Notes

Per trovare i zeri di una funzione continua non lineare non esistono alcuni metodi diretti che ci portano subito a una soluzione. Per questo motivo andremo ad analizzare molteplici pasis iterativi per trovare i zeri di una funzione. La discussione di convergenza di ordine p è stata già discussa nelle note introduttive convergenza e iterazione, per quanto riguarda i metodi iterativi per risolvere sistemi di equazioni lineari Globale e local Ricordiamo di Norme e Condizionamento, in cui il condizionamento era più o meno una stima di quanto cambia la soluzione quando cambia brevemente l’input. Ma ora vogliamo estendere il concetto per equazioni non lineari. ...

Introduzione sull’encoding Ossia trattiamo metodi per codificare caratteri dei linguaggi umani, come ASCII, UCS e UTF. Digitalizzare significa encodarlo in un sistema che possa essere memorizzato su un dispositivo di memorizzazione elettronico. Ovviamente non possiamo mantenere l’informazione così come è, ma vogliamo memorizzarne una forma equivalente, ma più facile da manipolare dal punto di vista del computer. Creiamo quindi un mapping, o anche isomorfismo tra il valore di mappatura (o encoding), solitamente un valore numerico, tra il singolo valore atomico originale e il numero. ...

This is also known as Lagrange Optimization or undetermined multipliers. Some of these notes are based on Appendix E of (Bishop 2006), others were found when studying bits of rational mechanics. Also (Boyd & Vandenberghe 2004) chapter 5 should be a good resource on this topic. $$ \begin{array} \\ \min f_{0}(x) \\ \text{subject to } f_{i}(x) \leq 0 \\ h_{j}(x) = 0 \end{array} $$Lagrangian function $$ \mathcal{L}(x, \lambda, \nu) = f_{0}(x) + \sum \lambda_{i}f_{i}(x) + \sum\nu_{j}h_{j}(x) $$ We want to say something about this function, because it is able to simplify the optimization problem a lot, but first we want to study this mathematically. ...

Introduzione alle catene di Markov La proprietà di Markov Una sequenza di variabili aleatorie $X_{1}, X_{2}, X_{3}, \dots$ gode della proprietà di Markov se vale: $$ P(X_{n}| X_{n - 1}, X_{n - 2}, \dots, X_{1}) = P(X_{n}|X_{n-1}) $$ Ossia posso scordarmi tutta la storia precedente, mi interessa solamente lo stato precedente per sapere la probabilità attuale. Da un punto di vista filosofico/fisico, ha senso perché mi sta dicendo che posso predire lo stato successivo se ho una conoscenza (completa, (lo dico io completo, originariamente non esiste)) del presente. ...

Introduzione alla normalizzazione Perché si normalizza? 🟩 Cercare di aumentare la qualità del nostro database, perché praticamente andiamo a risolvere delle anomalie possibili al nostro interno, e questo aiuta per la qualità. Solitamente queste anomalie sono interessanti per sistemi write intensive, in cui vogliamo mantenere i nostri dati in una forma buona. Però capita non raramente che vogliamo solamente leggere. In quei casi sistemi come Cloud Storage, Distributed file systems potrebbero risultare più effettivi. ...

What are Banach Spaces? A Banach space is a complete normed vector space, meaning that every Cauchy sequence in the space converges to a limit within the space. See Spazi vettoriali for the formal definition. Examples of Banach Spaces In this section, we list some examples of the most common Banach Spaces $\ell^p$ Spaces (Sequence Spaces) Defined as: $$ \ell^p = \left\{ (x_n)_{n\in \mathbb{N}} \mid \sum_{n=1}^{\infty} |x_n|^p < \infty \right\}, \quad 1 \leq p < \infty $$ The norm is given by: $$ \|x\|_p = \left( \sum_{n=1}^{\infty} |x_n|^p \right)^{1/p} $$ When $p = \infty$, we define: $$ \ell^\infty = \left\{ (x_n)_{n\in \mathbb{N}} \mid \sup_n |x_n| < \infty \right\} $$ with the norm $\|x\|_{\infty} = \sup_n |x_n|$. These spaces are Banach under their respective norms. $L^p$ Spaces (Function Spaces) ...

Fatou’s lemma is a fundamental result in measure theory that deals with the relationship between limits and integrals of sequences of non-negative measurable functions. See the wikipedia page for further info. Statement of Fatou’s Lemma Let $(f_n)$ be a sequence of non-negative measurable functions on a measure space $(X,\mu)$. Then: $$\int \liminf_{n \to \infty} f_n \,d\mu \leq \liminf_{n \to \infty} \int f_n \,d\mu$$In words, this means that the integral of the limit inferior of a sequence of functions is less than or equal to the limit inferior of their integrals. ...

Riguardare Successioni per avere primo attacco sui limiti 4.1 Limiti finiti al finito 4.1.1 Intorno sferico Dato l’insieme $\mathbb{R}$ si definisce l’intorno sferico aperto di $x \in \mathbb{R}$ di raggio $r \in \mathbb{R}$ l’insieme $I_r(x) = (x -r, x + r)$ questa nozione è molto importante per definire il limite. Lo useremo subito su un punto di accumulazione 4.1.2 Punto di accumulazione Un punto di accumulazione $x$ di un insieme $A \subseteq \mathbb{R}$ è un punto tale per cui mi posso avvicinare in modo indefinito in quel punto. Infatti deve $\forall r > 0 \in R, \exists x_ 1 \in A : x_1 \in I_r(x) \wedge x_1 \not= x$ ossia per cui $A \cap I_r(x) \not= \varnothing$. ...

Questo è un tentativo di aggiungere un argomento che non era presente quando abbiamo fatto il corso due anni fa. Inizio la scrittura il 2024-03-03. Questo non è stato trattano nel corso, ma è importante per molte cose. Quindi introduco questo appunto. Introduzione alle serie Le serie infinite sono dei mostri strani perché non si comportano spesso come dovrebbero. Definizione di convergenza $$ \lim_{ n \to \infty } f_{n} = c $$ con $c$ un numero reale. ...

Spazi vettoriali 1.1 Piano cartesiano 1.1.1 Definizione Possiamo considerare il piano cartesiano come l’insieme $\R^2$ potremmo dire che esiste una corrispondenza fra una coordinata e un punto del piano, una volta che abbiamo definito un punto di origine. Si può vedere anche come corrispondenza biunivoca con vettori del piano per l’origine (parte dall’origine). Questa cosa vale anche per uno spazio n-dimensionale, non soltanto due, ma per semplicità di introduzione di questo lo faccio con 2 ...