ELEMENTI DI OTTIMIZZAZIONE 1. Condizioni di ottimalite’ in problemi di programmazione matematica Con 41 nome di problemi di Programmazione Matematica (PM), si intendono quei problemi che possono essere formulati in maniera seguente: ; ingn f(x) owvero max £() xeX 6 XEX Vi wet dove Xe” un assegnato sottoinsieme di R” ed f(+) e” una funzione a valori reali, definita sull’insieme X e. sufficientemente regolare. La funzione f(-) prende i] nome 4i funzione obiettivo, insieme di anmissibilite’ ed mentre l'insieme X prende i] nome e’ normalmente specificato attraverso un insieme di relazioni di eguaglianza e diseguaglianza. Una possibile classificazione dei problemi di PM consiste nel distinguere 11 caso in cui l’insieme di ammissibilita’ coincida con R” (nel qual caso il problema si dice non vincolato), dal caso in cul l’insieme di ammissibilita’ e’ un sottoinsieme proprio di R” (problema vincolato), Un’altra comune distinzione e' basata sulla natura della funzione obiettivo e dei vincoli che definiscono la regione di ammissibilita’; si parla allora di problemi di Programmazione Lineare, Programmazione Quadratica, Programmazione Convessa, etc.. Richiamiamo alcune definizioni che saranno richiamate suc- cessivamente. Definizione. (Minimo Relative) Un punto x" e’ detto punto di minimo relative o di minimo locale di f(-) su X se esiste un ©>@ tale che si abbia aust 4 Can fone al taper & f ween’) Commun pe C35 rua, ME domDefinizione. (Minimo Globale) Un puntc x’ e” detto punto di minimo globale di f(-) su X se risulta f(x)2f(x") per ogni xex Definizione.(Direzione Ammissibile) Dato un punto xeX si dice che il vettore deR" individua una direzione ammissibile di spostanento a partire da Z se esiste wo scalare @Qutale che X+adeX per ogni ae{0,al.? ; Il coneetto di direzione ammissibile verra’ utilizzato nel seguito quando, nella njcerca delle condizioni che assicurano che un_punto e’ di minimo per_una certa funzione, si fara’ vedere che la funzione cresce allorche’ ci si sposta lungo tutte le direzioni ammissibili a partire da quel punto.. 11 vantaggio di questa logica, che viene spesso definita variazionale, e’ che, lungo una direzione anmissibile di spostamento, 1a funzione f(-) puo’ esser vista come una funzione di una sola variabile (ossia del parametro a che definisce il movimento lungo quella direzione). BIgteseet a veraeroffereas safe elses cet rere nee condizion! di ottimallta’ per 1 problem! di PM, !Trattereno separataiiente i problemi non vincolati ed i problemi vincolati Problemi vincolati Con la notazione introdotta un problema di PM vincolato’ puo’ : 2 sempre esprimersi come’ nin £(x) ‘Si noti esplicitamente che se XR", allora ogni direzione e” una direzione ammissibile di spostamento per qualsivoglia x. Il limitarsi a considerare solo problemi di minimizzazione non costituisce in alcun modo una limitazione in quanto risulta max fOdeohin ~£G0.xeX Per tale problema sono valide Je cosiddette condizioni necessarie del prino ordine che si enunciano come segue. Condizioni Necessarie del Primo ordine (caso vincolato). Se x’ e” punto diG@inino relativoydi ¢(-) su xS“aliora per ogni direzione anmissiblle da partire da x" deve aversi_vf(x"}a20,3 yea Infatti, definendo 1a funzione g(a)=f(x"+ad),,, essa. possiede ovviamente un minino per o=0. Sviluppando tale funzione in serie di MacLaurin rispetto ad @ si ha a g(a) ge |e + ra") a=0 gla)-g(0) = dove r(a") rappresenta il resto della serie. se $816) tosse sinore di zero allord eoloterette une Ja=0 direzione di spostamento ammissibile (quella individuata dal corrispondente d), in cui la funzione g(a) decresce, contro la ipotesi che essa possiede un minimo in @=0. Deve quindi risultare dale! 55 yy, dela) ve(x"Jd e quindi l'asserto e* da. do o=0, provato. Con analogo ragionamento si possono stabilire le condizioni del secondo ordine che si enunciano cone segue. Condizioni Necessarie del Secondo Ordine (caso vincolato). Se x" ap e’ un punto di@@inino relativoyai f(:) su x&llora, per ogni direzione ammissibile da partire da x", deve aversi 3, ‘ . Con la notazione contratta Vf(x") si intende il vettore riga ar at . (—,...,= 1] valuata nel punto x’. ax, x. fade leje d gtead} dy rca’) {ota {oe a | liso4 \ Ricordiamme che Hina mah te 5 Ud simmdicg file, potve, ( See sebe seo tally © ait aude velo | Some frees, & moetfiols Jooliva ] Se © ote ai i peer andorater F. Garofalo, Appunti di Complement di Control1i (bozze) 4) veCx")€30; Fone tone sygelid prou dflude 20 : : Ae Bons st acdonitue peslve ee 11) se ve(x")d=0 allora Gi7v7e(x") geo. tune magelive . hic fome ponte en Mifiude 4p la prima proposizione risulta gia’ dimostrata. Per la seconda Proposizione si noti che per la funzione g(a)- prima definita risulta anche gy ,d, iz ye) <0 a g(a) a + nla) a(a)-g(o) = 3 a ks 0 €, con ragionamento analogo al precedente si deduce che deve 2, *, risultare £8) | = aTy?e(x")a20, 5 ; Passiamo ora all’analisi dei problemi non vincolati. Problemi non vincolati. X= Rt” Analizziano ora cone si specializzano le condizioni necessarie del primo e del secondo ordine per il caso di problemi PM non Vincolati, owero per problemi che, con la simbologia introdotta, possono formularsi come min f(x) xeR” con 1a notazione contratta vf(x") si intende 1a natrice ap ate f(x Oe,, frequentemente, 1a condizione di appartenenza del vettore x ad R" viene omessa, , Condizioni necessarie del primo ordine (caso non vincolato). Se x" e’ un punto diCffino relativD di f(-) su R", allora deve risultare ve(x")=0,> La affermazione e’ giustificata dall’osservazione che, cone per iF caso vincolato, deve risultare vf(x")d20 pér: gif” direzione ammissibile d. Essendo nel. caso. in esame ogni direzione una direzione anmissibile, tale condizione dovra’ essere vera sia per un certo d che per -d, cosicche’ dovra’ risultare Vf(x")=0. Analogamente a quanto fatto in precedenza si possono stabilire le condizioni necessarie del secondo ordine. Condizioni necessarie del secondo ordine (caso non vincolato). Se x’ e’ un punto di minimo relative di f(-) su &, allora deve risultare f 4) VEG’): 11) V°e(x") semidefinita positiva: La prima condizione e’ identica alla precedente. Per 1a seconda condizione basta notare che, dovendo risultare, come nel caso vincolato, d'V"f(x")d20 per ogni def", questo equivale a richiedere che la matrice Hessiana V'f(x") sia semidefinita positiva. Si noti esplicitamente che le condizioni necessarie stabilite per il caso non vincolato valgono identiche nel caso di problemi vincolati quando il punto di minimo relativo sia interno alla regione di ammisibilita’ e non un punto di frontiera. 51 punti che soddisfano 1a conéizione vf(x")=0 sono frequentenente denominati punti di stazionrieta’ della funzione £0).F. Garofalo, Appuntt di Complement di Control11 (bozze) Le condizioni necessarie possono essere utilizzate per la ricerca dei punti candidati ad essere di minimo relativo. Per avere la certezza che tali punti siano effettivamente di minimo bisogna disporre di condizioni sufficienti di ottimalita’. Queste condizioni, nel caso non vincolato, si formulano come segue. Condizioni sufficienti per un minimo locale (caso “non vincolato).Se in un punto x” si verifica che 4) weGed)S 44) V8e(x") GeFinita positiva,> allora x" e’ un punto di minimo relative per f(-) Sviluppando f(x) in serie di Taylor intorno al punto x" si ha fOx'son-£00) = 5 ax'veG ax + eC 3x 9) Se V°f(x") e’ definita positivd, allore esiste una costante y tale che v'V°t(x")vey v *-per ogni veR" e quindi, in particolare, risultera’ a fOc*sx)-£00) = Ey 8x? + rl 8x 9) Per 8x sufficientemente piccola, il primo termine domina il secondo nel secondo membro per cui si ha f(x"+8x)-f(x")20 e si puo’ concludere che xe? un punto di minimo relativo. Esompio Si consideri 11 problema non vincolate 22 2 ain x xs, t202 La condizione necessaria del primo ordine richiede che 2 2 Vets ax-2e,%, -x2h4x,] = 0 J fox ve ve 2] che fornisce come punt candidat allvettine i punti (0,0) (6,8). Verifichtamo se sono soddisfatte “le condizioni _necessarie del secondo ordine valutando 1a matrice Hessiana.to fex,-2x, -2x 2, a) roe = ‘. ee, 4 Risulta 2 foo) Ve00,0) = + semidefinita posttiva lo 4 2 18 -12] vPe6,9) = » Andefinita. a2 4 pertaito solo 41 punto (0,0) potrebbe essere di into per 1a funzione. Per, averne. la” certezza le condiziont sufficient! Fichtederebbero che la matrice Heasiana V°f(0,0) Fosse def inita positiva, 11 che non e? come. gia’ “visto e quindt non posstane ancora concludere che 11 punto (0,0) sla Ia soluzione del nostro problema. ZO 1 metodo dei noltiplicatori di Lagrange Le condizioni enunciate per 1’esistenza di un minimo locale di uuna funzione su una regione di amissibilita’ X sono di carattere, del tutto generale e prescindono dalla natura dei vincoli/¢he descrivono la regione di ammissibilita’; per tale motivo esse. sono anche di scarsa utilizzabilita’ cosi’ come formulate. Condizioni piu’ facilmente utilizzabili si possono ottenere portando esplicitamente in conto la ‘natura dei vincoli. I] caso tipico e’ quello in cui la regione di amnissibilita’ e’ descritta attraverso una serie di vincoli di eguaglianza sulle variabili di decisione, ovvero quando il problema di ottimizzazione puo’ formularsi cone: nin £(x) -e — nem gbluimsuty’ dima ates AA 11, .. (a) Brame ob Corsa i yrccebr DLAs alle Purkour! con msn e con le funzioni f(-) e g(-) sufficientemente regolari. La maniera piu’ spontanea di affrontare un problema del tipo descritto consiste nell’esprimere, a partire dalle equazioni di vincole, m delle n variabili di decisione in funzione delle rimanenti n-m (considerate come indipendenti). Si supponga allora fot cou sara fe pol! racks i W feed’ W CheherF, Garofalo, Appunti di Complenenti ai Controlli (bozze) di partizionare il vettore delle variabili di decisione nella ; x i + con yeR™™ , weR™ @ si ponga 8, 0) ‘ a(x) = 00] forma Supponiamo che x’ sia una soluzicne del problema con vincoli di eguaglianza. La condizione necessaria del primo ordine richiede che per una variazione dx.del punto x° che non violi i vincoli, sia nulla la variaziotie delja funzione obiettivo, cice’ VEC aera VEC ay + VEC aw = 0 Be Jdx = a(x Jay + a(x dw’ Assumendo che la matrice g(x") sia invertibile, ricavando dw dalla seconda equazione e sostituendola nella prima, stante l’arbitrarieta’ di dy, si ricava LOC) = VEC OC De, 8) = 0 la ricerca delle eventuali soluzioni del problema di ottimizzazione in questione potrebbe essere quindi effettuata determinando le (eventuali) soluzioni del sistema Scon 1a scrittura g(x") si intende la matrice 1a cul riga i-ma e’ Vg, ).Vile) - VeG0R, atx: A questo punto si puo’ notare che il precedente problema poteva anche risolversi introducendo la funzione cosiddetta Lagrangiana, definita come IGA) = £0x) + ATg(x) aw Le vocab amstieatan’ tegorp soo tack fot sro i dove (AeB™’e’ un vettore costante che prende 11 nome di vettore ‘encase dei moltiplicatori di Lagrange: I punti di stazionarieta’ di questa funzione devono soddisfare VIG, A) = VEG) + ATE (x) = 0 y ¥ y " V,LGGA) = VG + 7e,00 =0 VAIGGA) = g(x) = 0 Ricavando A dalla seconda’e sostituendo nella prima, si ottiene un insieme di equazioni identico al precedente e le cui soluzioni costituiscono gli eventuali punti di scluzione del problema in esame. E’ apparente come la soluzione di questo insieme di equazioni richieda 1a valutazione del vettore dei moltiplicatori di Lagrange. Si_puo’ concludere che {1 relativo aggravio di a er ne complessita’ da un punto di vista computazionale e’ il prezzo da pagare per avere sostituito il problema della ricerca dei punti Ee ee Set punt di_stazionarieta’ di una funzione vincolata con i] problema di ricercare i punti di stazionarieta’ di una funzione non vincolata. Utilizzando la funzione Lagrangiana, analogamente a quanto fatto in precedenza per 11 caso di problemi non vincolati, possiamo stabilire le seguentiF, Garofalo, Appunti di Complement’ di Controlli (bozze) Condizioni sufficienti per un G2 locate (caso con wincoll di uguaglianza).. ny Pat ka! 41) 2200 aeveor")eaTg Ce) e? Gerinita positiv) per tutti i wat oon ae vettort a “talt She B(x )de0 (sul Gostadetto, plano tangénte) seangosns allora x e’ soluzione del problema di minimizzazione con vincoli cg Pome en een df eguagl ianzaY —veo Eeempio Coneideriane 11 problema ae | mais POsmues } J goss ‘ Er ame Rete La Famsione Lagrangtann sesoctata a tale probloas vineotate LGA = x agement ogee). 1 puntt di stazionarieta’ per = 1a_—slagrangiana s!_—trovano Pisol vendo Xe = 0 AOiD=|xoog, x HGH, ye ]=o | trtlee B206,0= fame tPA mn) x Kemencsao 7 lense \ la cul soluztone e 11 vettore sD, Al che rappresenta 11 probable minino locale del problema, Per assicurarcl che tale punto “sia effettivanente un minimo del problema, applichiaso le condiziont sufrictenti. Risulta evidentenente con 1a notazione compatta si e’ indicato con a%g,(¢) 1a matrice Ae) +. anya Oe) 1028 28 Veroer=|1 01) ,Vatx"=]0 0 0 10, per cut fod 1G A D=]1 02 110) 1 TET 1 dy I=1,2,3 che soddtefane ya, sul plane tangents, owero per 4,+4,4a-0 a 4at4y io Hiettany yl a 28 6,108,0,028,4, = .! ees 22 a8 4,aytdh oho asad 04,4042 dye ga stay ‘atatta toto Matat tg Ay Stat 8 ald HAS GL4, 44) 11s he la matrice 1(x",A) e? definita negativa sul piano punto candidatd”non soddisfa la condizione sufficiente. tangente ed 41 YF. mrebtent a funzione oblettsvequasration ' Nell’ambito dei problemi di ottimizzazione con vincoli di eguaglianza, rivestono particolare interesse quei problemi in cui la funzione obiettivo e’ quadratica e ed i vincoll sono in forna lineare. Si consideri ad esempio, il seguente problema nto fp obeltire Pecthales Cd via baw dove la matrice QeR™” e’ supposta essere simmetrica e definita utFr Garefate, Appuntt at Conploenth ab foptrotit (bozze) Mou epee i7'ot wank Puical positival’ mentre la matrice FeR™ "Ss mene’ supposta avere rango m. (Je mtho Fe adugter bere, tae moet diiule (iaiere *) Tale problema puo’ essere interpretaté come quello della ricerca della soluzione a minima norma (pesata secondo Q) di un sistema di equazioni lineari sottospecificato, in_cui cioe’ il numero di equazioni linearmente indipendenti e’ “g@imore del numero delle Thcognite. ren reimennaneserenernantimnmerng = L'gpplicazione del metodo dei moltiplicatori di Lagrange al problema posto consente di affermare che candidati ad essere soluzione del problema sono quei punti per { quali rioulta Ye ex 4) (Fe) V,x"Ox + AT(Fx-b) = 0 a : QW grows NF eo Oe ossia QPL Exkeo ay, ® ox + fa =o. aX: “Ben Fx=b.. MPO Arb » he s2€F ore b + Ricavando x dalla prima equazione -q=sostituemie-mebiessouthda, si ottiene che, sostituita nella seconda, fornisce -2(FQ FE"), e, in definitiva, 12A oot Ay ae es en ee ee La matrice FMM prende 12 none i poswiotnversa wintna a destra (foala xo Bl della matrice Fe tale none e” giustificato ‘dall’essere FFOSI. Un’ altro problema con funzione obiettivo quadratica e vincoli di eguaglianza lineari e’ il seguente XL . \ + con FeR™,(a>h g con rank(F)=n. ($e wabat € whaytnn ha, qua noe dae) Questo problema. si incontra nei sistemi di equazioni lineari ‘ del tipo Fxsb. sovraspecificati, quel sistem! lineari, cloe’; in cul {1 numero delle equazioni lincarmente indipendenti e’ maggiore del numero delle incognite. In tal caso, infatti, non esistendo alcuna soluzione, ogni vettore X sostituito in Feb fornira’ i Bone dove © si interpreta come il vettore degli scarti dalla soluzione C Hl di tentativo ¥, In questa situazione e’ interessante trovare quella soluzione del sistema che minimizza la norma pesata degli searti, spesso detta soluzione a minimi quadrati. Tale soluzione e’ quella fornita dal problema in ésame. Il problema posto puo’ trasformarsi in un problema non vincolato Stn realta’, avendo applicato una condizione necessaria, non sarebbe possibile concludere che tale soluzione e’ quella di norma minima, Una analisi piu’ dettagliata mostra che tale soluzione e” proprio quella ricercata. 13F. Garofalo, Appunti i Complementi di controlli (bozze) semplicemente ricavando l’espressione di © dal vincolo & Sostituendola nella funzione oblettivorufes slQ fe)! Applicando 1a condizione necessaria del”primo ordine si ottiene : 2 [{fs-s/Q(ril]z 0 oe foeoter= 0 (FW BRL. FAOR-Hars Fak “Fay x Corl ogy e quindi, x0 = (FTQE) "Flap = Fly: u (rye ‘eT MD —o~ \ "La matrice Fi" prende 1} nome di Peoud6inversa minima a sinistra Be Qed a della ee F. Si noti che risulta DA MF =I”, proprieta’ che elustifica 11 none dato alla matrice FA Il fatto che laisoluzione trovata sia effettivamente quella che Bininizza 1a funzione oblettive puo' essere visto dall’analis! dell’ Hessiano. Risultando Y(Fx-b)"OF = FOF t Indipendentenente da x", ed essendo 1a tatrice F dt rango(m,) si conclude che la matrice Hessiana e’ definita positiva e la condizione necessaria del primo ordine risulta soddisfatta, \- Esempio di applicazione al problema della stima dei parametri Assumiamo di avere a disposizione coppie di valori misurati (x,.¥,), 151,N di due grandezze scalari x ed y, che sia noto un 7% modello del legame tra M# le x e lé y e che questo legame sia espresso tramite una relazione lineare secondo i coefficienti Incogniti @,, i= +--+)n di funzioni note g(x), i=1,...,n, cioe’ sys 4 i q lu TY = 89,0) + 8,0.(x) +..-# 8 O00 & (Ell ACel ~ god) af : gre \ ; b= Quando al\ gorérico-valore (x,y), sia sostituita una co Pp faa Calf ood? meopete . 14valori misurati, a causa delle imprecisioni delle misure, il segno di eguaglianza in questa equazione non risulta verificato. Indichiamo con y, il valore della variabile y che si ottiene dalla sostituzione delle x, nel modello (1), cioe’ / ¥, = 9,06) + 0,9,00,) 4.4 09 06) @ I1 problema dei .minimi quadrati consiste nel ricercare quel valore del parametri @, in maniera tale da raggitingere il massimo accordo tra i dati sperimentali x, ed y,, ovvero, assumendo che tutte le misure abbiano la medesima precisione, rendere minima una funzione obiettivo del, tipo a ste) = Je? (3) at dove efy,-¥, Bary xPro.es ope. -+9,9,00p)\ ' . 31,0. ,N. Introducende 1a seguente notazione vettoriale, = Lo, H+, @ = (0, 0,...0°)" 181 Oa a) of ty yy y Yar Yq ef tee. .el 1 fay (xp) e= o(x,) il problema della stima dei minimi quadrati puo’ essere formulato in forma compatta come i] seguente problema di minimizzazione min ce’ e ude la cui risoluzione puo’ essere ottenuta, con l’utilizzo della Pseudoinversa minima a sinistra, nella forma 15y F. Garofalo, Appunti di Complement’ di Controlli (bozze) - ‘ t 6 =icaTey tes | OWE Si consideri un sistema descritto da tiia*” rélazione ingresso-uscita del tipo ¥, r ody, eon, + + Meet Men = Pas Assumiamo che una sequenza di Ingressi {u,,. uy.) sia stata applicata al sistema e che sia stata rilevata la corrispondente Sequenza di uscite {y,, »¥y?- Si definisca il seguente vettore dei parametri incogniti: Il problema di identificazione dei parametri viene cosi’ ricondotto ad un problema di stima di minimi quadrati. Si noti che perche’ la stima possa essere effettuata e’ necessario che la matrice #"$ sia non singolare, il che awiene quando il segnale di ingresso e’ sufficientemente ricco. Esempio Si consideri 11 sistema discrete del secondo ordine = vay, tbe, Me = Mor a 16S © st supponga di voler effettuare un una stima del ba partire da un record storico di N dati. ta matrico Fir Peremetri ae 5 he TS | m, La mtrice @' sara’ nonsingolare se 11 segnale dl 41 particolart —_propriets tenente eccitante). >. Ingresso gode (suffientenente ricco 0 persisten~ 4. Problemi con vincoli di eguaglianza e diseguaglianza. Focalizziamo ora la nostra attenzione sul seguente problema di .- Programmazione matematica | min £60) * 80050, iety.m ay | hy Ge)=0 » JR1,...5p dove le g(x) e le h(x) sono al solito funzioni scalari di argomento vettoriale. Prima di intraprendere la discussione sulle condizioni necessarie di ottimalita’ per tale problema, premettiamo le seguenti definizioni.- Definizione (Vinéolo Attivo). Un vincolo di diseguaglianza h,(x)=0 e’ detto essere attivo in un punto X della regione di annissibilita’ se risulta h,(x)=0. Se, viceversa, risulta h,Go= h(x") <0 Si riescono a fissaréWuguali a zero alcune conponenti di pe si convertono alcune disequazioni.di h(x")sO in equazioni in modo tale da ridurre il probleima in uh sistema di ntm+q equazioni (Osqsp) in altrettante incognite, cosi’ come mostrato nel seguente esempio. Esempto Si consideri 11 seguente problema 2 min 2x, 42x, x +42-10x, ~10%, ae gy TO TOM Stra le equazion! che devono essere soddisfatte, si deve owviamente considerare quella dei vincoli di eguaglianza. 202, 2 aie 2s5 12 Ke x 56. res Risulta ee [apmpio mya] ey 2. 34 © le condiziont t+ Kuhn © Tucker forntsconl! 11 4x, #2,-1062]1, x, +34 1° 1OPPH #0 - #2 1OWZHL x +f, = Bete OW, HHO 2, 2. HOt 3-8) (4,4 x-6)=0 Le ultime due relaztont forhiscono 2, 22 Hogs 12-6020 Hy (2x,% x,-6)=0 Le possibilta’ di avere tall equazionl soddisfatte sono: 4) H,=0, U,x0 (nessun vincolo attivo! D) H,>0, H,=0 (sole 11 prime vineolo ative); ) H,>0, H,=0 (sole 11 prime vincole attivo) ©) H,=0, 30 (sole 11 secondo vincolo ative); 4) H.20, 1,20 (entranbe 4 vincoll gone attivi): Esaminlamo ora alcune possibiita’ ease a) In tale caso 11 sistema da risolvere e’ 11 seguente Ax 2 172,100 42x, -10= 2, #21020 21 seguenté sistema° F, Garofalo, Appunti di Complesenti di Controtli (bozze) 0] che forntsce come soluzione Tale soluztone, pero’ non. 5, soddisfa 11 primo vincolo ed e quind! da scartare. ease b) In questo caso 11 sistema da esaninare e! 92,1092, 20 nt ONDE x 20 Pete gr 1O¥H 2, 2 Hogs xo-8)=0 rs che, risolte, fornisce piste + Tale punto soddtsta 11 B secondo vineolo © quindl anche le condiztont necessarie 1 Khim ¢ Tucker. Analtzziano ce tale pinto, soddisfa anche le condiztont surficlenti. Risulte 3 2] Weer yen oe) = 2 4 chee" definita positiva ovunque, e quindi anche sul plano tangente. Se ne conclude che $1 punto trovato e! effettivanente la soluzione | del nostro problema. 22