Ricerca zeri e ottimizzazione
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.

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.

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
- Verifica a mano i segni di
f(1)ef(2)e individua l’altra radice dif. - Calcola
g(2)e confrontalo cong(3). - Una ricerca su
[0, 5]dimostra sempre che un minimo trovato è globale su tutta la retta?
Soluzione ragionata
- \(f(1)=-1\), \(f(2)=2\); l’altra radice è \(-\sqrt{2}\), fuori dall’intervallo scelto.
- \(g(2)=2\), mentre \(g(3)=1\).
- 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.