Interpolazione polinomiale
|
|
- Giulietta Graziani
- 5 anni fa
- Visualizzazioni
Transcript
1 Interpolazione polinomiale Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 27 marzo 2019 Alvise Sommariva Interpolazione polinomiale 1/ 36
2 Interpolazione polinomiale Problema. (Interpolazione polinomiale) Siano dati n + 1 punti x 0,..., x n a due a due distinti e i valori y 0,..., y n (assunti ad esempio da una funzione y = f (x)). Il problema dell interpolazione polinomiale (cf. [1, p.131], [6, p.289]) consiste nel calcolare il polinomio p n di grado n tale che p n(x i ) = y i, i = 0,..., n. (1) Esempio. Dati 2 punti distinti x 0, x 1 e i valori y 0, y 1, determinare il polinomio p 1 di grado 1 tale che p 1(x 0) = y 0, p 1(x 1) = y 1 (2) ovvero la retta che passa per le coppie (x 0, y 0), (x 1, y 1). In questa sezione mostreremo che questo polinomio interpolatore p n esiste ed è unico e come calcolarlo. Di seguito denoteremo con P n l insieme dei polinomi il cui grado è al più n. Alvise Sommariva Interpolazione polinomiale 2/ 36
3 Esistenza e unicità del polinomio interpolatore 7 6 f(x)=exp(x).*sin(x)+cos(x) polinomio cubico interpolatore punti interpolazione Figura: Esempio di interpolazione della funzione f (x) = exp(x) sin(x) + cos(x) mediante un polinomio di grado 3 in 4 punti equispaziati di [0, π]. Alvise Sommariva Interpolazione polinomiale 3/ 36
4 Esistenza e unicità del polinomio interpolatore Teorema (Unicità del polinomio interpolatore) Dati n + 1 punti distinti x 0, x 1,..., x n e i valori y 0, y 1,..., y n m il polinomio p n di grado al più n tale che è al più unico. p n (x i ) = y i, i = 0,..., n. Dimostrazione. La dimostrazione procede per assurdo. Supponiamo che esistano due polinomi distinti p n e q n di grado al più n tali che Allora p n (x i ) = y i, q n (x i ) = y i, i = 0,..., n. (p n q n )(x i ) = 0, i = 0,..., n. e quindi (p n q n )(x) = n k=0 (x x k) è un polinomio di grado n + 1, il che è assurdo, visto che la differenza di due polinomi di grado n è un polinomio di grado n. Alvise Sommariva Interpolazione polinomiale 4/ 36
5 Esistenza e unicità del polinomio interpolatore Per studiare l esistenza del polinomio interpolatore, Lagrange (cf. [9]) osservò che il polinomio di grado n L k (x) := n j=0,j k x x j x k x j = (x x 0)... (x x k 1 )(x x k+1 )... (x x n ) (x k x 0 )... (x k x k 1 )(x k x k+1 )... (x k x n ) (3) è tale che L k (x j ) = δ kj dove δ kj è l operatore di Kronecker, il cui valore è 1 se k = j e 0 altrimenti. Teorema (Unicità del polinomio interpolatore) Dati n + 1 punti distinti x 0, x 1,..., x n e i valori y 0, y 1,..., y n, il polinomio di grado al più n n p n (x) = y k L k (x). (4) è tale che k=0 p n (x i ) = y i, i = 0,..., n. Alvise Sommariva Interpolazione polinomiale 5/ 36
6 Esistenza e unicità del polinomio interpolatore Dimostrazione. Poichè L k è un polinomio di grado al più n, lo è certamente lo stesso moltiplicato per lo scalare y k e la somma di polinomi di grado al più n. Quindi sicuramente p n P n. Inoltre p n interpola i dati visto che p n (x j ) = n y k L k (x j ) = k=0 n y k δ k,j = y j, j = 0,..., n. (5) k=0 Quindi p n è un polinomio interpolatore. Alvise Sommariva Interpolazione polinomiale 6/ 36
7 Esistenza e unicità del polinomio interpolatore Nota. 1 Il teorema precedente è costruttivo, non solo permette di stabilire l esistenza del polinomio interpolatore, ma ne evidenzia un metodo di calcolo. 2 Si osservi inoltre come ogni termine della sommatoria p n (x) = n k=0 y kl k (x) separa (in qualche senso) il contributo delle ordinate y k da quello dei polinomi di Lagrange L k essenzialmente dipendenti dai punti {x j } j=0,...,n (si rifletta bene su questa affermazione). 3 Esistono altre dimostrazioni dell esistenza e unicità del polinomio interpolatore. Ad esempio, ciò è equivalente a mostrare che il sistema lineare Va = y dove V = (v i,j ) = (x j i ), 0 i, j n è detta matrice di Vandermonde [13] dei nodi di interpolazione, a = (a 0,..., a n ) T, y = (y 0,..., y n ) T, ha una e una sola soluzione, ovvero che il det(v ) 0. Alvise Sommariva Interpolazione polinomiale 7/ 36
8 Esistenza e unicità del polinomio interpolatore Figura: I polinomi di Lagrange L 0, L 1, L 2 relativi ai punti x 0 = 2, x 1 = 1, x 2 = 3. Alvise Sommariva Interpolazione polinomiale 8/ 36
9 Esistenza e unicità del polinomio interpolatore Esempio. Calcolare il polinomio di grado 2 che assume nei nodi x 0 = 2, x 1 = 1, x 2 = 3 rispettivamente i valori f 0 = 2, f 1 = 11, f 2 = 17. Come si vede dalla definizione, L 0 (x) = L 1 (x) = L 2 (x) = (x x 1 )(x x 2 ) (x 1)(x 3) (x 1)(x 3) = = (x 0 x 1 )(x 0 x 2 ) ( 2 1)( 2 3) 15 (x x 0 )(x x 2 ) (x ( 2))(x 3) (x + 2)(x 3) = = (x 1 x 0 )(x 1 x 2 ) (1 ( 2))(1 3) 6 (x x 0 )(x x 1 ) (x ( 2))(x 1) (x + 2)(x 1) = = (x 2 x 0 )(x 2 x 1 ) (3 ( 2))(3 1) 10 I polinomi L 0, L 1, L 2 P 2 (e quindi tali le loro combinazioni lineari), e L 0 (x 0 ) = L 0 ( 2) = 1, L 0 (x 1 ) = L 0 (1) = 0, L 0 (x 2 ) = L 0 (3) = 0 L 1 (x 1 ) = L 1 (1) = 1, L 1 (x 0 ) = L 1 ( 2) = 0, L 1 (x 2 ) = L 1 (3) = 0 L 2 (x 2 ) = L 2 (3) = 1, L 2 (x 0 ) = L 2 ( 2) = 0, L 2 (x 1 ) = L 2 (1) = 0 Alvise Sommariva Interpolazione polinomiale 9/ 36
10 Esistenza e unicità del polinomio interpolatore Inoltre il polinomio interpolatore risulta p 2 (x) = 2 L 0 (x) + 11 L 1 (x) + 17 L 2 (x) è tale che p(x 0 ) = 2 L 0 (x 0 ) + 11 L 1 (x 0 ) + 17 L 2 (x 0 ) = = 2, p(x 1 ) = 2 L 0 (x 1 ) + 11 L 1 (x 1 ) + 17 L 2 (x 1 ) = = 11, p(x 2 ) = 2 L 0 (x 2 ) + 11 L 1 (x 2 ) + 17 L 2 (x 2 ) = = 17, e quindi è proprio il polinomio interpolante cercato. Alvise Sommariva Interpolazione polinomiale 10/ 36
11 Esistenza e unicità del polinomio interpolatore Nota. Dal punto di vista pratico, (4) ha alcuni problemi. Se dopo aver calcolato il polinomio p N interpolante in N + 1 punti (x 0, y 0 ),..., (x N, y N ) desideriamo ottenere il polinomio p N+1 interpolante in N + 2 punti (x 0, y 0 ),..., (x N, y N ), (x N+1, y N+1 ) la formula (4) è inefficiente poichè bisogna ricalcolare da capo tutti i polinomi di Lagrange. Fortunatamente, esistono altre maniere di esprimere il polinomio interpolatore, come quella di Newton (cf. [1, p.138], [6, p.294], [8], [10]), che non risentono di questo problema. Alvise Sommariva Interpolazione polinomiale 11/ 36
12 Errore di interpolazione Per quanto concerne l errore compiuto nell approssimare una funzione f con il polinomio p n tale che y k = f (x k ), k = 0,..., n vale il seguente teorema [4, p.70], Teorema (Errore di interpolazione, Cauchy (1840)) Sia f C n+1 ([a, b]) e si supponga che x 0,..., x n [a, b] siano a 2 a 2 distinti e che il polinomio p n sia tale che Allora p n (x k ) = f (x k ), k = 0,..., n. n E n [f ](x) := f (x) p n (x) = f (n+1) i=0 (ξ) (x x i) (n + 1)! dove ξ I con I il più piccolo intervallo aperto contenente x 0,..., x n. (6) Alvise Sommariva Interpolazione polinomiale 12/ 36
13 Interpolazione polinomiale Teorema (Rolle) Sia f una funzione continua definita in un intervallo chiuso [a, b], derivabile in ogni punto dell intervallo aperto (a, b), tale che f (a) = f (b). Allora esiste almeno un punto c (a, b) in cui f (c) = 0. Dimostrazione. (Errore di interpolazione, Cauchy (1840)) Se x = x i, per qualche i, l asserto è ovvio. Altrimenti, sia x x i, i = 0,..., n e poniamo per z [a, b] dove G(z) = E n [f ](z) w(z)q(x), (7) w(z) = n i=0 (z x i) è un polinomio di grado n + 1, Q(x) = E n [f ](x)/w(x). Si noti che in (7) la funzione Q viene valutata in x e non in z. Alvise Sommariva Interpolazione polinomiale 13/ 36
14 Interpolazione polinomiale Osserviamo che essendo G(z) = E n [f ](z) w(z)q(x), ove E n [f ](z) := f (z) p n (z), w(z) = n i=0 (z x i) è un polinomio di grado n + 1, Q(x) = E n [f ](x)/w(x). abbiamo G(x) =E n [f ](x) w(x)q(x) = E n [f ](x) w(x)(e n [f ](x)/w(x)) = 0, e che per k = 0,..., n Dato che G(x k ) = E n [f ](x k ) w(x k )Q(x) = 0 0 Q(x) = 0. f C n+1 ([a, b]), p n C ([a, b]), sicuramente E n [f ] C n+1 ([a, b]), w C ([a, b]), Q(x) è un numero (si osservi che Q non dipende da z), deduciamo che G C n+1 ([a, b]) e si annulla in n + 2 punti. Alvise Sommariva Interpolazione polinomiale 14/ 36
15 Interpolazione polinomiale Sia I(x, x 0,..., x n ) il più piccolo intervallo aperto contenente x, x 0,..., x n. Per il teorema di Rolle [12], visto che G si annulla in n + 2 punti, allora G (1) si annulla in n + 1 punti di I(x, x 0,..., x n ), G (2) si annulla in n punti di I(x, x 0,..., x n ), G (k) si annulla in n + 2 k punti di I(x, x 0,..., x n ), G (n+1) si annulla in 1 punto ξ di I(x, x 0,..., x n ). Alvise Sommariva Interpolazione polinomiale 15/ 36
16 Interpolazione polinomiale Indicata con D n f la derivata n-sima di f, abbiamo D n+1 p n 0 (p n ha grado n), D n+1 w 0 (w ha grado n), visto che Q(x) è costante (non dipende da z), G(z) = E n[f ](z) w(z)q(x), G (n+1) (z) = D n+1 E n[f ](z) Q(x)D n+1 w(z) = D n+1 (f (z) p n(z)) Q(x)D n+1 w(z) = f (n+1) (z) Q(x) (n + 1)! (8) Da Q(x) = E n[f ](x)/w(x) 0 = G (n+1) (ξ) = f (n+1) (ξ) Q(x) (n + 1)! = f (n+1) En[f ](x) (ξ) (n + 1)! w(x) per cui riarrangiando i termini E n[f ](x) = f (n+1) (ξ) w(x) n (n + 1)! = f (n+1) i=0 (ξ) (x x i). (n + 1)! Alvise Sommariva Interpolazione polinomiale 16/ 36
17 Interpolazione polinomiale Nota. Si osservi che è noto che esiste ξ ma non si sa dire in generale chi sia. Quindi non si può dire esattamente quanto sia l errore compiuto. Se è nota M = max s [a,b] f (n+1) (s) è comunque possibile stimare l errore compiuto da E n [f ](x) = f (n+1) (ξ) n i=0 (x x i) (n + 1)! M n i=0 (x x i). (n + 1)! Alvise Sommariva Interpolazione polinomiale 17/ 36
18 Interpolazione polinomiale Esempio. Sia f (x) = exp(x) sia p 4 il polinomio che la interpola nei punti equispaziati x i = 1 + 2i/4, i = 0,..., 4. Stimare l errore di interpolazione. Essendo f (k) (x) = exp(x), per k = 0, 1,... ed exp(x) una funzione crescente, abbiamo M = f (5) = max exp(x) = exp(1) x [ 1,1] Inoltre, come si può vedere dal grafico in figura, 4 i=0 x x i Visto che 5! = 120, abbiamo che se E n[f ] è il massimo errore compiuto in [ 1, 1] nell approssimare la funzione f con l interpolante p 4 nei nodi equispaziati {x i } i=0,...,4, dal teorema 0.3, fissato x [ 1, 1] n E 4 [f ](x) = f (n+1) i=0 (ξ) (x x i ) (n + 1)! exp(1) L esperimento numerico in figura mostra che in effetti l errore è minore di < Si osservi come il grafico sia tale che E 4 [f ] si annulla ovviamente nei 5 punti di interpolazione x i, i = 0,..., 4. Alvise Sommariva Interpolazione polinomiale 18/ 36
19 Interpolazione polinomiale Figura: A sinistra, il grafico di 4 i=0 x x i dove x i = 1 + 2i/4, i = 0,..., 4. A destra, il grafico dell errore E n[f ] in [ 1, 1] che evidentemente è sempre minore di Alvise Sommariva Interpolazione polinomiale 19/ 36
20 Convergenza dell interpolazione polinomiale Un serio problema riguarda la scelta dei punti in cui interpolare la funzione continua f : [a, b] R. Mostriamo alcuni casi notevoli. 1 nodi equispaziati: fissato n, i punti sono x k = a + k (b a), k = 0,..., n; (9) n 2 nodi di Chebyshev (scalati) [6, p.294], [11]: fissato n, i punti sono con (a + b) (b a) x k = + t k, k = 0,..., n 2 2 (10) ( ) 2k + 1 t k = cos 2n + 2 π, k = 0,..., n; (11) 3 nodi di Chebyshev-Lobatto (scalati) [6, p.295]: fissato n, i punti sono con x k = (a + b) 2 t k = cos (b a) + t k, k = 0,..., n 2 (12) ( ) kπ, k = 0,..., n; n (13) Alvise Sommariva Interpolazione polinomiale 20/ 36
21 Convergenza dell interpolazione polinomiale Nota. Il set di n + 1 punti di Chebyshev-Lobatto in [ 1, 1], quindi utili per l interpolazione polinomiale a grado n, come si vede in figura per n = 6, si ottengono proiettando i punti equispaziati nell angolo della semicirconferenza γ = {(cos(θ), sin(θ)) : θ [0, π]} sull asse delle ascisse. Figura: Interpretazione geometrica dell insieme dei punti di Chebyshev-Lobatto utili per determinare un interpolante polinomiale di grado n = 6. Alvise Sommariva Interpolazione polinomiale 21/ 36
22 Convergenza dell interpolazione polinomiale Una delle questioni rilevanti è se aumentando il numero di nodi, la successione di polinomi interpolatori p n converge uniformemente alla funzione f da approssimare, ovvero lim n max f (x) p n(x) = 0 x [a,b] dove < a < b < +. Consideriamo il caso dei punti equispaziati in [a, b], e osserviamo che la stima dell errore di interpolazione porge, visto che ξ (a, b), e quindi f (x) p n (x) = f (n+1) (ξ) n i=0 (x x i) (n + 1)! max f (n+1) (s) s [a,b] max f (x) p n(x) max f (n+1) (s) max x [a,b] s [a,b] x [a,b] n i=0 (x x i) (n + 1)! n i=0 (x x i) (n + 1)! (14) Alvise Sommariva Interpolazione polinomiale 22/ 36
23 Convergenza dell interpolazione polinomiale Da max f (x) p n(x) max f (n+1) (s) max x [a,b] s [a,b] x [a,b] n i=0 (x x i) (n + 1)! se max s [a,b] f (n+1) (s) è sufficientemente grande per ogni n, allora potrebbe accadere che max f (n+1) (s) max s [a,b] x [a,b] n i=0 (x x i) (n + 1)! non sia infinitesima per n + e quindi che possa succedere che non converga a 0. E n [f ] := max x [a,b] f (x) p n(x) Alvise Sommariva Interpolazione polinomiale 23/ 36
24 Convergenza dell interpolazione polinomiale In generale, Teorema (Teorema di Faber (1914)) Per ogni distribuzione di nodi esiste almeno una funzione f C([a, b]), < a < b +, tale che l errore di interpolazione E n [f ] non converge a 0 per n +. Per contro Teorema Per ogni funzione f C([a, b]), < a < b +, esiste almeno una distribuzione di nodi tale che E n [f ] 0 per n +. e Teorema (Teorema di Bernstein) Per ogni funzione f C 1 ([a, b]), < a < b +, allora se p n è l interpolante di f in n + 1 nodi di Chebyshev, E n [f ] 0 per n +. Alvise Sommariva Interpolazione polinomiale 24/ 36
25 Controesempio di Runge Esempio. Sia f la funzione di Runge (scoperta nel 1901) f (x) = 1, x [ 5, 5]. (15) 1 + x 2 Si dimostra che il polinomio p n che interpola f in n + 1 nodi equispaziati, non converge uniformemente a f (vedasi relativa figura, e le forti differenze tra p n e f vicino agli estremi 5, 5). Nelle tabelle e figure che seguono, illustriamo il fenomeno di Runge, e di come l interpolante in nodi equispaziati non converga uniformemente alla funzione di Runge nell intervallo [ 5, 5], nonostante la stessa appartenga a C ([ 5, 5]). Alvise Sommariva Interpolazione polinomiale 25/ 36
26 Controesempio di Runge 2 runge intp. eq Figura: Grafico che illustra il polinomio interpolante di grado 12 su 13 nodi equispaziati della funzione di Runge, (la funzione ha la linea continua, il polinomio interpolatore è tratteggiato, si osservino le oscillazioni agli estremi). Alvise Sommariva Interpolazione polinomiale 26/ 36
27 Controesempio di Runge Fortunatamente ciò non succede in questo caso per i nodi di Chebyshev, per cui comunque esistono funzioni continue f ma non di classe C 1 tali che l interpolante p n non converge puntualmente a f. Nel controesempio di Runge in cui f (x) = 1 1+x 2, in virtù del teorema di Bernstein, essendo f C ([ 5, 5]) e quindi in particolare f C 1 ([ 5, 5]), possiamo affermare che se i nodi di interpolazione sono quelli di Chebyshev allora E n [f ] 0. In effetti in tabella, si vede che l errore in tali set di nodi ha numericamente tale proprietà, differentemente dall interpolante in nodi equispaziati. Alvise Sommariva Interpolazione polinomiale 27/ 36
28 Controesempio di Runge n E e n E c n e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e 09 Tabella: Grado n ed errore E n[f ] con p n interpolante f risp. in n + 1 nodi equispaziati e di Chebyshev (denotato rispettivamente con E e n, Ec n ). Alvise Sommariva Interpolazione polinomiale 28/ 36
29 Controesempio di Runge Figura: Grado n ed errore E n[f ] = max x [ 5,5] f (x) p n(x) con p n interpolante f rispettivamente in n + 1 nodi equispaziati (figura a sinistra) e di Chebyshev (figura a destra), in scala semilogaritmica. Alvise Sommariva Interpolazione polinomiale 29/ 36
30 Stabilità dell interpolazione polinomiale Sia f C([a, b]), con [a, b] intervallo chiuso e limitato e si consideri il polinomio p n P n che interpola le coppie (x k, f (x k )) (per k = 0,..., n, x k a due a due distinti). Si ponga per semplicità di notazione f k := f (x k ). Come è noto, indicato con L k il k-simo polinomio di Lagrange, si ha con n p n (x) = f k L k (x) k=0 L k (x) = (x x j )/ k x j ). j k j k(x Supponiamo che i valori di f k siano perturbati (per esempio per via dell arrotondamento del numero) e sostituiti con f k. Alvise Sommariva Interpolazione polinomiale 30/ 36
31 Stabilità dell interpolazione polinomiale Quindi il polinomio interpolatore è p n (x) = n f k=0 k L k (x). Essendo p n (x) = n k=0 f kl k (x) abbiamo che p n (x) p n (x) = k=0 n (f k f k )L k (x) da cui n ( ) n p n (x) p n (x) f k f k L k (x) max f k f k L k (x) k e k=0 ( ) max p n(x) p n (x) max f k f k x [a,b] k max x [a,b] k=0 k=0 n L k (x) Alvise Sommariva Interpolazione polinomiale 31/ 36
32 Stabilità dell interpolazione polinomiale Quindi posto da Λ n = max x [a,b] k=0 p n p n := max x [a,b] p n(x) p n (x) ricaviamo n L k (x) ( ) max f k f k k ( ) p n p n max f k f k k Λ n. max x [a,b] k=0 n L k (x) Osserviamo che il numero Λ n dipende esclusivamente dai polinomi di Lagrange e quindi esclusivamente dai punti di interpolazione. Alvise Sommariva Interpolazione polinomiale 32/ 36
33 Costanti di Lebesgue Il valore Λ n è nota come costante di Lebesgue (1910) dell insieme di punti x 0,..., x n ). Si vede immediatamente che è un indice di stabilità dell interpolazione di Lagrange: più è piccola e più l approssimazione è stabile (cf. [2, p ]). Vediamo ora quali sono le stime delle costanti di Lebesgue per alcuni set di n + 1 punti nell intervallo [ 1, 1]: punti equispaziati: si dimostra che asintoticamente (Turetskii, 1940) Λ n 2n+1 en log(n) ; ( ) (2k 1)π 2(n+1) dove punti di Chebyshev: corrispondono a cos k = 1,..., n + 1; si dimostra che asintoticamente Λ n = 2 ( ( )) ( 8 log(n + 1) + γ + log + O π π dove γ è la costante di Eulero-Mascheroni; Alvise Sommariva Interpolazione polinomiale 33/ 36 1 (n + 1) 2 )
34 Costanti di Lebesgue n Λ eq n Λ ch n e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e + 00 Tabella: Valore n e costanti di Lebesgue in n punti equispaziati di [ 1, 1] e nei punti di Chebyshev cos((2k 1 π/(2 n))), k = 1,..., n. Se ne evince la maggiore stabilità dell interpolazione nei nodi di Chebyshev. Alvise Sommariva Interpolazione polinomiale 34/ 36
35 Bibliografia I K. Atkinson, An Introduction to Numerical Analysis, Wiley, (1989). V. Comincioli, Analisi Numerica, metodi modelli applicazioni, Mc Graw-Hill, W. Gautschi, Interpolation before and after Lagrange, Rend. Sem. Mat. Univ. Politec. Torino, Vol. 70, 4 (2012), pp A. Quarteroni, Elementi di calcolo scientifico, Progetto Leonardo, A. Quarteroni e F. Saleri, Introduzione al calcolo scientifico, Springer Verlag, A. Quarteroni, R. Sacco e F. Saleri, Matematica numerica, Springer Verlag, Wikipedia, Fenomeno di Runge, di Runge. Alvise Sommariva Interpolazione polinomiale 35/ 36
36 Bibliografia II Wikipedia, Interpolazione polinomiale, polinomiale. Wikipedia, Interpolazione di Lagrange, di Lagrange Wikipedia, Newton polynomial, polynomial. Wikipedia, Nodi di Chebyshev, di Chebyshev. Wikipedia, Teorema di Rolle, di Rolle Wikipedia, Vandermonde matrix, matrix. Alvise Sommariva Interpolazione polinomiale 36/ 36
Interpolazione polinomiale
1 Siano dati N + 1 punti x 0,..., x N a due a due distinti e in ordine crescente (cioé x i < x i+1 ), e i valori y 0,..., y N ivi assunti da una funzione y = f (x). Il problema dell interpolazione polinomiale
DettagliDerivazione numerica 1
Derivazione numerica 1 A Sommariva Keywords: Derivazione numerica Differenza in avanti Rapporto incrementale simmetrico Estrapolazione Revisione: 5 giugno 019 1 Il problema della derivazione numerica Problema
DettagliApprossimazione e interpolazione con polinomi algebrici
Approssimazione e interpolazione con polinomi algebrici Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 11 marzo 2014 Alvise Sommariva Appross. e interpolazione con polinomi
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
DettagliApprossimazione e interpolazione con polinomi algebrici
Approssimazione e interpolazione con polinomi algebrici Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 7 marzo 2017 Alvise Sommariva Appross. e interpolazione con polinomi
DettagliInterpolazione polinomiale.
Interpolazione polinomiale. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 21 novembre 2011 Alvise Sommariva Interpolazione polinomiale. 1/ 27 Interpolazione
DettagliApprossimazione polinomiale 1
Approssimazione polinomiale A. Sommariva 2 Keywords: Approssimazione polinomiale ai minimi quadrati. Curve fitting. Revisione: 4 giugno 29. Approssimazione polinomiale Dato un campionamento {(x i, y i
DettagliEquazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]).
Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Esempio 1: equazioni polinomiali p N (x)
DettagliInterpolazione. Corso di Calcolo Numerico, a.a. 2008/2009. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
Interpolazione Corso di Calcolo Numerico, a.a. 2008/2009 Francesca Mazzia Dipartimento di Matematica Università di Bari 17 Aprile 2009 Francesca Mazzia (Univ. Bari) Interpolazione 17/04/2006 1 / 37 Interpolazione
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
DettagliInterpolazione e approssimazione di funzioni
Interpolazione e approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 26 febbraio 2007 Outline 1 Interpolazione polinomiale Interpolazione
DettagliContinuità di funzioni
Continuità di funzioni Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 2 novembre 2015 Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva
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
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
Dettaglif(x) dx = F (b) F (a) Formula di quadratura o di integrazione numerica c i f(x i ) + R n (f)
INTEGRAZIONE NUMERICA Integrale di funzione I(f) = a f(x) dx = F (b) F (a) Formula di quadratura o di integrazione numerica a f(x) dx = n i=0 c i f(x i ) + R n (f) dove le {x i } sono i nodi e {c i } sono
DettagliQuadratura numerica. Alvise Sommariva. Università degli Studi di Padova Dipartimento di Matematica. 25 maggio 2015
Quadratura numerica Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 25 maggio 2015 Alvise Sommariva Quadratura numerica 1/ 18 Quadratura numerica Problema. Un classico problema
Dettagli2. Costruire un M function file di Matlab che calcola il valore del
Esercizi. 1. Costruire un M function file di Matlab che calcola il valore del polinomio di Chebyshev di grado n in un vettore di punti, usando la formula di ricorrenza a tre termini. Costruire il grafico
DettagliDifferenze divise. Polinomio di interpolazione nella forma di Newton. Proprietà. Se n=0. Simmetria. Ricorsività. Abbiamo un solo punto
Differenze divise Polinomio di interpolazione nella forma di Newton Se n=0 Abbiamo un solo punto Se n = 1 Abbiamo 2 punti Il polinomio cercato è la retta passante per i due punti Proprietà Simmetria Differenza
DettagliApprossimazione di dati e funzioni
Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Generalità Problema 1 Dati (x i, y i ) i =
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Approssimazione di funzioni In molti problemi
DettagliAnalisi Numerica: interpolazione
Analisi Numerica: interpolazione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Introduzione Introduzione Ci occupiamo ora del problema di approssimare delle funzioni reali di
DettagliApprossimazione di funzioni
19 gennaio 009 1 Spazi normati e di Banach Sia X uno spazio vettoriale (cf. [17]). La coppia (X, ) si dice spazio normato (cf. [16]) se la funzione R (detta norma) ha le seguenti proprietà 1. Un vettore
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
DettagliAnalisi Numerica: quadratura
Analisi Numerica: quadratura S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste In situazioni come queste, si ricorrerà a metodi numerici come quelli che presenteremo per calcolare
DettagliMIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI
MIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI A. SOMMARIVA Conoscenze richieste. Spazio vettoriale. Spazio normato. Vettori linearmente indipendenti. Sistemi lineari. Operatore delta di Kronecker. Conoscenze
DettagliMinimi quadrati in Matlab
Minimi quadrati in Matlab Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 3 gennaio 2019 Alvise Sommariva Minimi quadrati in Matlab 1/ 17 Approssimazione ai
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
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 4 maggio 2018 Alvise Sommariva Miglior approssimazione in spazi euclidei 1/ 52 Spazi
DettagliInterpolazione polinomiale.
Interpolazione polinomiale. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica April 11, 2017 Alvise Sommariva Introduzione 1/ 14 Introduzione In questa lezione desideriamo introdurre
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 4 - DERIVAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Calcolo numerico delle derivate 2 3 Introduzione Idea di base L idea di base
DettagliCorso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
DettagliEsame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 11 dicembre x k 1 x k 2
1 Domande aperte Esame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 11 dicembre 013 1. Nel metodo di Newton per la ricerca di zeri di funzione, se non conosciamo la molteplicità della
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliPolinomio di interpolazione nella forma di Lagrange
Polinomio di interpolazione nella forma di Lagrange Polinomio di interpolazione nella forma di Lagrange Si dimostra che è IL polinomio di interpolazione. Cambia solo la rappresentazione. Esempio: interpolazione
DettagliCorso di Modelli Numerici per i Campi. Interpolazione polinomiale. Giovanni Miano
Corso di Modelli Numerici per i Campi Interpolazione polinomiale Giovanni Miano 1 Riferimenti bibliografici: - A. Quarteroni, R. Sacco, F. Saleri, Matematica Numerica, Springer. - A. Quarteroni, Modellistica
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
DettagliIstituzioni di Matematiche quarta parte
Istituzioni di Matematiche quarta parte anno acc. 2012/2013 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano) Istituzioni di Matematiche 1 / 22 index Derivate 1 Derivate 2 Teoremi
DettagliEsercizi proposti di Analisi Numerica
Esercizi proposti di Analisi Numerica Silvia Bonettini Dipartimento di Matematica, Università di Ferrara 30 gennaio 2012 1 Conversioni, operazioni di macchina e analisi dell errore 1. Convertire i numeri
DettagliMETODI DI COLLOCAZIONE POLINOMIALE (Metodi di Runge-Kutta continui) November 30, 2004
METODI DI COLLOCAZIONE POLINOMIALE (Metodi di Runge-Kutta continui) November, Nell approssimare numericamente un problema di Cauchy, puo capitare di essere interessati a valori della soluzione in punti
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
Dettagli(x 0, y 0 ),..., (x k, y k ) p(x k ) = a 0 q 0 (x k ) + + a k q k (x k ) = y k ovvero se e solo se la colonna dei coefficienti: R k+1.
3 Interpolazione Se Ω R è un intervallo, si indica con C(Ω) lo spazio vettoriale su R delle funzioni continue da Ω in R 3 Interpolazione polinomiale Siano k un numero intero non negativo, P k (R) lo spazio
Dettagli10 - Massimi, minimi e flessi
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 10 - Massimi, minimi e flessi Anno Accademico 2015/2016
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
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
DettagliINTERPOLAZIONE. Francesca Pelosi. Dipartimento di Matematica, Università di Roma Tor Vergata. CALCOLO NUMERICO e PROGRAMMAZIONE
INTERPOLAZIONE Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ INTERPOLAZIONE p./8 INTERPOLAZIONE Nella
DettagliPolitecnico di Milano Corso di Analisi e Geometria 1. Federico Lastaria Formule di Taylor Ottobre 2012
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Formule di Taylor Ottobre 2012 Indice 1 Formule di Taylor 1 1.1 Il polinomio di Taylor...............................
DettagliAnalisi Matematica 1 Foglio 1 Lunedì 3 ottobre. f(x) = log x 2 6x + 5.
Analisi Matematica Foglio Lunedì 3 ottobre Esercizio. Trovare il dominio naturale della funzione f data da ( ) f(x) = log x 2 6x + 5. Esercizio 2. Dire quali tra le seguenti funzioni sono iniettive :.
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
Dettaglin (x i x j ), det V = i>j
Capitolo 4 Approssimazione 4.1 Richiami di teoria Prerequisiti: nozioni elementari di calcolo differenziale e integrale. Interpolazione Il problema dell interpolazione è un caso particolare del vasto settore
DettagliAnalisi Matematica 1 Secondo appello
Analisi Matematica 1 Secondo appello 11 febbraio 219 Testo A1 Consegnare solo questo foglio Prima parte: 2 punti per risposta corretta, 1 per ogni errore. Soglia minima 12/2. Seconda parte: Domande A e
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Derivate - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Novembre 2013 Retta secante un grafico e rapporto incrementale Sia f una funzione e x 0 un punto
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
Dettaglif n (x) 3 1. x Essendo g(x) = 3 1
Secondo esonero di Analisi eale 6//9 a.a. 8-9 ) Studiare la convergenza in L p ((, )), p +, della successione di funzioni cos(nx) e nx f n (x) = 3. x Si vede facilmente che la successione f n converge
DettagliCorso di Laurea in Informatica Applicata Esame di Analisi Matematica Prova scritta del 10 gennaio 2007
Corso di Laurea in Informatica Applicata Esame di Analisi Matematica Prova scritta del 0 gennaio 007 Primo esercizio. È assegnato il numero complesso z = + i. (a) Posto z = + i, determinare la forma trigonometrica
DettagliFunzione derivabile. La derivata.
Funzione derivabile. La derivata. Dati: f I R funzione; I R intervallo aperto ; x 0 I. Definizione (Derivata come limite del rapporto incrementale) Se esiste finito (cioè, non + o ) il limite del rapporto
DettagliEsame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013
Esame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013 1 Domande aperte 1. Ogni matrice quadrata (di ordine n) strettamente definita positiva è invertibile. Perchè? Risposta.
DettagliEsonero di Analisi Matematica II (A)
Esonero di Analisi Matematica II (A) Ingegneria Edile, 8 aprile 3. Studiare la convergenza del seguente integrale improprio: + x log 3 x (x ) 3 dx.. Studiare la convergenza puntuale ed uniforme della seguente
DettagliCalcolo delle Differenze
Carla Guerrini 1 Calcolo delle Differenze Le differenze finite introdotte nel 17-esimo secolo per il calcolo delle funzioni, si prestano bene ad essere utilizzate in procedimenti e problemi discreti: da
DettagliMetodi iterativi per equazioni nonlineari.
Metodi iterativi per equazioni nonlineari. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 9 aprile 2016 Alvise Sommariva Introduzione 1/ 14 Introduzione Si supponga sia f
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:
Dettagli1 a Prova parziale di Analisi Matematica I (A) 16/11/2007
Nome a Prova parziale di Analisi Matematica I (A) 6//7 ) Data la funzione ( ) = f e Calcolare il campo di esistenza e il suo comportamento agli estremi ) Definizione di derivata prima di una funzione f()
DettagliFunzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
DettagliCorso di Analisi Numerica - AN410. Parte 5: formule di quadratura. Roberto Ferretti
Corso di Analisi Numerica - AN410 Parte 5: formule di quadratura Roberto Ferretti UNIVERSITÀ DEGLI STUDI ROMA TRE Formule di quadratura interpolatorie: teoria generale Formule di Newton Cotes semplici
DettagliSappiamo che una funzione definita in un intervallo aperto I ed ivi derivabile è anche differenziabile, ossia che, fissato x 0 I, si ha.
La formula di Taylor Sappiamo che una funzione definita in un intervallo aperto I ed ivi derivabile è anche differenziabile, ossia che, fissato x 0 I, si ha dove f(x) = f(x 0 ) + f (x 0 )(x x 0 ) + ω(x)(x
DettagliINTERPOLAZIONE POLINOMIALE
Capitolo 5 INTERPOLAZIONE POLINOMIALE Un problema che frequentemente si presenta in matematica applicata è quello dell approssimazione di funzioni, che consiste nel determinare una funzione g, appartenente
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
DettagliCalcolo Numerico A.A Lab. 6
Calcolo Numerico A.A. 2007-2008 - Lab. 6 Esercizio 1. Interpolazione su nodi di Chebyshev e interpolazione composita Si consideri la funzione f(x) = 1 + x assegnata sull intervallo I = [0, 1]. 1. Trovare
DettagliEsercizi su polinomio di Taylor, metodi numerici per il calcolo di zeri di funzione e iterazioni di punto fisso
Esercizi su polinomio di Taylor, metodi numerici per il calcolo di zeri di funzione e iterazioni di punto fisso 2 aprile 215 Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ). Richiami
DettagliEquazioni nonlineari
Equazioni nonlineari Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 20 marzo 2019 Alvise Sommariva Equazioni nonlineari 1/ 96 Soluzione numerica di equazioni
Dettaglig(x) = arctan(1.5x 0.1)
PROVA PRATICA di CALCOLO NUMERICO per Matematica Applicata e Informatica Multimediale Prof. Stefano De Marchi, Dott. Marco Caliari Verona, 27 marzo 2008 Il candidato dovrà scrivere su ogni foglio o file
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 24 marzo 2016 Alvise Sommariva Miglior approssimazione in spazi euclidei 1/ 54 Spazi
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 3 - CALCOLO NUMERICO DELLE DERIVATE Introduzione Idea di base Introduzione Idea di base L idea di base per generare un approssimazione alla
DettagliFoglio Esercizi A (interpolazione, approssimazione, integrazione)
Foglio Esercizi A (interpolazione, approssimazione, integrazione) Esercizio cos( ) +, [,π ] Costruire una approssimazione f ( ) di f () utilizzando elemento di ermite a nodi non equispaziati (, π, π )
DettagliLezione 4 Quadratura Numerica. Fernando Palombo
Lezione 4 Quadratura Numerica http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Scopo della Quadratura Numerica Calcolare con metodi numerici un integrale definito
DettagliProva di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo Universitá del Salento, 9 Aprile 2013 1 1 TEMA I Il candidato svolga una ed una sola delle dissertazioni proposte, illustrando sinteticamente
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.
DettagliComplementi di Analisi Matematica. Foglio di esercizi n.8 3/5/2019
Complementi di Analisi Matematica Foglio di esercizi n8 3/5/2019 Esercizi su successioni e serie di funzioni Esercizio 1 Definita g k (x) = e kx2, provare che g k : R R converge puntualmente alla funzione
DettagliAppunti di Analisi Numerica
Appunti di Analisi Numerica Giuseppe Profiti 30 ottobre 2006 1 Esempi di curve di Bezier per caratteri Differenza tra carattere vettoriale e bitmap in un file PDF caratteri pfb in fontforge, modifica delle
Dettagli8.1. Esercizio. Determinare massimo e minimo delle seguenti funzioni nei corrispondenti intervalli: 2 x 4 x in [0, 1]; e x2 in [ 2, 2]
ANALISI Soluzione esercizi 25 novembre 2011 8.1. Esercizio. Determinare massimo e minimo delle seguenti funzioni nei corrispondenti intervalli: 2 x 4 x in [0, 1]; e x2 in [ 2, 2] cos x cos x in [ 2π, 2π];
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
DettagliSerie di Taylor. Hynek Kovarik. Analisi Matematica 2. Università di Brescia
Serie di Taylor Hynek Kovarik Università di Brescia Analisi Matematica 2 Hynek Kovarik (Università di Brescia) Serie di Taylor Analisi Matematica 2 1 / 16 Serie di Taylor Il nostro obiettivo è di scrivere
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei 15 gennaio 2009 1 Introduzione astratta Sia E uno spazio vettoriale dotato di un prodotto interno (, ) (talvolta un tale spazio è detto euclideo, cf. [7, p.148]),
DettagliCalcolo differenziale per funzioni in più variabili.
Calcolo differenziale per funzioni in più variabili. Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 14 dicembre 2014 Paola Mannucci e Alvise Sommariva Calcolo
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
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
DettagliPrincipali differenze tra la ristampa 2014 e l edizione 2008
Principali differenze tra la ristampa 214 e l edizione 28 Di seguito sono riportate le principali modifiche apportate al testo dell edizione 28 con la ristampa riveduta e corretta del 214. Si avverte il
DettagliPresentazione del corso di Calcolo Numerico, canale A Ing. dell Energia.
Presentazione del corso di Calcolo Numerico, canale A Ing. dell Energia. Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 5 gennaio 2019 Presentazione sintetica del corso Esistono
DettagliDefinizione (Derivata come limite del rapporto incrementale) Se esiste finito (cioè, non + o ) il limite del rapporto incrementale
Funzione derivabile. La derivata. Dati: f I R funzione; I R intervallo aperto ; x 0 I. Definizione (Derivata come ite del rapporto incrementale) Se esiste finito (cioè, non + o ) il ite del rapporto incrementale
DettagliCenni sulla risoluzione numerica di equazioni differenziali ordinarie (ODE) f(t, y(t))dt. y (t)dt = y(x) y(x 0 ) =
Cenni sulla risoluzione numerica di equazioni differenziali ordinarie (ODE) Problema di Cauchy. y (x) = f(x, y(x)) x [, T ] y( ) = y 0 Formulazione integrale. x Approssimazione numerica. y (t)dt = y(x)
DettagliLezione 6 e 7, /11/2014
Lezione 6 e 7, 11-12 /11/2014 Elena Gaburro, elenagaburro@gmail.com Informazioni Esercizi Prima di cominciare gli esercizi di questa lezione terminare tutti quelli precedenti. Calendario delle prossime
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,
DettagliLezione 5, 5/11/2014
Lezione 5, 5/11/2014 Elena Gaburro, elenagaburro@gmail.com 1 Ordine di convergenza di un metodo Definizione 1.1. Sia {x k } una successione convergente ad α. Consideriamo l errore assoluto in modulo al
DettagliUniversità degli Studi di Verona
Università degli Studi di Verona Dipartimento di Informatica Ca' Vignal 2 Strada le Grazie 5 3734 Verona - Italia Tel. +39 045 802 7069 Fax +39 045 802 7068 Corso di Laurea in Matematica Applicata PROVETTA
DettagliIl problema dell interpolazione
Il problema dell interpolazione Dario A. Bini, Università di Pisa 3 febbraio 2014 Sommario Questo modulo didattico contiene risultati relativi al problema dell interpolazione di funzioni 1 Introduzione
Dettagli