Anno accademico
|
|
- Giacinto Tedesco
- 5 anni fa
- Visualizzazioni
Transcript
1 RICHIAMI PER IL CORSO DI ANALISI NUMERICA PROF R MORANDI Anno accademico
2 RICHIAMI: PRECISIONE FINITA (USO DEL CALCOLATORE) IN UN CALCOLATORE UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTA- TA COME UNA SEQUENZA FINITA DI NUMERI DELLA BASE IN CUI LAVORA IL CALCOLATORE ANCHE NELL EVENTUALITÀ IN CUI SIANO NECESSARIE INFI- NITE CIFRE (ESEMPIO: BASE DECIMALE NUMERI PERIODICI) QUESTO PUÒ COMPORTARE ERRORI DI RAPPRESENTAZIONE ED ERRORI NELLE OPERAZIONI ESEMPI CON MATLAB: file es2 errori CALCOLO DI UNA SUCCESSIONE DI VALORI DATA DALLA REGO- LA v(1) = 1/r, v(i) = (1 + r) v(i 1) 1, i = 2,, n file es1 errori CALCOLO DEL POLINOMIO (X 1) 6 2 x
3 RICHIAMI: CONDIZIONAMENTO/STABILITÀ PROBLEMA SOLUZIONE SI CONSIDERI IL SISTEMA LINEARE { x1 x 2 = 1 x 1 11x 2 = LA SOLUZIONE È [ 11 1 ] CONSIDERIAMO IL NUOVO SISTEMA { x1 x 2 = 1 LA SOLUZIONE x x 2 = È [ ] UN CAMBIAMENTO DI 2 = IN UN ELEMENTO DELLA MATRICE HA PROVOCATO UN CAMBIAMENTO DI 2 = NELLE COMPONENTI DELLA SOLUZIONE ( ORDINE DI GRANDEZZA ) CAMBIAMENTO RISULTATI ( ) 15 ORDINE DI GRANDEZZA 5 = 11 1 CAMBIAMENTO DATI 3
4 ESEMPIO DI STABILITÀ E NON DI UN ALGORITMO PROBLEMA ALGORITMO SOLUZIONE STUDIAMO LA PROPAGAZIONE DEGLI ERRORI DOVUTI ALLE OPERAZIONI EF- FETTUATE NEL CORSO DELL ALGORITMO UN ALGORITMO SI DICE STABILE SE L INFLUSSO DEGLI ERRORI RI- MANE LIMITATO L ALGORITMO A È PIÙ STABILE DELL ALGORITMO B SE L INFLUEN- ZA DEGLI ERRORI È MINORE ESEMPIO e x = 1 + x + x2 2! + x3 3! + x4 4! + SI VUOLE STIMARE e 13 METODO 1: e 13 = ! ! ! NB LA SOTTRAZIONE È PERICOLOSA METODO 2: e 13 = = 1/( ) e 2! n M 1 M
5 RICHIAMI: NORME DI VETTORI E DI MATRICI IL CONCETTO DI NORMA È UNA GENERALIZZAZIONE DEL CONCETTO DI LUNGHEZ- ZA DI UN VETTORE x R n O DI UNA MATRICE A R n n ESEMPI DI NORME VETTORIALI x 2 = x 2 i = x T x NORMA 2 x 1 = x i NORMA 1 x = max,,n x i NORMA ESEMPI DI NORME MATRICIALI A 2 = max i(a T A),,n NORMA 2 A 1 = max j=1,,n A = max AUTOVALORI DI A T A a ij NORMA 1,,n j=1 a ij NORMA RICHIAMI: PROPRIETÀ DI NORME MATRICIALI INDOTTE AD OGNI NOR- MA VETTORIALE È POSSIBILE ASSOCIARE UNA CORRISPONDENTE NORMA MATRICIALE 2, 1 E SONO NORME MATRICIALI INDOTTE DALLE CORRISPONDENTI NORME VETTORIALI ED HANNO LE PROPRIETÀ Ax A x A R n n, x R n I = 1 I R n matrice identità ρ(a) A con ρ(a) = max λ i A,,n 5
6 RICHIAMI: CONDIZIONAMENTO DI A (nella risoluzione di Ax = b) SIA A R n n, b R n ; Ax = b ; det(a) A 1 COME SI RIPERCUOTONO SUI RISULTATI LE VARIAZIONI SUI DATI? SIA δa LA PERTURBAZIONE SU A E δb LA PERTURBAZIONE SU b IL CONDIZION- AMENTO DELLA MATRICE A È LEGATO ALLA MATRICE STESSA NELLA FORMA DOVE K(A) = A A 1 δx x K(A)( δa A + δb b ) δx x È LA VARIAZIONE SUI RISULTATI E δa A, COSTITUISCONO LA VARIAZIONE SUI DATI NELL ESEMPIO K(A) = = δb b 6
7 RICHIAMI: METODI DIRETTI - METODO DI GAUSS SIA DATO IL SISTEMA Ax = b SI OTTIENE LA SUA SOLUZIONE UTILIZZANDO IL METODO DI GAUSS (O DI ELIMINAZIONE) RIDUCENDO LA MATRICE A AD UNA MATRICE TRIANGOLARE SUPERIORE U E OVVIAMENTE MODIFICANDO IN MODO ANALOGO IL VETTORE TERMINI NOTI b L ALGORITMO DI GAUSS SI BASA SULLA FORMULA a ij = a ij m ik a kj, m ik = a ik /a kk AL PASSO k-esimo LA FORMA DELLA MATRICE È A (k) = a (k) kk INVARIATO k k + 1 k k + 1 TEOREMA SIA A R n n TALE CHE det(a k ), k = 1,, n 1 (A k MINORE PRIN- CIPALE DI ORDINE k) ALLORA IL METODO DI GAUSS È APPLICABILE ED ESISTE UNICA LA FATTOR- IZZAZIONE A = LU CON L TRIANGOLARE INFERIORE, l ii = 1 i E U TRIANGOLARE SUPERI- ORE 7
8 GAUSS IN PRECISIONE FINITA: STRATEGIA DEL MASSIMO PIVOT IL METODO DI GAUSS È INSTABILE UNA STRATEGIA CHE CONSENTE DI CONTENERE GLI ERRORI È EVITARE LA SCELTA DI UN DIVISORE PICCOLO NELLA COSTRUZIONE DEI MOLTIPLICA- TORI AL PASSO k-esimo SI SCAMBIA LA RIGA k-esima CON LA RIGA i-esima (i k) TALE CHE a (k) ik = max j=k,,n a(k) jk TALE TECNICA SI CHIAMA PIVOTING PARZIALE (Non richiede il riordinamento delle incognite) UNA VARIANTE CONSISTE NELLO SCAMBIO OPPORTUNO DI RIGHE E COLONNE CIOÈ AL PASSO k-esimo SI SCAMBIA LA RIGA k-esima CON LA RIGA i-esima (i k) E LA COLONNA k-esima CON LA COLONNA j-esima (j k) TALE CHE a (k) ij = max j,t=k,,n a(k) j,t TALE TECNICA SI CHIAMA PIVOTING TOTALE (Richiede il riordinamento delle incognite) ESEMPIO CON MATLAB file es gauss 8
9 RICHIAMI: APPROSSIMAZIONE QUESTO PROBLEMA SI PONE QUANDO CONOSCIAMO UNA GRANDEZZA SOLO ATTRAVERSO UN INSIEME DISCRETO DEI SUOI VALORI LA COSTRUZIONE DI UNA FUNZIONE A PARTIRE DA UNA TABELLA DI DATI VIENE AFFRONTATA SECONDA DUE APPROCCI DATI AFFETTI DA UN SENSIBILE ERRORE I DATI VENGONO APPROSSIMATI NEL LORO INSIEME MIGLIORE APPROSSIMAZIONE DATI ESATTI SI CERCA UNA FUNZIONE CHE PASSA PER I PUNTI INTERPOLAZIONE ESEMPIO MATLAB file appr
10 RICHIAMI: MIGLIORE APPROSSIMAZIONE DATI (x i, f i ), i = 1,, n AFFETTI DA ERRORE SI CERCA UNA FUNZIONE APPROSSIMANTE CHE SI ADATTI ALL ANDAMENTO DEI DATI PER DETERMINARE IL POLINOMIO DI GRADO m n CHE MEGLIO APPROSSI- MA I DATI SI DETERMINA IL POLINOMIO CHE MINIMIZZA LA DISTANZA DELL APPROSSIMANTE DAI DATI: SI LAVORA SUL VETTORE ERRORE DI COMPONENTI E CON LA NORMA 2 LA CUI COMPONENTE i-esima È E i = f i (a + a 1 x i + a 2 x 2 i + + a m x m i ), i = 1,, n QUINDI DOBBIAMO TROVARE min a,a 1,,a m (f i a a 1 x i a 2 x 2 i a m x m i ) 2 SI OTTIENE UN SISTEMA LINEARE DEL TIPO (caso m = 1) a + a 1 x i = f i a x i + a 1 x 2 i = f i x i na + a 1 a x i = x i + a 1 x 2 i = f i f i x i 1
11 RICHIAMI: INTERPOLAZIONE POLINOMIALE DATI I PUNTI (x i, f i ), i = 1,, n NON AFFETTI DA ERRORE SI CERCA UN POLINOMIO DI GRADO MASSIMO n TALE CHE P n (x) = α j x j j= P n (x i ) = α j x j i = f i, i =,, n j= SI OTTIENE UN SISTEMA LINEARE α + α 1 x + α 2 x α nx n = f α + α 1 x 1 + α 2 x α nx n 1 = f 1 α + α 1 x n + α 2 x 2 n + + α n x n n = f n IL PROBLEMA CONSISTE QUINDI NEL RISOLVERE UN SISTEMA LINEARE NELLE INCOGNITE α, α 1,, α n CHE AMMETTE UN UNICA SOLUZIONE SOLO SE x i, i =,, n SONO PUNTI DISTINTI 11
12 RICHIAMI: INTERPOLAZIONE POLINOMIALE ALTRE FORMULAZIONI DEL POLINOMIO INTERPOLANTE: FORMULAZIONE DI LAGRANGE DEL POLINOMIO INTERPOLANTE: P n (x) = l j (x)f j j= FORMULAZIONE DI NEWTON DEL POLINOMIO INTERPOLANTE: P n (x) = A j ω j (x) j= A j DIFFERENZA DIVISA DI ORDINE j ω j (x) = (x x )(x x 1 ) (x x j 1 ) j > ω (x) def = 1 NB P n+1 (x) = P n (x) + (x x )(x x 1 ) (x x n )f[x, x 1,, x n, x n+1 ] POSSIAMO AGGIUNGERE PUNTI E SFRUTTARE I CONTI GIÀ FATTI 12
13 ESEMPIO FUNZIONE DI RUNGE QUANDO IL NUMERO DEI PUNTI DI INTERPOLAZIONE AUMENTA L ERRORE DIMINUISCE? CONSIDERIAMO UN ESEMPIO CLASSICO: LA FUNZIONE f(x) = x 2 COSTRUENDO IL POLINOMIO INTERPOLANTE SU 1 E SU 15 PUNTI EQUIDISTAN- TI IN [ 1, 1] OTTENIAMO IL COMPORTAMENTO DELL INTERPOLANTE PEGGIORA ALL AUMENTARE DEL SUO GRADO 13
14 FUNZIONI POLINOMIALI A TRATTI SI PENSA ALLORA DI MANTENERE BASSO IL GRADO ED EVENTUALMENTE DI- VIDERE L INTERVALLO DI INTERPOLAZIONE IN SOTTOINTERVALLI AD ESEM- PIO CON UNA LINEARE A TRATTI - POLINOMIO DI GRADO 12 - POLINOMIALE A TRATTI LIN- EARE METODO NON SEMPRE ADATTO A CAUSA DEI PUNTI ANGOLOSI USO DELLE FUNZIONI SPLINES CHE GARANTISCONO UNA MAGGIOR REGOLARITÀ NELL INTERO INTERVALLO 14
15 ESEMPIO MATLAB file grafico ED USO DI TOOLS/BASIC FITTING Cubic spline interpolant y = 2e 17*x + 26 y = 52*x 2 86e 17*x + 66 data 1 spline linear quadratic
RICHIAMI PER IL CORSO DI ANALISI NUMERICA
RICHIAMI PER IL CORSO DI ANALISI NUMERICA Anno accademico 211 212 1 RICHIAMI: PRECISIONE FINITA (USO DI UN COMPUTER) IN UN COMPUTER UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTATA COME UNA SEQUENZA FINITA
Dettaglin +1 determinanti (D i, i =1,...,n e det A) n! prodotti per ciascun determinante n 1 moltiplicazioni per ciascun prodotto
METODI NUMERICI (A.A. 2007-2008) Prof. F.Pitolli Appunti delle lezioni sui sistemi lineari: metodi diretti; condizionamento Metodi diretti per la soluzione di sistemi lineari Metodi diretti Sono basati
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
Dettagli+ Analisi Numerica (1 modulo) Docente: M.Gaviano; domande di ripasso a.a
+ Analisi Numerica ( modulo) Docente: M.Gaviano; domande di ripasso a.a. - Idee di base e richiami. Quale è lo scopo dell Analisi numerica. Attraverso quali fasi si passa nel risolvere un problema reale..
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
Dettagli1 Risoluzione di sistemi lineari
Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 2 3 con pivoting
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 Introduzione algebrica
Dettagli1. Calcolo dell indice di condizionamento di una matrice
1 Esercizi sul condizionamento con matlab laboratorio di Calcolo Scientifico per Geofisici Prof. A. Murli a.a. 2006/07 1. Calcolo dell indice di condizionamento di una matrice Determinare una function
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi November 23, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliA.A Prof. R. Morandi
Svolgimento di alcuni esercizi del corso di Calcolo Numerico A.A. - Prof. R. Morandi Versione in aggiornamento ( gennaio ): ogni segnalazione di imprecisioni è gradita Aritmetica Finita Esercizio : Assegnati
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 205-206 Laboratorio 9 Metodo di Eliminazione Gaussiana per sistemi lineari Siano A R n n una matrice quadrata non singolare (det(a) 0) e b R n un vettore
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari a 00 x 0 + a 01 x 1 + a 02 x 2 = b 0 a 10 x 0 + a 11 x 1 + a 12 x 2 = b 1 a 20 x 0 + a 21 x 1 + a 22 x 2 = b 2 Per N equazioni N 1 j=0 a ij x j = b i i = 0, N 1 sono equivalenti
Dettaglib vettore(termine noto) y* proiezione ortogonale di b
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2018-2019) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi December 4, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
DettagliMetodi diretti: eliminazione gaussiana
Calcolo numerico 08/09 p. 1/1 SISTEMI LINEARI Metodi diretti: eliminazione gaussiana Calcolo numerico 08/09 p. 2/1 Sistemi lineari Ax = b, A R n n, b R n b INPUT x OUTPUT A relazione funzionale non ambigua
DettagliSistemi di equazioni lineari. la soluzione è unica se det(a) 0 e vale
Sistemi di equazioni lineari a 00 x 0 + a 01 x 1 + a 02 x 2 = b 0 a 10 x 0 + a 11 x 1 + a 12 x 2 = b 1 a 20 x 0 + a 21 x 1 + a 22 x 2 = b 2 Per N equazioni N 1 j=0 a ij x j = b i i = 0, N 1 la soluzione
DettagliEsercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =
Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice
DettagliCorso di Matematica per la Chimica
Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis Dipartimento di Matematica, Informatica e Economia Università della Basilicata a.a. 2014-15 Propagazione degli errori introdotti nei dati
DettagliSpazi lineari. Felice Iavernaro. Dipartimento di Matematica Università di Bari. 17 Dicembre 2009
Spazi lineari Felice Iavernaro Dipartimento di Matematica Università di Bari 17 Dicembre 2009 Felice Iavernaro (Univ. Bari) Spazi lineari 17-12-2009 1 / 32 Definizione di spazio vettoriale reale Definizione
DettagliUniversita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni
Universita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni ANALISI NUMERICA - Primo Parziale - TEMA A (Prof. A.M.Perdon)
DettagliCompito numero 2 - Compito intero
Esercitazione 6 - Correzione esame dell 8//3 Lucia Pilleri 9//3 Compito numero - Compito intero Esercizio del parziale - del compito intero Risolvere, mediante la fattorizzazione P A = LU, il sistema lineare
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 31 agosto 2011 Testo e soluzioni
Esame di Calcolo Numerico per Informatica A.A. 21/11 Proff. S. De Marchi e M. R. Russo 31 agosto 211 Testo e soluzioni L esame consiste di 4 domande aperte e 1 esercizi a risposta multipla. Per gli esercizi
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
DettagliCorso di Calcolo Scientifico
I Modulo del corso integrato di Calcolo Dott.ssa Maria Carmela De Bonis a.a. 2012-13 Approssimazione di Funzioni In molti problemi matematici emerge l esigenza di dover approssimare una funzione f C k
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
Dettagli4. Algoritmi per la soluzione di sistemi lineari.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 4. Algoritmi per la soluzione di sistemi lineari. 1 Sistemi triangolari inferiori Sia L triangolare inferiore.
DettagliLezione 3 Interpolazione Polinomiale.
Lezione 3 Interpolazione Polinomiale http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Scopi dell interpolazione Dati i valori y i di una grandezza Y in corrispondenza
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
DettagliEsercitazione 7: Aggiornamento minimi quadrati.
Esercitazione 7: Aggiornamento minimi quadrati. Esercizio 1 Per calcolare il piano di equazione p(x) = a+b xc y che minimizza gli scarti quadratici relativi alle misure (x i, y i, z i ) è necessario risolvere
DettagliLABORATORIO DI PROGRAMMAZIONE E CALCOLO Docente E. Carlini A.A. 2012/13 Foglio di esercizi N.8 con la collaborazione di Andrea Pugliese
LABORATORIO DI PROGRAMMAZIONE E CALCOLO Docente E. Carlini A.A. / Foglio di esercizi N.8 con la collaborazione di Andrea Pugliese Dovete strutturare i programmi dei seguenti esercizi in funzioni ) (Metodo
DettagliUn sistema lineare si rappresenta in generale come
SISTEMI LINEARI Un sistema lineare si rappresenta in generale come n j=1 a ij x j = b i i = 1, 2,..., m o anche AX = B. La soluzione esiste se e solo se B appartiene allo spazio lineare generato dalle
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 3 - PROBLEMI DI INTERPOLAZIONE Introduzione Problemi di interpolazione Supponiamo di avere un insieme di dati che rappresentano misurazioni
DettagliInterpolazione polinomiale. Interpolazione polinomiale
1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore
DettagliIl problema lineare dei minimi quadrati
Il problema lineare dei minimi quadrati APPLICAZIONE: Il polinomio di migliore approssimazione nel senso dei minimi quadrati Felice Iavernaro Dipartimento di Matematica Università di Bari 15 Gennaio 2009
DettagliRaccolta di Esercizi d esame ( di Calcolo Numerico) Prof. Laura Pezza. Equazioni non lineari
Raccolta di Esercizi d esame ( di Calcolo Numerico) Prof. Laura Pezza Equazioni non lineari ESERCIZIO 1 Data l equazione ln(e + x) = 1 (1 + 4x) + 1 2 1.1 verificare analiticamente se sono soddisfatte le
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliUniversità Politecnica delle Marche - Facoltà di Ingegneria Ing. Informatica e Automatica - Ing. Logistica e Produzione
ANALISI NUMERICA - Primo Parziale - TEMA A PARTE I. Si chiede allo studente di trattare i seguenti argomenti nel modo più completo possibile. 1. Propagazione degli errori nel caso di operazioni elementari
DettagliRaccolta di compiti degli appelli precedenti
Ingegneria Informatica e delle Telecomunicazioni Anno accademico 24-25. Docente Costanza Conti Raccolta di compiti degli appelli precedenti Nota: Gli esercizi riportati si riferiscono a compiti dei precendeti
DettagliSISTEMI LINEARI QUADRATI
SISTEMI LINEARI QUADRATI Dipartimento di Sc Matematiche ed Informatiche, Università di Siena LABORATORIO di CALCOLO NUMERICO aa 27 28 SISTEMI LINEARI QUADRATI p1/47 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 0-0 Laboratorio 9 Autovalori, raggio spettrale e norme di matrici Sia A una matrice quadrata di ordine n a valori reali o complessi, il numero λ C si dice
DettagliFacoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A
Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A. 4-5 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 9//4 ) Determinare la rappresentazione in base di.
DettagliRaccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia
Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia Nota Bene: Gli esercizi di questa raccolta sono solo degli esempi. Non sono stati svolti né verificati e servono unicamente da spunto
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 19 settembre 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 19 settembre 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliCorso di Geometria e Algebra Lineare
Prof. C. Vergara, Dott.ssa N. Franchina, Dr. A. Colombo Corso di Geometria e Algebra Lineare Laboratorio 3: sistemi lineari 25 29 Maggio 2015 Metodi diretti per sistemi lineari Si consideri il seguente
DettagliSistemi lineari. Lucia Gastaldi. 11 novembre Dipartimento di Matematica,
Sistemi lineari Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 11 novembre 2007 Outline 1 Come risolvere un sistema lineare con MATLAB Il comando per risolvere i sistemi lineari
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Sistemi Lineari I sistemi lineari forniscono il modello matematico
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11: testo soluzioni Proff. S. De Marchi e M. R. Russo 12 luglio 2011
Esame di Calcolo Numerico per Informatica A.A. 200/: testo soluzioni Proff. S. De Marchi e M. R. Russo 2 luglio 20 L esame consiste di 4 domande aperte e 0 esercizi a risposta multipla. Per gli esercizi
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 20-206 Laboratorio 8. (punteggio 3/3/) Si consideri la funzione f(x) = sin(e x/2 ).. Si approssimi la radice α di f nell intervallo [0, 3.] utilizzando
DettagliTrasformazione elementari di Givens
Trasformazione elementari di Givens dove Osservazione Esprime una rotazione di ampiezza ϕ Esempio (n=2) Osservazione Rotazione nel senso positivo degli archi In generale Il prodotto matrice vettore equivale
DettagliInterpolazione polinomiale. Interpolazione polinomiale
1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto 1 Polinomiale Rappresentazione Lagrangiana
DettagliProva di recupero sui capitoli 4 6
Prova di recupero sui capitoli 4 6 Esercizio 1 Calcolare la forma di Lagrange e quella di Newton, del polinomio interpolante le coppie di dati (ascissa,ordinata): ( 0.5, 1), (0, 2), (0.5, 2), (1, 0), (2,
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 206-207 Laboratorio Autovalori, raggio spettrale e norme di matrici Sia A una matrice quadrata di ordine n a valori reali o complessi, il numero λ C si
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
DettagliCorso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame
1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione
DettagliCenni sui metodi iterativi per sistemi lineari. Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015
Cenni sui metodi iterativi per sistemi lineari Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015 Metodi numerici per sistemi lineari Nei metodi diretti la presenza di eventuali elementi nulli nella
Dettagli1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso
Domanda 1 1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso x n+1 = x n f(x n), n = 0, 1, 2,... K dove x 0 è il punto iniziale, f(x) = x 3 cos(x) e K è una costante assegnata.
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2015-2016) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Sistemi Lineari I sistemi lineari forniscono il modello matematico
DettagliSistemi sovradeterminati. b vettore(termine noto) V n. y* proiezione ortogonale di b. Carla Guerrini 1
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m si vuole trovare una soluzione del sistema sovradeterminato Ax = b. Nel caso in cui la matric A abbia rango pieno, cioé
DettagliApprossimazione di dati e funzioni
Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 2016-2017 Laboratorio 6 - Minimi quadrati e spline APPROSSIMAZIONE DI FUNZIONI O DI DATI Consideriamo il problema di valutare una funzione nota soltanto
DettagliINTERPOLAZIONE. Introduzione
Introduzione INTERPOLAZIONE Quando ci si propone di indagare sperimentalmente la legge di un fenomeno, nel quale intervengono due grandezze x, y simultaneamente variabili, e una dipendente dall altra,
DettagliCALCOLO NUMERICO INSEGNAMENTO 2015/2016 ANNO ACCADEMICO INFORMATICA, Laurea Triennale CORSO DI LAUREA IN ALESSANDRO PUGLIESE DOCENTE SECONDO
CALCOLO NUMERICO INSEGNAMENTO 215/216 ANNO ACCADEMICO INFORMATICA, Laurea Triennale CORSO DI LAUREA IN ALESSANDRO PUGLIESE DOCENTE SECONDO PRIMO ANNO DI CORSO SEMESTRE 4 N CREDITI LEZIONI FRONTALI: N ORE
DettagliComplementi di Matematica e Calcolo Numerico C.L. Chimica Industriale A.A
Complementi di Matematica e Calcolo Numerico C.L. Chimica Industriale A.A. 208-209 Laboratorio 4-4 aprile 209 Metodo delle sostituzioni in avanti per sistemi lineari con matrice triangolare inferiore Siano
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliMetodi Diretti per la Risoluzione di Sistemi Lineari
Metodi Diretti per la Risoluzione di Sistemi Lineari Luca Gemignani luca.gemignani@unipi.it 20 marzo 2018 Indice Lezione 1: Sistemi Triangolari. 1 Lezione 2: Matrici Elementari di Gauss ed il Metodo di
DettagliFacoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A
Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A. 5-6 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 5//5 ) Dato un triangolo, siano a, b le lunghezze di
DettagliCorso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli. Esercizi di riepilogo - LABORATORIO
Cognome: Nome: 1 Matricola: Corso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli Esercizi di riepilogo - LABORATORIO Creare una directory nominata cognome nome dove cognome
DettagliTracce di calcolo numerico 1
Tracce di calcolo numerico 1 Prof. Marco Vianello - Dipartimento di Matematica, Università di Padova aggiornamento: 03 dicembre 2016 5 Elementi di algebra lineare numerica 5.1 Condizionamento di matrici
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto termine
DettagliAltre trasformazioni elementari
Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliInterpolazione composita di Lagrange
Interpolazione composita di Lagrange Dividiamo l itervallo [a, b] in N sottointervalli I j = [x j 1, x j ], j = 1,..., N. Sia h j = x j x j 1 e h = max 1 j N h j. Su ciascun intervallo I j usiamo interpolazione
DettagliSistemi lineari: metodi diretti II
Sistemi lineari: metodi diretti II Ana Alonso Dipartimento di Matematica - Università di Trento 8 ottobre 2015 Metodo di eliminazione di Gauss (senza pivotazione) U matrice triangolare superiore. for k
Dettagli1 Spazi vettoriali. Sottospazi.
CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v
Dettaglix i f(x i ) Soluzione: Primo metodo : interpolazione polinomiale, approccio di Newton ; Tavola delle differenze divise :
ESERCIZIO 1 Si forniscano due approssimazioni polinomiali (ottenute con due metodi diversi) della funzione f(x) definita per punti dalla seguente tabella x i -0.5 1 1.5 f(x i ) 0 1 1.5 Primo metodo : interpolazione
DettagliMinimi quadrati. Ángeles Martínez Calomardo e Alvise Sommariva. 4 dicembre Università degli Studi di Padova
Minimi quadrati Ángeles Martínez Calomardo e Alvise Sommariva Università degli Studi di Padova 4 dicembre 2012 Ángeles Martínez Calomardo e Alvise Sommariva Minimi quadrati 1/ 11 Approssimazione ai minimi
DettagliAppunti di Calcolo Numerico. Capitolo 3
Appunti di Calcolo Numerico Capitolo 3 Interpolazione Maurizio Ciampa Dipartimento di Matematica - Università di Pisa Gli esercizi contrassegnati dal simbolo sono leggermente più astratti rispetto agli
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto termine
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
DettagliSISTEMI LINEARI. Metodi diretti. Calcolo numerico 07/08 p. 1/1
SISTEMI LINEARI Metodi diretti Calcolo numerico 07/08 p. 1/1 Sistemi lineari Ax = b, A R n n, b R n b INPUT x OUTPUT A relazione funzionale non ambigua det(a) 0 ( un unica soluzione) (Esercizio 1) Se det
DettagliEsercitazione 4: Vettori e Matrici
Esercitazione 4: Vettori e Matrici Richiami di teoria: Norme di vettore Principali norme di vettore:. x = n i= x i 2. x 2 = n i= x i 2 3. x = max i n x i Ad esempio dato il vettore x = (, 2, 3, 4) abbiamo.
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Metodi Iterativi la soluzione si ottiene tramite approssimazioni
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Approssimazione di dati e funzioni Approssimazione ai minimi quadrati Docente Vittoria Bruni Email:
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliLuogo: Ca' Vignal 1 [Strada Le Grazie, Verona] - E [ Stanza: 92 - Piano: T ]
Elenco delle lezioni Luogo: Ca' Vignal 1 [Strada Le Grazie, 15-37134 Verona] - E [ Stanza: 92 - Piano: T ] Data: 15-03-2017 Ora di inizio: 08:30 Ora di fine: 08:30 Introduzione generale. Zeri di funzione.
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliCORSO DI LAUREA IN INFORMATICA CALCOLO NUMERICO Secondo esonero - 07 Giugno x y =2.
ORSO DI LAUREA IN INFORMATIA ALOLO NUMERIO Secondo esonero - 7 Giugno - Traccia. [Punti:.a: ;.b: ;.c:] Sia dato il sistema x + y + z =, x y =. (.a) Determinarne l insieme delle soluzioni. (.b) Indicare
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica. Prof.ssa Laura Pezza (A.A.
Calcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica Prof.ssa Laura Pezza (A.A. 2018-2019) VIII Lezione del 14.03.2019 http://www.dmmm.uniroma1.it/ laura.pezza
Dettagli