Equazioni e sistemi non lineari. Prof. M. Lucia Sampoli
|
|
- Giancarlo Giuliani
- 4 anni fa
- Visualizzazioni
Transcript
1 Equazioni e sistemi non lineari Prof. M. Lucia Sampoli 1
2 Equazioni non lineari Data una funzione f : consideriamo il problema di determinare i valori x tali che Tali valori sono solitamente chiamati zeri o radici della funzione f. Esempi: Equazioni algebriche: In generale non sono disponibili formule esplicite per la determinazione delle radici di una funzione (per esempio equazioni algebriche) metodi iterativi f( x) 0 n k P ( x) a x 0 n k 0 x x e x x x k x 2 4sin( ) 0,, log( ) 3 2
3 Metodi iterativi Tecniche che consentono di approssimare le soluzioni con un prestabilito grado di precisione A partire da una approssimazione iniziale si costruisce una successione tale che, sotto opportune ipotesi, risulta convergere alla radice cercata. E importante tener presente tre questioni fondamentali (0) (1) (2) x x, x, 1. Velocità di convergenza (1) (2) x, x, Definizione: data una successione convergente ad un limite α, si ( ponga n ) ( n) e x se esistono due numeri reali p 1 e C 0 tali che sia e lim n e si dice che la successione ha ordine di convergenza p e fattore di convergenza C. Per p=1 e p=2 la convergenza si dice anche lineare e quadratica. Nel caso p=1 si ha necessariamente C<1. ( n1) ( n) p C 3
4 Metodi iterativi 2 (0) 2. Scelta del valore di innesco. x Un metodo converge localmente ad α se la convergenza della successione (0) dipende in modo critico dalla vicinanza di x ad α. Il procedimento è globalmente convergente quando la convergenza non dipende da quanto vicino ad α. Per i metodi a convergenza locale la scelta del punto di innesco è cruciale. (0) x è 3. Criteri di arresto. Chiaramente non è possibile generare infinite iterate della successione () k x. Il procedimento dovrebbe arrestarsi quando ( k) x e toll rel ( ) Non disponendo della soluzione è necessario procurarsi una stima di e k. Una ( ) possibile strategia è quella di approssimare e k ( con k 1) ( k) x x. Si ottiene il criterio relativo ( k1) ( k) x x toll ( k 1) x ( k 1) Quando x è molto piccolo tale criterio risulta troppo stringente ed è più opportuno usare un criterio di arresto assoluto dato da ( k 1) ( k) x x toll 4
5 Metodi iterativi 3 Fondendo i due criteri si ottiene il seguente Criterio di arresto misto x x toll x toll ( k 1) ( k ) ( k 1) R A Dove tollr e tollasono rispettivamente la tolleranza relativa ed assoluta. ( ) Automaticamente il criterio sarà di tipo assoluto quando x k è molto piccolo e di tipo relativo nei restanti casi. ( Si può vedere che k 1) ( k) x x è asintoticamente una buona stima di nel caso di convergenza quadratica o superlineare, mentre nel caso di convergenza lineare l approssimazione sarà tanto migliore quanto la costante C è vicina a zero. ( k) e 5
6 Metodi iterativi 4 Per equazioni non lineari si può anche utilizzare il controllo del residuo ( k 1) f( x ) toll k Se f '( ) 1 : e inaffidabile ( potrebbe essere molto grande) Se f '( ) 1 : troppo restrittivo e ( ) Se f '( ) 1 produce un indicazione soddisfacente Quando non si ha la certezza sulla bontà dei test (su x ed f) conviene includerli entrambi In pratica se il criterio di arresto funziona non si ha la soluzione esatta ma solo una sua approssimazione 6
7 Metodo di bisezione Il metodo di bisezione è il metodo iterativo più semplice per approssimare gli zeri reali di una funzione. Ipotesi: 1) f(x) continua nell intervallo [a,b] 2) f(a) f(b)<0 per il teorema degli zeri ammette almeno una soluzione α di f(x)=0, in (a,b). Si procede suddividendo ad ogni passo l intervallo [a,b] a metà e determinando in quale dei due sottointervalli si trova la soluzione, dimezzando così l ampiezza dell intervallo che contiene α. ALGORITMO: 1. Si pone a1 a, b1 b a 2. Per i=1,2,.,nmax si calcolano i bi ci e f( ci) 2 1. Se f( ci) f( ai) 0 sipone ai1 ci; bi1 bi 2. Altrimenti se f( ci) f( ai) 0 sipone ai1 ai; bi1 ci 3. altrimenti f( ci) 0, siha ci 3. Il procedimento viene arrestato se per un indice i risulta f( ci) toll e / o b a i i 7
8 Ampiezza dell intervallo ed errore Per costruzione ad ogni passo l ampiezza dell intervallo è dimezzata, dopo n passi arriviamo all intervallo a di ampiezza n, bn bn an bn an b a bn an n an bn Se come stima di α prendiamo cn abbiamo 2 b0 a0 Se poniamo otteniamo n da 1 2 n n1 b0 a0 b0 a0 2 n log2 1 Il metodo di bisezione converge sempre alla soluzione con la sola ipotesi che f sia continua nell intervallo [a,b] La convergenza è però lenta e questo costituisce il limite del metodo. Una spiegazione può essere ricercata nel fatto che non si tiene conto dei valori della funzione ma soltanto dei segni. Geometricamente il metodo costruisce ad ogni passo l approssimazione della radice calcolando l intersezione con le ascisse della retta passante per i punti b a en cn en n1 ( ai,sgn( f( ai)), ( bi, sgn( f( bi)) 8
9 Metodo della regula falsi Un modo naturale per migliorare il metodo di bisezione è quello di considerare anche i valori che la funzione assume negli estremi dell intervallo e prendere come nuova approssimazione della soluzione l intersezione delle ascisse con la retta passante per Il metodo metodo risultante è noto come metodo regula falsi o della falsa posizione 1. Dato [ a0, b0]tale che f( a0) f( b0) 0 2. Finchè non sia verificato un criterio di arresto, poni w f b a f a b f b f a Se 2. Altrimenti 3. k=k+1 w k ( ak, f( ak)), ( bk, f( bk)) f( a ) f( w ) 0, allora a a, b w k k k1 k k1 k a w, b b k1 k k1 k (( ) ( ) )/(( ) ( )) k k k k k k k Il metodo genera una successione di intervalli decrescenti in cui è contenuta la radice è più veloce rispetto al metodi di bisezione, anche se in generale [ ak, bk] 0, per k pertanto il criterio di arresto basato sull ampiezza dell intervallo non è applicabile. La scelta dell intervallo comporta una convergenza globale Si può dimostrare che la velocità di convergenza è lineare: 9
10 Metodo delle secanti Una variante della regula falsi è il metodo delle secanti in cui sono richieste due approssimazioni iniziali senza alcun altra condizione e senza la necessità di controllare il segno di f(x) ( 1) (0) Assegnati due valori iniziali x, x si costruisce la successione ( k) ( k1) ( k1) ( k) x x ( k) x x f( x ) k 0 ( k) ( k1) f( x ) f( x ) La convergenza del metodo è garantita se le approssimazioni iniziali sono abbastanza vicine alla radice α: convergenza locale. Vale il seguente risultato: 2 Teorema: Sia fx () C (), essendo un intorno opportuno della radice, e si assumaf '' ( ) 0 ( 1) (0) Allora se i dati iniziali x, x sono scelti in sufficientemente vicini ad α, la successione converge ad α in modo superlineare, con ordine (1 5) p
11 Metodo di Newton Se si vuole migliorare ancora di più la velocità di convergenza è necessario utilizzare più informazioni della funzione. Nel caso in cui essa sia derivabile si può considerare anche la sua derivata f (x). Sviluppando f in serie di Taylor in un intorno di α ed arrestando lo sviluppo al prim ordine si ottiene una versione linearizzata del problema f(x)=0. f( ) 0 f( x) ( x) f '( ) (, x) (0) Assumendo quindi f (α) 0 (radice semplice) ed assegnato un valore iniziale x si ottiene il metodo di Newton ( k) ( k1) ( k) f( x ) x x k 0 ( k) f '( x ) Geometicamente si prende come nuova approssimazione l intersezione delle ascisse con la retta ( k) ( k) tangente in ( x, f( x )) Alla k-esima iterazione questo metodo richiede due ( k) ( k) valutazioni funzionali f( x ) e f '( x ). L aumento del costo computazionale è compensato dal fatto che la convergenza (locale) è di ordine superiore al primo. In generale è quadratica 11
12 Metodi di iterazione funzionale La ricerca degli zeri di una funzione f è ricondotta allo studio dei punti fissi di un opportuna funzione g f( ) 0 g( ) La successione delle approssimazioni sarà definita come x g( x ) ( k1) ( k) La funzione di iterazione g non è unica e può essere costruita nei modi più diversi, ma non tutti daranno luogo a strumenti efficienti. 12
13 Metodi di iterazione funzionale g(x) α x 3 x 2 x 1 x 0 Convergenza monotona 13
14 Metodi di iterazione funzionale α x 2 x x 1 x x x Convergenza alternata 14
15 Convergenza Bisogna studiare sotto quali condizioni la successione delle iterate appartenga sempre al dominio di f e sia convergente ad α. Teorema: Data la successione ( k1) ( k) (0) x g( x )per k 0 e x assegnato. Supponiamo che la funzione g soddisfi le seguenti condizioni (i) g: [a,b] [a,b] (ii) g C 1 [ a, b] (iii) k 1: g '( x) k x [ a, b] Allora g ha un unico punto fisso α in [a,b] e la successione delle iterate da essa generate converge ad α, per ogni scelta del punto iniziale in [a,b]. Inoltre ( k 1) lim x g '( ) k ( k) x dim. L ipotesi (i) e la continuità di g (implicita in (ii)) garantiscono che g abbia almeno un punto fisso in [a,b]. L hp (iii) assicura che g è una contrazione per cui il punto fisso è unico (si dimostra per assurdo). Risultato importante teoricamente, ma nella pratica è difficile stabilire a priori l intervallo [a,b] in cui sono soddisfatte le ipotesi. 15
16 Convergenza 2 Per dimostrare che la successione converge si considera k k x ( 1) g x ( ) g ( ) ( ) applicando il teorema della media g x x Inoltre dalla continuità di g si ha ( k) ( k) ( k) ( k) '( ) ( ) dove (, ) k 1per( iii) ( k1) ( k) k1 (0) x k x k x per cui lim ( k 1) x 0 k x ( k 1) ( k) lim lim g'( ) g'( ) k ( k) x 16
17 Convergenza 3 Teorema (Otrowski): Sia α un punto fisso di g C 1 [, ]. (0) Se x [, ], g'( x) 1, x [, ], allora la successione delle iterate generata da g è tale che ( k) (a) x (unico punto fisso) ( k) (b) x [, ] La convergenza può esserci in insiemi molto più grandi di quelli in cui (condizione sufficiente, convergenza locale) g '( ) 1 α g(x) α x 1 x 3 x 4 x 2 x 0 x x 3 2 x 1 x 0 1 g '( ) 0 convergenza alternata 0 g '( ) 1 convergenza monotona 17
18 Convergenza 4 18
19 Ordine di convergenza Per i metodi di iterazione funzionale è possibile anche dare una relazione tra ordine del metodo e molteplicità di α rispetto a g p Teorema: Sia (opportuno intervallo) punto fisso di g C [ ], con p 2 (0) ( ) Se per un punto x la successione x k è convergente e se () i g ( ) 0 ( p per i=1,...p-1 e g ) ( ) 0 allora il metodo ha ordine di convergenza p e risulta ( k 1) x ( p) g ( ) lim p ( k) k x p! A parità di ordine di convergenza p, quanto più piccola risulterà la ( quantità g p) ( )/ p! tanto più veloce sarà la convergenza delle iterate ad α 19
20 Ordine di convergenza DIM: Dallo sviluppo di Taylor si ha in generale x g( x ) ( k1) ( k) (tenuto conto che ) ( k) 2 ( x ) ( ) ( ) '( )( ) ''( ) 2! ( k) p1 ( k) p ( p1) ( x ) ( p) ( x ) g ( ) g ( ) ( p 1)! p! ( k1) ( k) ( k) x g x g g x g k Dove ( x ( ), ). Quindi se valgono le ipotesi del teorema si ha la tesi. 20
21 Convergenza metodo di Newton Il metodo di Newton può essere visto come un metodo di iterazione funzionale con la funzione g data da f x gx ( ) x ( ) f '( x) 2 f ''( x) f( x) Osservando che se f C e f '( ) 0: g'( x) g'( ) 0 2 ( f '( x)) il metodo è localmente sempre convergente La convergenza è quadratica per radici semplici e si riduce a lineare per radici multiple. Risultati di convergenza globale: Teorema: Sia f C 2 [ ]tale che (i) f( x) f ''( x) 0 in( ] (ii) f '( x) 0 in ( ) x0 ( ] la successione originata dal metodo di Newton DECRESCE monotonicamente ad α. Per gli intorni sinistri [α+ρ, α) si ottiene una successione che converge in modo monotono CRESCENTE ad α. 21
22 Esercizio 1 22
23 Esercizio 1 (segue ) 23
24 Esercizio 1 (segue ) 24
25 Esercizio 2 25
26 Esercizio 3 26
27 Esercizio 3 (segue ) 27
28 Esercizio 4 28
29 Esercizio 4 (segue ) 29
30 Condizionamento (caso scalare) Non è facile quantificare cosa si intenda per perturbazione di un equazione non lineare. Conviene considerare l equazione riscritta come f( x) 0 ( x) d Se α radice semplice di f φ(α)=d α=φ -1 (d) α=g(d) G esprime il legame funzionale tra la radice ed il dato iniziale d 2 Gd ( d) Gd ( ) G'( d) d o( d) G'( d) d Supponendo f C 1 studiamo la sensibilità del calcolo delle radici di f rispetto a variazioni sul dato d. d kf d d d Applicando le regole di derivazione per funzioni inverse 1 d d kf '( ) f '( ) 30
31 Sistemi non lineari La maggior parte dei metodi considerati per il caso monodimensionale possono venire generalizzati con successo al caso di sistemi. Tra essi non ci possono essere quei metodi che considerano, ad ogni iterazione, una scelta opportuna di un intervallo in cui era compresa la radice (bisezione, regula falsi). * * Problema: data F: n n, trovare x n tale che F( x ) 0 Tra i metodi il più usato è l estensione vettoriale del metodo di Newton Fi dove J F ( x) indica la matrice Jacobiana J ( x ), ( ) i j x x F j Dal punto di vista implementativo il metodo può essere riscritto considerando, ad ogni iterazione, due sottopassi Risolvere Calcolare 1 ( k1) ( k) ( k) ( k) x x J ( ) F x F ( x ) J x δx F x F ( k) ( k) ( k) ( ) ( ) x x δx ( k 1) ( k ) ( k ) Ad ogni passo k si deve risolvere un sistema lineare con matrice ( k) J F ( x ) 31
32 Per quanto riguarda la convergenza si può dimostrare (risultato dovuto a Kantorovich) che se la matrice Jacobiana è non singolare, partendo da (0) una approssimazione iniziale x sufficientemente buona, il processo * iterativo genera una successione convergente alla radice x L ordine di convergenza è quadratico La sensibilità del metodo alla scelta del punto iniziale è molto più marcata che nel caso scalare Il costo richiesto ad ogni passo per la risoluzione del sistema lineare è molto elevato per n grande La matrice Jacobiana può essere malcondizionata dando luogo a soluzioni non necessariamente accurate. VARIANTI METODO DI NEWTON 32
33 Varianti metodo di Newton Valutazione ciclica della matrice Jacobiana: si mantiene la stessa matrice Jacobiana per un certo numero p>1 di iterazioni: metodo di Newton modificato. L aumento di efficienza è pagato da una velocità di convergenza più bassa. Risoluzione inesatta dei sistemi lineari: si risolvono i sistemi lineari con un metodo iterativo (facendone solo alcuni passi); per esempio Jacobi, Gauss-Siedel o Gauss-Siedel con rilassamento: metodi di Newton inesatti. Approssimazione Jacobiana con rapporti incrementali: ad ogni passo si considera al posto della matrice Jacobiana una sua approssimazione mediante rapporti incrementali n-dimensionali (come vantaggio non si 2 deve calcolare le n derivate parziali costituenti J(x) Fx e Fx ( J ), k 0 ( k) ( k) ( k) ( k ) ( hj j) ( ) h j ( k) hj 33
34 Metodi di iterazione funzionale Come nel caso monodimensionale il problema può essere riformulato in modo da trovale la soluzione come punto fisso di una opportuna funzione di iterazione Data G:, trovare x tale che G( x ) x n n * n * * Si considerano metodi iterativi della forma x G( x ) ( k1) ( k) * Teorema: Se x è punto fisso di G, condizione sufficiente per la convergenza alla radice, del metodo iterativo è che esistano due numeri positivi K e ρ, con K<1, tali che si abbia * Gx ( ) K, xd x: x x purché x (0) * sia scelto in ; in tal caso x è l unico punto fisso di G in D D 34
35 Per quanto riguarda l ordine di convergenza, il teorema monodimensionale non può essere esteso direttamente, tuttavia se esistono continue le derivate seconde delle componenti di G, si può dimostrare che condizione sufficiente perché il metodo (se converge al punto fisso) converga linearmente è che sia * Gx ( ) 0 * Se Gx ( ) 0la convergenza è almeno quadratica ed è esattamente quadratica se risulta non nulla almeno una delle matrici hessiane H * i( x ) Gi Gi G i 2 x1 x1x2 x1xn Gi Gi Gi 2 xnx1 xnx2 x n x x * 35
Laboratorio di Calcolo Numerico
Laboratorio di Calcolo Numerico M.R. Russo Università degli Studi di Padova Dipartimento di Matematica Pura ed Applicata A.A. 2009/2010 Equazioni non lineari Data una funzione consideriamo il problema
DettagliProblema. Equazioni non lineari. Metodo grafico. Teorema. Cercare la soluzione di
Problema Cercare la soluzione di Equazioni non lineari dove Se è soluzione dell equazione, cioè allora si dice RADICE o ZERO della funzione Metodo grafico Graficamente si tratta di individuare l intersezione
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Problemi non lineari Definizione f : R R F : R n R m f (x) = 0 F(x) = 0 In generale si determina
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)
DettagliMetodi per il calcolo degli zeri di funzioni non lineari
Metodi per il calcolo degli zeri di funzioni non lineari N. Del Buono 1 Introduzione Le radici di un equazione non lineare f(x) = 0 non possono, in generale, essere espresse esplicitamente e anche quando
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni non lineari Sia F C 0 ([a, b]), cioé F è una funzione continua in un intervallo [a, b] R, tale che F(a)F(b) < 0 1.5 1 F(b) 0.5 0 a
DettagliClaudio Estatico Equazioni non-lineari
Claudio Estatico (claudio.estatico@uninsubria.it) Equazioni non-lineari 1 Equazioni non-lineari 1) Equazioni non-lineari e metodi iterativi. 2) Metodo di bisezione, metodo regula-falsi. 3) Metodo di Newton.
DettagliMetodi numerici per zeri di funzioni
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari Metodi numerici per zeri di funzioni 1 Metodo delle successive bisezioni Se f(x) C([a, b]) ed f(a) f(b)
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
DettagliCALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni
CALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2017-2018) V Lezione del 15.03.2018 http://www.dmmm.uniroma1.it/ laura.pezza 1 Metodo di Newton:
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 Risoluzione di Equazioni non lineari Sia
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica e delle Telecomunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica e delle Telecomunicazioni Prof.ssa L. Pezza (A.A. 2017-2018) IV Lezione del 13.03.2018 http://www.dmmm.uniroma1.it/ laura.pezza 1 Equazioni non
Dettaglidata una funzione f, non lineare calcolare le soluzioni dell equazione f(x) = 0 in un intervallo [a,b]
RISOLUZIONE NUMERICA DI EQUAZIONI NON LINEARI PROBLEMA: data una funzione f, non lineare calcolare le soluzioni dell equazione f() = 0 in un intervallo [a,b] 1 f ( ) = log( ) +, (0,10) ξ Esiste una sola
DettagliLa determinazione delle radici in forma chiusa non è sempre possibile (già per polinomi di ordine 5 non è generalmente possibile).
SOLUZIONE DI EQUAZIONI NON-LINEARI Molti problemi sono espressi nella forma f(x) = 0 con f(x) funzione non lineare (es. log(x 2 + a) + b cos x = 0, x 5 + ax 3 + b = 0) La determinazione delle radici in
DettagliEquazioni non lineari
Equazioni non lineari Introduzione In molte applicazioni intervengono equazioni che non siamo in grado di risolvere analiticamente, o la cui risoluzione risulta molto complessa e laboriosa. Un importante
DettagliCorso di Analisi Numerica - AN1. Parte 3: metodi iterativi per sistemi lineari ed. equazioni nonlineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 3: metodi iterativi per sistemi lineari ed equazioni nonlineari Roberto Ferretti Filosofia generale dei metodi iterativi Metodi iterativi per Sistemi Lineari Convergenza
DettagliMetodi di Ottimizzazione
Metodi di Ottimizzazione Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famospaghi, @famoconti http://stegua.github.com Metodi di Ottimizzazione
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
DettagliEquazioni non lineari
Equazioni non lineari Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Equazioni non lineari 1 / 40 Problema Data una
DettagliMetodi Numerici per l Approssimazione degli Zeri di una Funzione
Metodi Numerici per l Approssimazione degli Zeri di una Funzione Luca Gemignani luca.gemignani@unipi.it 29 marzo 2018 Indice Lezione 1: Il Metodo di Bisezione. 1 Lezione 2: Metodi di Iterazione Funzionale.
DettagliMetodi di Ricerca Lineare
Metodi di Ricerca Lineare Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Metodi di Ottimizzazione
DettagliRISOLUZIONE APPROSSIMATA DI UN EQUAZIONE
RISOLUZIONE APPROSSIMATA DI UN EQUAZIONE Introduzione Si vogliano individuare, se esistono, le radici o soluzioni dell equazione f(x)=0. Se f(x) è un polinomio di grado superiore al secondo o se è una
DettagliEQUAZIONI non LINEARI
EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI
DettagliCorso di Analisi Numerica - AN410. Parte 3: metodi iterativi per sistemi lineari ed. equazioni nonlineari. Roberto Ferretti
Corso di Analisi Numerica - AN410 Parte 3: metodi iterativi per sistemi lineari ed equazioni nonlineari Roberto Ferretti UNIVERSITÀ DEGLI STUDI ROMA TRE Filosofia generale dei metodi iterativi Metodi iterativi
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 4 novembre 2007 Outline 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2017-2018) III Lezione del 12.03.2018 http://www.dmmm.uniroma1.it/ laura.pezza 1 I metodi
DettagliEquazioni non lineari
Capitolo 2 Equazioni non lineari 2.1 Richiami di teoria Prerequisiti: teorema di Gauss, nozioni elementari di calcolo differenziale. In generale, per risolvere una equazione della forma f(x) = 0 dove f
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
DettagliCorso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 2. Determinazione numerica degli zeri di una funzione Si consideri il seguente problema: Data f : [a, b] R, determinare i valori
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2016-2017) IV Lezione del 06.03.2017 http://www.dmmm.uniroma1.it/ laura.pezza 1 Equazioni
DettagliAPPUNTI DI CALCOLO NUMERICO
Premessa APPUNTI DI CALCOLO NUMERICO Equazioni non lineari Mawell Sia data una unzione ( ) : non lineare e si cerchino le radici (o gli zeri) della seguente equazione ( ) = di variabile reale con valori
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
DettagliCapitolo 2. Equazioni non lineari. 2.1 Metodo di bisezione. 2.2 Ordine dei metodi
Capitolo 2 Equazioni non lineari 2.1 Metodo di bisezione Data la successione {x n } n prodotta dal metodo di bisezione convergente alla radice ξ di f(x), il criterio d arresto basato sul residuo (cioè
DettagliRisoluzione di equazioni non lineari
Risoluzione di equazioni non lineari Si considera il problema di determinare la soluzione dell equazione f(x) = 0 ove f(x) è una funzione definita in un intervallo [a, b], chiuso e limitato. Ogni valore
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
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
DettagliRISOLUZIONE DI EQUAZIONI NON LINEARI PROBLEMA:
RISOLUZIONE DI EQUAZIONI NON LINEARI PROBLEMA: data una funzione f, non lineare calcolare le soluzioni dell equazione f(x) = 0 f ( x) = log( x) + x, x (0,0) ξ Esiste una sola soluzione f ( x) = x +, x
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 2 - EQUAZIONI NON LINEARI Introduzione Problema: trovare le soluzioni di un equazione del tipo f() = 0 Esempio sin a = 0 e = 3 1.0 2.0 0.5
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
Dettagli1 Esercizi relativi al Capitolo 1
1 Esercizi relativi al Capitolo 1 1. (a) x = 7; (b) (x) 4 = (32.1) 4 = (14.25) 10 ; (c) x = 5; (d) (200) x = (18) 10 ; x = 3; y = (11330) 8 = (4824) 10 ; (e) x = 2882.125; y = 231002.02; (f) (x) 3 = (12122.1012)
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 2 - EQUAZIONI NON LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Elementi introduttivi 2 3 4 Introduzione Problema: trovare le soluzioni di
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
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliDaniela Lera A.A. 2008-2009
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Equazioni non lineari Metodo di Newton Il metodo di Newton sfrutta le informazioni sulla funzione
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)
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
DettagliAnalisi Matematica 1 Soluzioni prova scritta n. 1
Analisi Matematica Soluzioni prova scritta n Corso di laurea in Matematica, aa 008-009 5 giugno 009 Sia a n la successione definita per ricorrenza: a n+ 3 a n a 3 n, a 3 a n+ 3 a n a 3 n, a 3 a n+ 3 a
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
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.
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Equazioni non lineari Metodi di linearizzazione Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
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
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
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
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.
DettagliLEZIONE 5. Esercizio 5.1. Calcolare il limite per x ± delle seguenti funzioni. lim. lim. lim. lim. lim. e x ) x. per x. lim
5 LEZIONE 5 Esercizio 5.1. Calcolare il ite per x ± delle seguenti funzioni. 2x3 3x 2 = x3 (2 3/x) =±. x2 sin x 2 x 4 = x4 (sin x 2 /x 2 1) =. ex x = ex (1 x/e x )=. sin 1 x cos x2 =0, infatti all infinito
DettagliProblemi di Calcolo Numerico
Problemi di Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Corso di Laurea in Ingegneria delle Telecomunicazioni a.a. 2007/2008 2 Zeri di funzioni reali Problema 1 Sia f la funzione definita,
DettagliOttimizzazione numerica
Funzioni univariate 28 Ottobre 2010 Funzioni univariate Outline 1 Funzioni univariate 2 optim Funzioni univariate I metodi di ottimizzazione consentono di trovare i punti estremanti (massimi, minimi) di
DettagliANALISI 1 - Teoremi e dimostrazioni vari
ANALISI 1 - Teoremi e dimostrazioni vari Sommario Proprietà dell estremo superiore per R... 2 Definitivamente... 2 Successioni convergenti... 2 Successioni monotone... 2 Teorema di esistenza del limite
DettagliFacoltá di SMFN Corso di Studi in MAtematica- A.A Corso di ANALISI NUMERICA 1: Esempi di esercizi svolti Prof.
Facoltá di SMFN Corso di Studi in MAtematica- A.A. 009-00 Corso di ANALISI NUMERICA : Esempi di esercizi svolti Prof. Carla MANNI ) Determinare se il problema del calcolo delle radici reali dell equazione
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
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
DettagliEsame di MATEMATICA CORSO BASE del
Esame di MATEMATICA CORSO BASE del Cognome Matricola Nome Esercizio. Si consideri il seguente sistema x 3y + z =5 x ky +z = k kx y z = Si trovino il numero delle soluzioni al variare del parametro k e
DettagliPolinomi. I polinomi della forma
I polinomi della forma Polinomi p(x) = a 0 +a 1 x+a 2 x 2 + +a N x N richiedono N potenze, N somme e N moltiplicazioni per essere valutati Un metodo più efficiente (Horner) è p(x) = a 0 +x (a 1 +x (a 2
DettagliIl Metodo di Newton, o delle Tangenti Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Il Metodo di Newton, o delle Tangenti 6 Novembre 2016 Indice 1 Metodo di Newton, o delle tangenti 2 1.1
DettagliMetodi Numerici (A.A ) Prof. F. Pitolli
Metodi Numerici (A.A. 2007-2008) Prof. F. Pitolli Appunti delle lezioni su: metodo di Newton in IR n ; equazioni non lineari, metodo di bisezione e metodo di Newton in IR Equazioni non lineari Numerosi
DettagliPreparazione orale analisi numerica:
Preparazione orale analisi numerica: CAPITOLO Errori (1): Ricavare il coefficiente di amplificazione: Sviluppare la serie di Taylor su di centro CAPITOLO Gerschgorin (4): Primo teorema di Gershgorin (Massimizzare
DettagliMATLAB:Metodi Numerici per zeri di funzioni.
1 Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari MATLAB:Metodi Numerici per zeri di funzioni Metodo delle successive bisezioni Sappiamo che la procedura definita dal
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
DettagliAnalisi Matematica B Soluzioni prova scritta parziale n. 2
Analisi Matematica B Soluzioni prova scritta parziale n. Corso di laurea in Fisica, 017-018 9 febbraio 018 1. Determinare il numero di soluzioni reali dell equazione x 4 = ln(1 + x ). Svolgimento. Posto
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
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 Risoluzione di Equazioni Algebriche Le equazioni
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Problema e definizioni Metodo di Newton-Raphson Test d arresto Algoritmo ed esercizi
DettagliMetodi per la ricerca degli zeri
Chapter 5 Metodi per la ricerca degli zeri 5.1 Introduzione In questo capitolo ci occuperemo della soluzione di equazioni del tipo f(x) = 0 (5.1) dove f è una funzione a valori reali della variabile reale
Dettagli3.7 Metodi quasi-newton
3.7 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f si estraggono informazioni relative alle derivate seconde dalle variazioni di f. Si genera
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliANALISI VETTORIALE COMPITO IN CLASSE DEL 8/11/2013
ANALISI VETTORIALE COMPITO IN CLASSE DEL 8//3 Premessa (Cfr. gli Appunti di Analisi Vettoriale / del Prof. Troianiello) Nello studio degli integrali impropri il primo approccio all utilizzo del criterio
Dettagli1) D0MINIO FUNZIONE. Determinare il dominio della funzione f (x) = 4 x 2 4x + 3 x 2 6x + 8 Deve essere. x 2 6x + 5 (x 1) (x 5)
) DMINIO FUNZIONE Determinare il dominio della funzione f (x) = x x + x x + 8 x x + (x ) (x ) Deve essere = quindi x (, ] (, ] (, + ). x x + 8 (x ) (x ) Determinare il dominio della funzione f (x) = x
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 9 - Equazioni non lineari
Complementi di Matematica e Calcolo Numerico A.A. 2017-2018 Laboratorio 9 - Equazioni non lineari Data f : R R determinare α R tale che f(α) = 0 Le soluzioni di questo problema vengono dette radici o zeri
DettagliCapitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo
Capitolo Esercizi a.a. 206-7 Esercizi Esercizio. Dimostrare che il metodo iterativo x k+ = Φ(x k ), k = 0,,..., se convergente a x, deve verificare la condizione di consistenza x = Φ(x ). Ovvero, la soluzione
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
DettagliLaboratorio di Calcolo Numerico A.A Laboratorio 4 Risoluzione di sistemi non lineari Metodo di punto fisso
Laboratorio di Calcolo Numerico A.A. 2007-2008 Laboratorio 4 Risoluzione di sistemi non lineari Metodo di punto fisso Esercizio 1. Risoluzione di sistemi non lineari Si consideri il seguente sistema non
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliMauro Saita Grafici qualitativi di funzioni reali di variabile reale
Mauro Saita Grafici qualitativi di funzioni reali di variabile reale Per commenti o segnalazioni di errori scrivere, per favore, a: maurosaita@tiscalinet.it Ottobre 2017 1 Indice 1 Qual è il grafico della
DettagliAlgoritmi numerici. Zeri di una funzione. Integrale di una funzione. Soluzione di una equazione differenziale
Algoritmi numerici Zeri di una funzione Integrale di una funzione Soluzione di una equazione differenziale Zeri di una funzione Trovare le soluzioni di f(x) = 0 dove f(x) e una funzione reale di variabile
DettagliStudio qualitativo. Emanuele Paolini 2 luglio 2002
Studio qualitativo Emanuele Paolini 2 luglio 2002 Non sempre è possibile determinare esplicitamente le soluzione di una equazione differenziale. Ci proponiamo quindi di trovare dei metodi per determinare
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
DettagliCapitolo 3: Ottimizzazione non vincolata parte II. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte II E. Amaldi DEI, Politecnico di Milano 3.3 Metodi basati su direzioni di ricerca Problema di ottimizzazione non vincolata: min x R n f(x) con f : R n R di
DettagliIntroduzione al problema
INTRODUZIONE AL PROBLEMA 1 di Simone BIANCO 1 Introduzione al problema Lo scopo della tesi svolta e quello di ricalibrare il colore nelle immagini fotografiche, ovvero: si supponga di avere un immagine
DettagliRelazione di laboratorio di Analisi Numerica: metodi di ricerca zeri
Relazione di laboratorio di Analisi Numerica: metodi di ricerca zeri Francesco Genovese, Università di Pavia 8 febbraio 2008 Sommario Questa relazione di laboratorio di Analisi Numerica (corso dell A.A.
DettagliEsercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
Dettagliaprile 2007 dicembre 2000 Metodi iterativi Metodi iterativi dell equazione equazione f(x)=0 per l approssimazione l
Metodi iterativi Metodi iterativi per l approssimazione l delle radici dell equazione equazione f()=0 dicembre 000 aprile 007 Definizione Si chiama RADICE di una equazione a()=b() un numero (reale) u tale
DettagliSERIE NUMERICHE. c Paola Gervasio - Analisi Matematica 1 - A.A. 2018/19 Serie numeriche cap5c.pdf 1
SERIE NUMERICHE c Paola Gervasio - Analisi Matematica - A.A. 208/9 Serie numeriche cap5c.pdf Serie numerica Definizione. Sia a k : N R una successione definita per k k 0. La sommatoria (di infiniti addendi)
DettagliIL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero
IL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero Il teorema degli zeri è fondamentale per determinare se una funzione continua in un intervallo chiuso [ a ; b ] si annulla in almeno un punto interno
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
Dettagli