La matematica per risolvere problemi reali

Slides:



Advertisements
Presentazioni simili
LE FUNZIONI REALI DI VARIABILE REALE
Advertisements

PROGETTO LAUREE SCIENTIFICHE
Corsi di allenamento 2013 Congetturare e dimostrare.
Grandezze ed equazioni fondamentali
Equazioni differenziali
Funzioni e procedure Ogni linguaggio di programmazione ad alto livello mette a disposizione del programmatore questi strumenti, ed il C non è da meno!
2. Introduzione alla probabilità
In quanto il calore scambiato dipende dal in quanto il calore scambiato dipende dal nel seguito di questo corso indicheremo il calore infinitesimo scambiato.
Ricorsione Procedure e funzioni ricorsive. Definizioni Un oggetto si dice ricorsivo se è definito totalmente o parzialmente in termini di sé stesso La.
Introduzione alla riproduzione cellulare
Capitolo 8 Sistemi lineari.
Algebra parziale con predicati
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
Lez. 41 Universita' di Ferrara Facolta' di Scienze Matematiche, Fisiche e Naturali Laurea Specialistica in Informatica Algoritmi Avanzati Programmazione.
Algoritmi e Dimostrazioni Stefano Berardi
Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie di analisi.
Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie di analisi.
Iterazione enumerativa (for)
Elementi di Matematica
Elementi di Matematica
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie.
Progetto Lauree Scientifiche Area matematica Università Federico II - Napoli 5 maggio 2009 Il problema della ninfea e quello … … degli abitanti di Quarto!
Studio funzioni by Mario Varalta Studio funzioni by Mario Varalta.
Liceo Scientifico "A.Volta" Reggio Calabria
Corso di biomatematica lezione 4: La funzione di Gauss
Cavi coassiali e le onde TEM
Studente Claudia Puzzo
Laboratorio di El&Tel Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi.
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
OPERAZIONI CON TRINOMI DI II° GRADO
IL MODELLO DI MALTHUS NEL CASO CONTINUO
Circuiti Elettrici.
Esercizi Interi.
Progettazione di una base di dati
Studio funzioni Premesse Campo esistenza Derivate Limiti Definizione di funzione Considerazioni preliminari Funzioni crescenti, decrescenti Massimi,
Cinetica delle reazioni biologiche
Geometria analitica: dalle funzioni alle rette Cliccate su F5 per vedere meglio e poi ovunque per andare avanti.
5. LE CARATTERISTICHE DINAMICHE
Fenomeni di crescita e decrescita
INTERDIPENDENTI QUADRIPOLI
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Le funzioni Prof.ssa A. Sia.
ESTENSIONI SEMPLICI e TEOREMA DELL’ELEMENTO PRIMITIVO
Quante sono le diagonali di un poligono convesso?
Metodo numerico di Eulero
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Equazioni.
I punti di Accumulazione
OPERAZIONI CON TRINOMI DI II° GRADO
PROPAGAZIONE DEGLI ERRORI:
La ricorsione.
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie.
INTRODUZIONE ALLA GEOMETRIA EUCLIDEA
Teorema derivabile almeno n volte (con n maggiore o uguale a 2) in x0 e sia x0 un punto stazionario per f tale che: allora: x0 è un pto di minimo relativo.
Laurea Ing. EO/IN/BIO;TLC D.U. Ing EO 3
Calcolo delle probabilità a cura di Maurizio Brizzi
INTRODUZIONE ALLA DISPERSIONE DEGLI INQUINANTI IN ARIA
Rappresentazione dell'informazione
Definizione Si dice che la variabile z è una funzione reale di due variabili x e y, nell’insieme piano D, quando esiste una legge di natura qualsiasi che.
Limitati,Illimitati Aperti,Chiusi a seconda che un estremo o tutti e due siano + o - infinito a seconda che comprendano o no gli estremi Premesse Intervalli.
Le funzioni.
6. LIMITI Definizione - Funzioni continue - Calcolo dei limiti
L’elevamento a potenza
Modulo 1 funzioni reali, proprietà e operazioni (cap.14 del vol.2; pag )
Analisi matematica Introduzione ai limiti
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
TRANFER DEFINITION FUNCTION G(s) I(s) U(s) Relationship between input and output of a system in the domain of the complex variable s s - complex variable.
Strumenti per lo studio dei sistemi continui nel dominio del tempo.
Triennio 1Preparazione giochi di Archimede - Triennio.
FUNZIONI MATEMATICHE DANIELA MAIOLINO.
Transcript della presentazione:

La matematica per risolvere problemi reali I Modelli Matematici Liceo scientifico “G. Mercalli” Napoli Armando Camerlingo Francesco Paolo Ducci Federico Fazioli Giuseppe Fusco Luigi Mosanghini Ettore Saetta La matematica per risolvere problemi reali

Introduzione Un modello matematico è una rappresentazione esemplificativa di un sistema reale, in cui vengono schematizzate le caratteristiche che interessa studiare, tramite una serie di regole (in generale un sistema di Equazioni Algebriche o Differenziali) che legano i parametri (grandezze non manipolabili), le sollecitazioni (ovvero gli ingressi, variabili indipendenti) e le uscite (variabili dipendenti).

Il principio di INDUZIONE Il principio d'induzione è un enunciato sui numeri naturali che in matematica trova un ampio impiego nelle dimostrazioni. L'idea intuitiva con cui si può comprendere il senso dell'enunciato è quella di un "effetto domino": affinché le tessere da domino disposte lungo una fila cadano tutte sono sufficienti due condizioni: che cada la prima tessera che ogni tessera sia posizionata in modo tale che cadendo provochi la caduta della successiva. Il principio d'induzione estende questa idea al caso in cui la fila è composta da infinite tessere.

Definizione del principio di induzione Se una proprietà P(n) dipendente da una variabile intera n vale per n = 1 e se, per ogni n  N vale P (n) → P (n + 1) allora P vale su tutto N

Applicazione in biologia Negli ultimi anni i modelli matematici sono stati adoperati anche nel campo biologico ed in particolare nello studio della crescita dei batteri.

Nel nostro esempio analizzeremo il batterio E. Coli Nel nostro esempio analizzeremo il batterio E. Coli. Esso si divide ogni 20 minuti. Quindi, esso deve sintetizzare (duplicare) tutti I suoi componenti cellulari entro questo tempo.

Fasi della divisione dell’E. Coli Fase di latenza (lag phase) Fase di crescita esponenziale (exponential fase) Fase stazionaria (stationary phase) Fase di morte (death fase)

Proprietà della crescita In intervalli temporali di uguale lunghezza il numero di batteri aumenta di uguale fattore. All'inizio la colonia è composta da 1000 batteri. Dopo 20 minuti il numero di batteri è raddoppiato.

1000 × 2t batteri. All'inizio (t0) ci sono 1000 = 1000 × 20 batteri. Dopo 20 min il numero di batteri è raddoppiato, quindi  1000 × 21 batteri. Dopo 40 min il loro numero è aumentato nuovamente di fattore 2, cioè ci sono 1000 × 22 batteri. Dopo 1 ora ci sono1000 × 23 batteri. Continuiamo a piacere con questo ragionamento e  vediamo che dopo t 20 min la colonia consiste in 1000 × 2t batteri.

Questo modello (crescita esponenziale) viene chiamato anche modello di Malthus. Viene utilizzato per descrivere la crescita di una popolazione isolata, con infinite risorse. N(t) = N0(1+r)t N0 = 1000 ; r = 1 (perché i batteri raddoppiano) quindi N(t) = 1000x2t

N(t) = 1000 x 2t Tempo (min) N di batteri 1000 20 2000 40 4000 60 8000 1000 20 2000 40 4000 60 8000 80 16000 100 32000 120 64000

Crescita in un qualsiasi intervallo di tempo Con il modello ipotizzato precedentemente, possiamo calcolare il numero di batteri dopo ogni intervallo di tempo di 20 min (detto “passo”), ma come facciamo a calcolare il numero di batteri in un qualsiasi intervallo di tempo ?

Dopo 10 min i batteri saranno aumentati di un fattore di crescita q Dopo 10 min i batteri saranno aumentati di un fattore di crescita q. Dopo altri 10 minuti i batteri saranno aumentati di nuovo di un fattore q, quindi il loro numero sarà uguale a 1000q2, che sappiamo uguale a 1000 x 2 visto che sono trascorsi 20 minuti in totale. Quindi : q2 = 2  q = √2 √2 è uguale a 21/2 La legge N(t) = 1000 x 2t risulta quindi valida per qualsiasi intervallo di tempo