Metodo del gradiente e metodo di Newton
|
|
- Nicoletta Simonetti
- 4 anni fa
- Visualizzazioni
Transcript
1 Metodo del gradiente e metodo di Newton Esercizio : implementazione dei metodi del gradiente e di Newton Si considerino il metodo del gradiente, con ottimizzazione unidimensionale esatta, ed il metodo di Newton. Sia ε > un valore di tolleranza fissato a priori. Si utilizzi, come criterio d arresto del metodo, la condizione f (x k ) < ε, dove f (x k ) è il gradiente della funzione f valutato in x k. a) Si implementi il metodo del gradiente. b) Si implementi il metodo di Newton. Traccia per le implementazioni File descentmethod.m: stub di un metodo di discesa. Trova un minimo locale x (con valore f(x) ) della funzione f a partire da un punto iniziale x, dati una tolleranza ε > e un limite sulle iterazioni. Restituisce il numero delle iterazioni svolte (counter) e la norma del gradiente f(x ) nell ultima soluzione (error). Le variabili xks e fks contengono la lista delle soluzioni trovate a ogni iterazione e i corrispondenti valori della funzione obiettivo (utili per rappresentare graficamente i risultati ottenuti). % Stub of a descent method function [xk, fk, counter, error, xks, fks] =... descentmethod(f, x, epsilon, maxiterations) xks = [x ]; fks = [feval(f,x)]; xk = x; counter = ; error = e3; while error > epsilon && counter < maxiterations counter = counter + ; % d = alpha = fminsearch(@(a) feval(f,xk + a*d),.); %exact -d opt xk = xk + alpha*d; error = norm(grad(f,xk)); fk = feval(f,xk); xks = [xks; xk ]; fks = [fks; fk]; %of function Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti.
2 File grad.m: stima numericamente il gradiente f(x) di f nel punto x. % Gradient of a function at a point function gradf = grad(f, x) h =.; n = length(x); gradf = zeros(n,); for i = :n delta = zeros(n, ); delta(i) = h; gradf(i) = ( feval(f, x+delta) - feval(f,x) ) / h; %of function Si scriva un metodo analogo per la stima dell Hessiana. Esercizio : funzione di Rosenbrock Si consideri la funzione di Rosenbrock f(x) = (x x ) +( x ). Si tratta di una funzione quadratica non convessa spesso utilizzata per testare sperimentalmente la convergenza di algoritmi di ottimizzazione nonlineare. Figura : Funzione di Rosenbrock. a) Se ne trovi analiticamente l unico ottimo globale. b) Si osservi il comportamento del metodo del gradiente, parto dalle soluzioni iniziali: x = (,), x = (,) e x = (,), utilizzando un massimo di 5, 5 e iterazioni. c) Si osservi il comportamento del metodo di Newton, parto dal punto (,) e si commenti la differenza tra le sequenze di punti trovate dai due metodi. Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti.
3 File contour stub.m: plotta le curve di livello della funzione bivariata myfunction sul dominio [x lb,x ub ] [y lb,y ub ]. f %plot the contour of the function [X,Y] = meshgrid(x_lb:x_step:x_ub, y_lb:y_step:y_ub); Z = zeros(size(x,),size(x,)); for i = :size(x,) for j = :size(x,) Z(i,j) = feval(f,[x(i,j);y(i,j)]); figure; contour(x,y,z,5); File f rosenbrock.m function f = f_rosenbrock(x) f = *(x()-x()^)^ + (-x())^; Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 3
4 Soluzione Esercizio : implementazione dei metodi del gradiente e di Newton a) File steepestdescent.m: metodo del gradiente. % Steepest descent method function [xk, fk, counter, error, xks, fks] =... steepestdescent(f, x, epsilon, maxiterations) xks = [x ]; fks = [feval(f,x)]; xk = x; counter = ; error = e3; while error > epsilon && counter < maxiterations counter = counter + ; d = -grad(f, xk); alpha = fminsearch(@(a) feval(f,xk + a*d),.); xk = xk + alpha * d; error = norm(grad(f,xk)); fk = feval(f,xk); xks = [xks; xk ]; fks = [fks; fk]; %of function Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 4
5 b) File newton.m: metodo di Newton. % Newton method function [xk, fk, counter, error, xks, fks] =... newton(f, x, epsilon, maxiterations) xks = [x ]; fks = [feval(f,x)]; xk = x; counter = ; error = e3; while error > epsilon && counter < maxiterations counter = counter + ; gradf = grad(f, xk); H = hes(f, xk); d = -inv(h)*gradf; alpha = ; xk = xk + alpha * d; error = norm(grad(f,xk)); fk = feval(f,xk); xks = [xks; xk ]; fks = [fks; fk]; File hes.m: stima numericamente l Hessiano f(x) di f nel punto x. % Hessian of a function at a point function H = hes(f, x) h =.; n = length(x); H = zeros(n,n); for i = :n delta_i = zeros(n, ); delta_i(i) = h; for j = :n delta_j = zeros(n, ); delta_j(j) = h; H(i,j) = (feval(f,x+delta_i+delta_j) - feval(f,x+delta_i)... - feval(f,x+delta_j) + feval(f,x)) / (h^); % of function Esercizio : funzione di Rosenbrock a) L ottimo globale della funzione è in x = (,), come si può osservare calcolando i punti in cui il gradiente è. b) Lo script run ex grad.m lancia (per il punto (,)) il metodo del gradiente sulla funzione in analisi per 5 iterazioni, indica la distanza in norma (optimality gap) dalla Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 5
6 soluzione x ottima e stampa la sequenza {x k } di punti trovata sul grafico delle curve di livello. Si modifichi lo script per effettuare tutti gli esperimenti indicati. clear all close all f [X,Y] = meshgrid(-3:.:3, -5:.:6); Z = zeros(size(x,),size(x,)); for i = :size(x,) for j = :size(x,) Z(i,j) = feval(f,[x(i,j);y(i,j)]); %plot the function figure; surf(x,y,z, FaceColor, interp, EdgeColor, none ) camlight left; lighting phong plot3(,,, *y ); %plot the contour of the function figure; contour(x,y,z,5); %optimize --for 5 iterations, starting rfom [-;]. Change the code for % the other cases eps =.; x = [-; ]; max_iter = 5; plot(x(),x(), o ); [xstar, xstar, counter, error, xks, fks ] =... steepestdescent(f, x, eps, max_iter); gap = norm(xstar-[; ]); plot(xks(:,), xks(:,), r ); plot(,, * ); La Tabella riporta la soluzione trovata con il metodo del gradiente, il numero di iterazioni effettuate e il gap per i punti iniziali indicati. I risultati sperimentali confermano quanto attestato dalla teoria: l algoritmo converge a una soluzione localmente ottima (in questo caso unica) per ogni x. Gode cioè della proprietà di convergenza globale. La rapidità di convergenza, come osservabile, è fortemente sensibile alla soluzione iniziale adottata. Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 6
7 Tabella : Risultati dati dal metodo del gradiente applicato alla funzione di Rosenbrock. x it x f (x ) x (,) f (x ) (-,) 5 (.38,.57) (,) 5 (.477,.8) (-,) 5 (.597,.795) (-,) 5 (.9744,.9493) (,) 5 (.9983,.9966) (-,) 5 (.8,.65) (-,) (.9744,.9493) (,) (.9983,.9966) (-,) (.8,.65) c) Lo script run ex newton.m lancia il metodo di Netwon sul problema in esame: f %plot the contour of the function [X,Y] = meshgrid(-:.:, -3.5:.:3); Z = zeros(size(x,),size(x,)); for i = :size(x,) for j = :size(x,) Z(i,j) = feval(f,[x(i,j);y(i,j)]); figure; contour(x,y,z,5); %optimize x = [-; ]; eps =.; max_iter = 5; %newton [xstar, fstar, counter, error, xks, fks ] =... newton(f, x, eps, max_iter); gap = norm(xstar-[; ]) plot(xks(:,), xks(:,), b ); plot(xks(:,), xks(:,), b* ); La Tabella riporta la soluzione trovata con il metodo di Newton, il numero di iterazioni effettuate e il gap per i punti iniziali indicati. La funzione in esame è quadratica ma non convessa. Le successioni {x k } generate dal metodo del gradiente e di Newton sono rappresentate nella Figura. Si noti come, considerando lo stesso punto iniziale x, le successioni {x k } Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 7
8 Tabella : Risultati dati dal metodo di Newton applicato alla funzione di Rosenbrock. x it x f (x ) x (,) f (x ) (-,) 7 (.975,.9437) (,) 4 (.975,.9438) (-,) 7 (.974,.9435) generate dai due metodi siano notevolmente diverse. Il metodo del gradiente fa molte iterazioni e converge al punto di minimo x molto lentamente. Il metodo di Newton converge al punto di minimo x in poche iterazioni, ma, nel caso dei punti x = (,) e x = (,), si nota che, in alcune iterazioni, la direzione d k non è di discesa (in questi casi, passando da x k a x k+, ci sposta in un punto del dominio in cui le curve di livello sono più chiare, dunque corrispondenti a valori più alti per la funzione obiettivo.) Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 8
9 Laboratorio 4 Prof. E. Amaldi Ottimizzazione (a) x = (, ), metodo del gradiente. (b) x = (, ), metodo di Newton (c) x = (, ), metodo del gradiente. (d) x = (, ), metodo di Newton (e) x = (, ), metodo del gradiente. (f) x = (, ), metodo di Newton. Figura : Comportamento del metodo del gradiente e di Newton sulla funzione di Rosenbrock: in rosso le iterazioni con indice minore di 5, in blu le iterazioni con indice da 5 a 5. Edizione 3 a cura di V. Danese. Edizione originale di L. Liberti. 9
Problema della distanza molecolare e addestramento di reti neurali
Problema della distanza molecolare e addestramento di reti neurali Esercizio : geometria molecolare con distanze euclidee Il problema noto in letteratura come Molecular Distance Geometry Problem, o MDGP,
DettagliMolecular Distance Geometry Problem and training of neural networks.
Molecular Distance Geometry Problem and training of neural networks Exercize : Molecular Distance Geometry Problem The Molecular Distance Geometry Problem, or MDGP, consists in reconstructing the 3-D structure
DettagliMetodo del Punto Interno in Programmazione Lineare
Metodo del Punto Interno in Programmazione Lineare Si scriva un programma Matlab che implementi il metodo del punto interno per la programmazione lineare, e si risolva il seguente problema: min x 1 x x
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
DettagliLEZIONE ICO
LEZIONE ICO 9-10-2009 Argomento. Rassegna dei metodi numerici utilizzabili per la soluzione di problemi di ottimizzazione statica. Metodi del gradiente e di Newton e loro derivati. Metodi di penalita e
DettagliLaboratorio di Calcolo Numerico
Laboratorio di Calcolo Numerico Lezione 4 Padova, April 12nd 2016 F. Piazzon Department of Mathematics. Doctoral School in Mathematical Sciences, Applied Mathematics Area Outline Lab. 4-2 of 9 1 Matlab:
Dettagliminimize f(x 1,x 2 ) = 1 2 x2 1 + a 2 x2 2
3.1 Ottimizzazione lungo direzioni coniugate. Risolvere il seguente problema: minimize f(x 1,x 2 ) = 12x 2 + 4x 2 1 + 4x 2 2 4x 1 x 2 manualmente, utilizzando il metodo delle direzioni coniugate: determinare
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
DettagliProblema della distanza molecolare e addestramento di reti neurali
Problema della distanza molecolare e addestramento di reti neurali Esercizio 1: geometria molecolare con distanze euclidee Il problema noto in letteratura come Molecular Distance Geometry Problem, o MDGP,
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
DettagliLaboratorio Complementi di Ricerca Operativa DEI, Politecnico di Milano. Stima di parametri
Stima di parametri Il gestore di un sito turistico dove si pratica il bungee-jumping deve fornire alla sovrintendenza municipale un documento che riguarda la sicurezza del servizio fornito. Il documento
Dettagli4.5 Metodo del gradiente
4.5 Metodo del gradiente Si cerca un punto stazionario di f : R n R con f C 1. Metodo del gradiente con ricerca 1-D esatta: Scegliere x 0, porre k := 0 Iterazione: d k := f(x k ) Determinare α k > 0 tale
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
DettagliMetodo di Barriera (o dei Punti Interni) per la Programmazione Lineare
Metodo di Barriera (o dei Punti Interni) per la Programmazione Lineare Si consideri il seguente problema di programmazione lineare: (P) min c T x (1) s.t. Ax = b (2) x 0 (3) I vincoli che rono difficile
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Metodi di Newton e Punto fisso
Complementi di Matematica e Calcolo Numerico A.A. 2011-2012 Laboratorio 4 - Metodi di Newton e Punto fisso [1] Metodo di Newton Costruire una MATLAB FUNCTION che, dati dall utente: una funzione f una funzione
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
DettagliCalcolo Numerico (A.A ) Esercitazione n. 9. Metodo del punto unito, Metodo di Newton per sistemi
Calcolo Numerico (A.A. 2012-2013) Esercitazione n. 9 Metodo del punto unito, Metodo di Newton per sistemi 23-04-2013 Esercizio 1.25 L. Gori, M.L. Lo Cascio, F. Pitolli, Esercizi di Calcolo Numerico, II
DettagliComplementi di Matematica A.A Laboratorio 10
Complementi di Matematica A.A. 2016-2017 Laboratorio 10 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare la funzione predefinita
DettagliProgr. Non Lineare: algoritmi
Progr. Non Lineare: algoritmi Fabio Schoen schoen@ing.unifi.it http://globopt.dsi.unifi.it/users/schoen A.A. 22-23 Programmazione Non Lineare: Cenni sugli algoritmi di ottimizzazione locale Schema generale
DettagliRicerca di zeri di equazioni non lineari
Ricerca di zeri di equazioni non lineari Problema (esboa). Si vuole determinare l altezza x della parte sommersa di una boa sferica di raggio R = 0.055m e densità di massa ρ b = 0.6Kg/m 3, posta in acqua
Dettagli4.8 Metodi quasi-newton
4.8 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f (x) si estraggono informazioni relative alle derivate seconde dalle variazioni di f (x).
DettagliLaboratorio 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
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
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
DettagliLaboratorio di Calcolo Numerico Laboratorio 3: equazioni non lineari
Dipartimento di Matematica Laboratorio di Calcolo Numerico Laboratorio 3: equazioni non lineari Damiano Pasetto E-mail: pasetto@math.unipd.it Dispense: http://dispense.dmsa.unipd.it/putti/calcolo ambientale/index.html
DettagliAlcuni esperimenti in Matlab relativi alla teoria degli errori (corso di Ingegneria dell Energia) 1
Alcuni esperimenti in Matlab relativi alla teoria degli errori (corso di Ingegneria dell Energia) 1 A. Sommariva Abstract Stabilità del calcolo delle radici di secondo grado. Calcolo di π. Una successione
DettagliSoluzioni: Laboratorio Calcolo Numerico labor3.pdf
Soluzioni: Laboratorio Calcolo Numerico labor3.pdf Esercizio 1 function newtonfun con flag di controllo. function [xv, fxv, n, flag] = newtonfun (f, f1, x0, toll, nmax) NEWTONFUN Metodo di Newton [xv,
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
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
DettagliMetodi Numerici Prova di Laboratorio Esami del Stefano Gualandi
Metodi Numerici Prova di Laboratorio Esami del 2018 Stefano Gualandi October 11, 2018 ii Premessa Questo documento presenta la raccolta dei testi di esame degli appelli del corso di Metodi Numerici, Prova
DettagliLaboratorio di Matematica Computazionale A.A Lab. 4
Laboratorio di Matematica Computazionale A.A. 2007-2008 Lab. 4 Complementi di Grafica 2D: Sottofinestre Per disegnare grafici separati nella stessa finestra suddividendola in sottofinestre: subplot(nr,nc,nf);
DettagliAlcuni esperimenti in Matlab relativi alla teoria degli errori
Alcuni esperimenti in Matlab relativi alla teoria degli errori Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 3 gennaio 2019 Alvise Sommariva Alcuni esperimenti
DettagliAlcuni esercizi in preparazione all appello scritto di Calcolo Numerico
Alcuni esercizi in preparazione all appello scritto di Calcolo Numerico Esercizio 1 Si consideri il sistema lineare Ax = b con 4 3 2 1 3 4 3 2 A = 2 3 4 3,b = 1 2 3 4 1 1 1 1. (1) 1. Prima di risolvere
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
DettagliMETODI DI PUNTO FISSO
METODI DI PUNTO FISSO Sia ϕ : [a, b] R [a, b] continua. Def. α è punto fisso per ϕ se ϕ(α) = α Il metodo di punto fisso è: { x (0) dato x (k+1) = ϕ(x (k) ), per k 0 Scrivere una function per l approssimazione
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
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
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 3-24/3/2014
Complementi di Matematica e Calcolo Numerico A.A. 2012-2013 Laboratorio 3-24/3/2014 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare
DettagliISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB
Calcolo Numerico ed Elementi di Analisi - Allievi AEROSPAZIALI Proff. S. Micheletti, S. Perotto A.A. 20/202, Appello 28 Gennaio 203 NOME... COGNOME... MATRICOLA... DOCENTE... AULA... PC... Ver.A I seguenti
Dettagli(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
DettagliIl flusso algoritmico di esecuzione
Il flusso algoritmico di esecuzione La conoscenza della sintassi di un linguaggio di programmazione è ovviamente solo il primo passo verso la risoluzione di problemi. Quando si intende eseguire un elaborazione,
DettagliLaboratorio di Matematica Computazionale A.A Lab. 4
Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 4 Complementi di Grafica 2D: Sottofinestre In Matlab si possono disegnare più grafici nella stessa finestra, suddividendola in sottofinestre
DettagliMetodo di Barriera (o dei Punti Interni) per la Programmazione Lineare
Metodo di Barriera (o dei Punti Interni) per la Programmazione Lineare Si consideri il seguente problema di programmazione lineare: (P) min c T x (1) s.t. Ax = b (2) x 0 (3) I vincoli che rono difficile
DettagliLaboratorio 5-6 Metodi di Bisezione, Newton e Punto Fisso
Laboratorio 5-6 Metodi di Bisezione, Newton e Punto Fisso 2009 - Questo testo (compresi i quesiti ed il loro svolgimento) è coperto da diritto d autore. Non può essere sfruttato a fini commerciali o di
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
DettagliCalcolo Numerico - Prova Matlab 19 luglio 2013
9 luglio 0 () tempo a disposizione per completare la prova: ora; () lo svolgimento della prova deve essere salvato in file denominati cognomenome#m; () è fatto assoluto divieto di aprire applicazioni diverse
DettagliLaboratorio di Matematica Computazionale A.A Lab. 3
Laboratorio di Matematica Computazionale A.A. 2007-2008 Lab. 3 Funzioni inline Esiste in Matlab una sintassi che permette di definire una funzione direttamente nello spazio di lavoro (ovvero in linea )
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
DettagliCalcolo del fattore di convergenza
Calcolo del fattore di convergenza Dato uno schema iterativo si ha: lim k x k+1 ξ x k ξ p = M p è l ordine di convergenza del metodo iterativo M è la costante asintotica dell errore o fattore di convergenza.
DettagliCalcolo Numerico (CdS in Matematica) A.A. 2012/13
Calcolo Numerico (CdS in Matematica) A.A. 2012/13 Esercitazione di Laboratorio sulla risoluzione di sistemi di equazioni lineari Parte 1. Fattorizzazione di matrici Scrivere una funzione Matlab che implementi
DettagliElementi di Calcolo Scientifico per l Ingegneria A.A
Elementi di Calcolo Scientifico per l Ingegneria A.A. 2017-2018 Ottobre 2017 (2 16) Indice 1 2 3 4 Rappresentazione dei numeri reali nel calcolatore l insieme dei numeri reali, R, contiene un numero infinito
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
DettagliGradiente Coniugato Precondizionato in MatLab
Gradiente Coniugato Precondizionato in MatLab Manolo Venturin Università degli Studi di Padova Dip. Matematica Pura ed Applicata 2008 Problema Obiettivo Risoluzione del sistema lineare Ax = b. Metodo risolutivo
DettagliLaboratorio 3-30 settembre 2005
Laboratorio 3-30 settembre 2005 Le funzioni in Octave Le funzioni in Octave vengono memorizzate come una stringa di caratteri (tra apici) >> fun= 1/(1+x^2) La semplice valutazione di fun, funzione di una
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 4-23/3/2015
Complementi di Matematica e Calcolo Numerico A.A. 2014-2015 Laboratorio 4-23/3/2015 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare
DettagliEsercizi di autovalutazione - Matlab Metodi Numerici con Elementi di Programmazione A.A
Esercizi di autovalutazione - Matlab Metodi Numerici con Elementi di Programmazione A.A. 2018-19 1. Scrivere la function Matlab myfun.m che valuti la funzione e la sua derivata in corrispondenza delle
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
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
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 Bisezione Metodo di Newton-Raphson
DettagliFACOLTA DI INGEGNERIA CIVILE
1 UNIVERSITA DI PADOVA FACOLTA DI INGEGNERIA CIVILE Corso di calcolo numerico e Programmazione PROGETTO 2: sulla soluzione dei sistemi lineari. 2 3 4 5 6 7 8 9 10 11 12 Iterate k 40 38 36 34 32 30 28 26
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
DettagliSoluzione del laboratorio 11 Metodi di punto fisso e sistemi di equazioni non lineari
Soluzione del laboratorio Metodi di punto fisso e sistemi di equazioni non lineari 29 - Questo testo (compresi i quesiti ed il loro svolgimento) è coperto da diritto d autore. Non può essere sfruttato
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliCalcolo Numerico (A.A ) Esercitazione n. 9. Metodo del punto unito, Metodo di Newton per sistemi
Calcolo Numerico (A.A. 2013-2014) Esercitazione n. 9 Metodo del punto unito, Metodo di Newton per sistemi 11-04-2014 Esercizio 1.25 L. Gori, M.L. Lo Cascio, F. Pitolli, Esercizi di Calcolo Numerico, II
DettagliIntegrazione numerica
Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 5 marzo 2007 Outline 1 Formule di quadratura semplici e composite Formule di quadratura Grado
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 6 Metodi iterativi per sistemi lineari
Complementi di Matematica e Calcolo Numerico A.A. 2017-2018 Laboratorio 6 Metodi iterativi per sistemi lineari Dati una matrice A R N N non singolare e un vettore b R N, un metodo iterativo per la risoluzione
DettagliEsercizi di autovalutazione - Matlab Metodi Numerici con Elementi di Programmazione A.A
Esercizi di autovalutazione - Matlab Metodi Numerici con Elementi di Programmazione A.A. 2017-18 1. Scrivere la function Matlab myfun.m che calcoli la funzione e la sua derivata. La function deve ricevere
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie
Complementi di Matematica e Calcolo Numerico A.A. 2010-2011 Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie Cosideriamo il seguente Problema di Cauchy: Trovare una funzione y : 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 Risoluzione di Equazioni non lineari Sia
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 6 Equazioni differenziali ordinarie: metodi impliciti 3 Novembre 26 Esercizi di implementazione Un equazione differenziale
DettagliLaboratorio di Calcolo Numerico Laboratorio 5: Scrittura su FILE. Soluzione di Equazioni non lineari
Laboratorio di Calcolo Numerico Laboratorio 5: Scrittura su FILE. Soluzione di Equazioni non lineari Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 05 Aprile 2017
DettagliLaboratorio di Calcolo Numerico Laboratorio 4: Grafici di convergenza e functions
Dipartimento di Matematica Laboratorio di Calcolo Numerico Laboratorio 4: Grafici di convergenza e functions Damiano Pasetto E-mail: pasetto@math.unipd.it Dispense: http://dispense.dmsa.unipd.it/putti/calcolo
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
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 7
Complementi di Matematica e Calcolo Numerico A.A. 2015-2016 Laboratorio 7 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare la funzione
DettagliProva d esame di Ottimizzazione (LM)
Corso di Laurea Magistrale e Laurea Specialistica in Ingegneria Gestionale Prova d esame di Ottimizzazione (LM) 4 Luglio 2011 Domanda 1 (11 punti) Sia f : R n R una funzione quadratica: f(x) = 1 2 xt Qx
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 5 Equazioni differenziali ordinarie: metodi espliciti 25 Novembre 215 Esercizi di implementazione Un equazione differenziale
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
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)
DettagliModelli Matematici per la Biologia Esercitazione 1 a.a
Modelli Matematici per la Biologia Esercitazione 1 a.a. 2006-2007 Dott. Simone Zuccher 13 Aprile 2007 Nota. Queste pagine potrebbero contenere degli errori: chi li trova è pregato di segnalarli all autore
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.
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Bisezione Metodo di
DettagliLaboratorio 10 Metodi Bisezione e Newton
Laboratorio 10 Metodi Bisezione e Newton 2009 - Questo testo (compresi i quesiti ed il loro svolgimento) è coperto da diritto d autore. Non può essere sfruttato a fini commerciali o di pubblicazione editoriale.
DettagliEsame di Calcolo Numerico
Esame di Calcolo Numerico Laurea in Statistica ed Informatica Laurea Magistrale in Astronomia Prof. S. De Marchi Padova, 16 dicembre 2010 Il candidato dovrà scrivere su ogni foglio il cognome, nome, numero
DettagliMinimizzazione (e massimizzazione) di funzioni. Antonino Polimeno
Minimizzazione (e massimizzazione) di funzioni Antonino Polimeno antonino.polimeno@unipd.it Uno dei problemi principali della chimica la minimizzazione dell energia totale di un sistema molecolare (o supramolecolare)
DettagliEsercitazione 2 Numeri finiti e propagazione dell errore
Esercitazione Numeri finiti e propagazione dell errore a.a. 018-19 Esercizio 1 (M) Si considerino le seguenti approssimazioni delle funzioni sin x e cos x sin(x) x x3 3! + x5 5! cos(x) 1 x! + x4 4! Realizzare
DettagliCercare il minimo di una funzione: Particle swam optimization
di una funzione: Particle swam optimization Author: Luca Albergante 1 Dipartimento di Matematica, Università degli Studi di Milano 28 Marzo 2011 L. Albergante (Univ. of Milan) PSO 28 Marzo 2011 1 / 14
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 Bisezione Metodo di Newton-Raphson
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)
DettagliIntegrazione numerica
Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule
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
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.
DettagliPROVA PRATICA di CALCOLO NUMERICO Prof. S. De Marchi Verona, 19 dicembre 2006
PROVA PRATICA di CALCOLO NUMERICO Prof. S. De Marchi Verona, 9 dicembre 26 Il candidato dovrà scrivere su ogni foglio il cognome, nome, numero di matricola. I fogli saranno forniti da chi fa assistenza.
DettagliAlgoritmi di ricerca locale
Algoritmi di ricerca locale Utilizzati in problemi di ottimizzazione Tengono traccia solo dello stato corrente e si spostano su stati adiacenti Necessario il concetto di vicinato di uno stato Non si tiene
DettagliCalcolo Numerico I - a.a Laboratorio 9 - Sistemi lineari
Calcolo Numerico I - a.a. 200-20 Laboratorio 9 - Sistemi lineari Fattorizzazione di Cholesky Se A R n n è una matrice simmetrica definita positiva, allora esiste una matrice R R n n triangolare superiore
Dettagli