fondo di investimento ventennale frutta il 5% di interessi composti annualmente. Un capitale di 10.000
DettagliIntroduzione 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.
DettagliIl 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
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
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.
DettagliRICHIAMI 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
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
DettagliScilab: 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,
DettagliMATEMATICA. { 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
DettagliCenni su algoritmi, diagrammi di flusso, strutture di controllo
Cenni su algoritmi, diagrammi di flusso, strutture di controllo Algoritmo Spesso, nel nostro vivere quotidiano, ci troviamo nella necessità di risolvere problemi. La descrizione della successione di operazioni
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliI sistemi di numerazione
I sistemi di numerazione 01-INFORMAZIONE E SUA RAPPRESENTAZIONE Sia dato un insieme finito di caratteri distinti, che chiameremo alfabeto. Utilizzando anche ripetutamente caratteri di un alfabeto, si possono
DettagliLa grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato
La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,
DettagliSono 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
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliFORMULE: Operatori matematici
Formule e funzioni FORMULE Le formule sono necessarie per eseguire calcoli utilizzando i valori presenti nelle celle di un foglio di lavoro. Una formula inizia col segno uguale (=). La formula deve essere
DettagliFunzioni con dominio in R n
0.1 Punti e vettori di R n Politecnico di Torino. Funzioni con dominio in R n Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto Molto spesso risulta che una quantita
DettagliLE 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
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
Dettaglil insieme Y è detto codominio (è l insieme di tutti i valori che la funzione può assumere)
Che cos è una funzione? Assegnati due insiemi X e Y si ha una funzione elemento di X uno e un solo elemento di Y. f : X Y se esiste una corrispondenza che associa ad ogni Osservazioni: l insieme X è detto
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.
DettagliCome costruire una distribuzione di frequenze per caratteri quantitativi continui
Come costruire una distribuzione di frequenze per caratteri quantitativi continui Consideriamo i dati contenuti nel primo foglio di lavoro (quello denominato dati) del file esempio2.xls. I dati si riferiscono
DettagliCapitolo 1 ANALISI COMPLESSA
Capitolo 1 ANALISI COMPLESSA 1 1.4 Serie in campo complesso 1.4.1 Serie di potenze Una serie di potenze è una serie del tipo a k (z z 0 ) k. Per le serie di potenze in campo complesso valgono teoremi analoghi
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
DettagliLaboratorio 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,
DettagliISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI PROGRAMMAZIONE ANNUALE ANNO SCOLASTICO 2014 /2015
ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI PROGRAMMAZIONE ANNUALE ANNO SCOLASTICO 2014 /2015 A047 MATEMATICA CLASSE PRIMA PROFESSIONALE DOCENTI : CARAFFI ALESSANDRA, CORREGGI MARIA GRAZIA, FAZIO ANGELA,
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliSpazi 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
DettagliInformatica. 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
DettagliSCOMPOSIZIONE 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
DettagliLa trasformata Zeta. Marco Marcon
La trasformata Zeta Marco Marcon ENS Trasformata zeta E l estensione nel caso discreto della trasformata di Laplace. Applicata all analisi dei sistemi LTI permette di scrivere in modo diretto la relazione
DettagliFunzione reale di variabile reale
Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliEsempio: dest = parolagigante, lettere = PROVA dest (dopo l'invocazione di tipo pari ) = pprrlogvgante
Esercizio 0 Scambio lettere Scrivere la funzione void scambiolettere(char *dest, char *lettere, int p_o_d) che modifichi la stringa destinazione (dest), sostituendone i caratteri pari o dispari (a seconda
DettagliPROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA
Simulazione 01/15 ANNO SCOLASTICO 01/15 PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Il candidato risolva uno dei due problemi Problema 1 Nella
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
Dettagli