Corso Python scientifico in GX-TXT · Modulo 5 · Lezione 29

Cercare uno zero significa trovare un valore per cui una funzione vale zero. Minimizzare significa invece trovare un valore che renda più piccolo possibile un obiettivo. In questa lezione affrontiamo entrambi i problemi con callback Python e soluzioni analitiche note.

Obiettivi

  • Distinguere radice, residuo e minimo.
  • Scegliere un intervallo che racchiuda una radice.
  • Leggere convergenza e accuratezza con attenzione.
  • Distinguere un minimo locale da una garanzia di minimo globale.

Due problemi semplici

Per \(f(x)=x^2-2\), la radice positiva è \(\sqrt{2}\). Nell’intervallo [1, 2], \(f(1)=-1\) e \(f(2)=2\): i segni opposti, insieme alla continuità della funzione, garantiscono almeno uno zero nell’intervallo. Questa scelta dell’intervallo è detta bracketing. Un intervallo diverso potrebbe contenere un’altra radice, o nessuna.

Per \(g(x)=(x-3)^2+1\), il quadrato è sempre non negativo: il minimo globale è 1, raggiunto a \(x=3\). Questa garanzia deriva dalla formula, non semplicemente dalla terminazione di un algoritmo. Per funzioni più complicate un metodo numerico può trovare un minimo locale senza dimostrare che sia il migliore su tutto il dominio.

Esecuzione nel Runner

Nella Sessione corso_python, importa zeri_ottimizzazione.py, salva lo script nel Python Script Workspace e avvialo da Run → Open Script Runner → Run Job.

Script di ricerca zeri e minimizzazione nell'editor GX-TXT con tema Rich Dark.
Script di ricerca zeri e minimizzazione nell'editor GX-TXT con tema Rich Dark.
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require, gxtxt_callback_register, gxtxt_callback_release

gxtxt_api_require("NUMERIC_API_v1@1:math.numeric+script_callback_functions")
def funzione(x):
    return x * x - 2.0
def obiettivo(x):
    return (x - 3.0) ** 2 + 1.0
radice_cb = gxtxt_callback_register(funzione)
minimo_cb = gxtxt_callback_register(obiettivo)
try:
    radice = gxtxt_api_call("NUMERIC_API_v1", "root_find", [radice_cb, [1.0, 2.0]])
    minimo = gxtxt_api_call("NUMERIC_API_v1", "minimize_1d", [minimo_cb, [0.0, 5.0]])
finally:
    gxtxt_callback_release(minimo_cb)
    gxtxt_callback_release(radice_cb)
print("Radice convergente:", radice["converged"])
print("Radice:", radice["root"], "residuo:", radice["fval"])
print("Differenza da sqrt(2):", abs(radice["root"] - np.sqrt(2)))
print("Minimo convergente:", minimo["converged"])
print("Posizione e valore:", minimo["x"], minimo["fval"])

Le due funzioni restituiscono uno scalare e sono registrate separatamente. root_find riceve la callback e l’intervallo della radice; minimize_1d riceve la callback e l’intervallo di ricerca del minimo. Il blocco finally rilascia entrambi gli handle dopo le chiamate. Non effettuare chiamate Bridge dall’interno delle callback.

Output del Job con radice, residuo e minimo.
Output del Job con radice, residuo e minimo.

La radice ottenuta è circa 1,41421356237. Il residuo fval è circa 1,2 × 10⁻¹³ e la differenza rispetto a np.sqrt(2) è circa 4,1 × 10⁻¹⁴ in questa esecuzione. Il minimo trovato è in \(x=3\), con valore 1. Entrambe le risposte riportano converged: True.

Tolleranza e interpretazione

Una tolleranza regola il criterio numerico di arresto, ma non è automaticamente una garanzia universale sull’errore scientifico. Un piccolo valore di f(x) è un controllo utile; il legame fra residuo ed errore sulla posizione dipende anche dalla pendenza della funzione vicino allo zero. Per il minimo considera scala, dominio e significato dell’obiettivo.

Il completamento del Job indica che lo script è terminato; verifica separatamente converged, risultato, residuo e ipotesi. Nelle applicazioni reali è utile salvare anche opzioni, intervallo e informazioni del solver. Se una funzione non è continua o non presenta i segni necessari agli estremi, il ragionamento sul bracketing non vale nello stesso modo.

Esercizio

  1. Verifica a mano i segni di f(1) e f(2) e individua l’altra radice di f.
  2. Calcola g(2) e confrontalo con g(3).
  3. Una ricerca su [0, 5] dimostra sempre che un minimo trovato è globale su tutta la retta?

Soluzione ragionata

  1. \(f(1)=-1\), \(f(2)=2\); l’altra radice è \(-\sqrt{2}\), fuori dall’intervallo scelto.
  2. \(g(2)=2\), mentre \(g(3)=1\).
  3. No. L’algoritmo cerca nell’intervallo indicato; una conclusione globale richiede ulteriori proprietà della funzione e del dominio. Nel nostro esempio la forma del quadrato fornisce tale proprietà.

Nella prossima lezione integreremo numericamente un’equazione differenziale e confronteremo la soluzione con una formula nota.

Scarica gli script del Modulo 05 (ZIP)

#Calcolo numerico #GX-TXT #Python

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *