Corso di Matematica per la Chimica
|
|
- Carmelo Pandolfi
- 7 anni fa
- Visualizzazioni
Transcript
1 Dott.ssa Maria Carmela De Bonis a.a
2 Il best fitting In molte applicazioni accade di avere una certa quantità di dati (solitamente elevata) e di voler descrivere l andamento del fenomeno che ha generato tali dati ed utilizzare quindi il modello, così dedotto, per prevedere valori in corrispondenza di ascisse non comprese nei dati iniziali. Tale strategia è anche utilizzata per correggere dati sperimentali. Facciamo un esempio.
3 Esempio A tutti è nota la prima legge di Ohm V = RI dove I misura l intensità di corrente, R è la resistenza del mezzo attraversato dalla corrente e V è la differenza di potenziale. Supponiamo allora di fare il seguente esperimento: preso un filo con resistenza costante, mediante due strumenti di misura si calcola l intensità della corrente (con l amperometro) e la differenza di potenziale (con il voltmetro). Se si suppone la temperatura costante, la resistenza è costante e dunque la legge fisica è di tipo lineare (cioè la differenza di potenziale è direttamente proporzionale all intensità di corrente). Tuttavia i dati sperimentali in genere non disegnano una retta. Ciò è dovuto al fatto che gli strumenti di misura producono degli errori nelle misurazioni.
4 Realisticamente si perviene ad una situazione del tipo
5 Tuttavia essendo noto che la legge è di tipo lineare è lecito cercare una retta che si allontani il meno possibile dai dati sperimentali. Nella precedente figura la retta è disegnata in blu. Tale retta, detta di regressione, realizza il cosiddetto best fitting (letteralmente il migliore adattamento ) dei dati. Nel nostro esempio la legge, nota a priori, era di tipo lineare. È ovvio tuttavia che il ragionamento può essere generalizzato a leggi, e quindi a curve, di qualsiasi tipo. Vediamo allora come questo problema di approssimazione di dati sia legato al problema dei minimi quadrati lineari.
6 Approssimazione nel senso dei minimi quadrati Supponiamo di avere m ascisse x 1, x 2,..., x m ed in corrispondenza m ordinate y 1, y 2,..., y m. In altre parole sono note le coppie del piano cartesiano (x i, y i ), i = 1,..., m. Scegliamo quindi delle funzioni base ϕ 1 (x), ϕ 2 (x),..., ϕ n (x), con n << m e supponiamo di approssimare il fenomeno che ha generato le coppie (x i, y i ), mediante la funzione f n (x) = c 1 ϕ 1 (x) + c 2 ϕ 2 (x) c n ϕ n (x) combinanzione lineare delle ϕ k (x), k = 1,..., n, mediante le costanti c k, k = 1,..., n, in modo tale che l errore commesso nei punti dato sia minimo nel senso della norma 2, cioè f n realizzi il min f n m i=1 [y i f n (x i )] 2 = min (c 1,...,c n) [ m y i i=1 2 n c k ϕ k (x i )]. k=1
7 Se si pone allora A = (ϕ k (x i )) i=1,...,m,k=1,...,n, b = (y 1, y 2,..., y m ) T, c = (c 1,..., c n ) T, allora il problema precedente diventa min b Ac 2 2, (c 1,...,c n) T cioè un problema ai minimi quadrati lineari, in cui gli elementi della matrice A sono dati dai valori delle funzioni base nelle ascisse x i. In genere le funzioni ϕ k (x), sono scelte in accordo con la natura del problema.
8 Per esempio nel caso della legge di Ohm, essendo il modello di tipo lineare, si sceglie ϕ 1 (x) = 1, ϕ 2 (x) = x e quindi f 2 (x) = c 1 + c 2 x è la retta (di regressione) che minimizza la quantità m [y i c 1 c 2 x i ] 2. i=1 In termini di matrice e vettori si ha 1 x 1 1 x 2 A = 1 x 3, c =.. 1 x m ( c1 c 2 ), b = y 1 y 2 y 3. y m
9 In generale se si suppone che il modello sia di tipo polinomiale si sceglie ϕ k (x) = x k 1, cioè la base standard dei polinomi, e f n risulta quindi un polinomio di grado n 1. Dunque in questo caso la matrice A è una matrice di Vandermonde rettangolare 1 x 1 x x n 1 1 A =.. 1 x 2 x x n x 3 x x n x m xm 2... xm n 1.. e come è noto rank(a) = n se tutti gli x i sono distinti.
10 La scelta polinomiale tuttavia non è l unica possibile. Per esempio se è noto che il fenomeno è periodico, è possibile utilizzare come funzioni della base quelle del sistema trigonometrico. Si pone cioè ϕ 1 (x) = 1, ϕ 2 (x) = cos x, ϕ 3 (x) = sin x, ϕ 4 (x) = cos 2x, ϕ 5 (x) = sin 2x,... e dunque f n risulterà essere un polinomio trigonometrico di ordine n. Ovviamente è possibile utilizzare altri modelli di approssimazione.
11 Se per esempio è noto che il fenomeno che genera i dati è limitato, il modello polinomiale può risultare fortemente inadeguato (i polinomi, lontano dall intervallo che contiene le radici, crescono rapidamente). In questo caso può essere più performante una funzione di tipo spline cubica, e quindi le ϕ j (x) possono essere scelte coincidenti con una base delle spline cubiche (per esempio le spline cardinali oppure la base delle B-spline).
12 Sorgono spontanee le seguenti domande: il problema dei minimi quadrati ammette sempre soluzione? In quali circostanze è unica? La risposta ci è data dal seguente teorema. Teorema Il problema b Ac 2 2 =minimo ammette sempre soluzione. La soluzione è unica se e soltanto se le colonne della matrice A sono linearmente indipendenti. Se invece le colonne di A sono linearmente dipendenti allora il problema ha infinite soluzioni; tuttavia quella di lunghezza euclidea minima è unica.
13 Le functions Matlab Il Matlab risolve il problema del best fitting nel caso si voglia costruire un approssimazione di tipo polinomiale. Le functions coinvolte sono: polyfit: c=polyfit(x,y,n), costruisce il vettore c dei coefficienti (ordinati in senso discendente rispetto alle potenze) del polinomio di grado n di best fitting dei dati (x i, y i ). Il problema dei minimi quadrati lineari, con A matrice di Vandermonde, è risolto mediante il \, in quanto la matrice dei coefficienti è risaputamente mal condizionata. polyval: yy = polyval(c,xx), calcola il polinomio di coefficienti c nei punti del vettore xx.
14 Inoltre se si hanno dei dati memorizzati nei vettori x e y e si vuole riportarli su grafico si può usare il comando plot. Per esempio plot(x,y,. ), apre automaticamente la finestra con il grafico nel quale i punti del piano (x i, y i ) sono indicati con un punto. A questo punto dal menù della finestra si può scegliere nella voce Tools, l opzione Basic Fitting. Si attiva in questo modo automaticamente la Basic Fitting GUI (Graphical User Interface) che consente di scegliere vari possibili approssimanti per i dati. In questo modo è possibile selezionare polinomi dei minimi quadrati di vario grado (dal primo al decimo) ed averne i coefficienti e l analisi grafica dei residui, nonché il calcolo della norma 2 del residuo.
15 L analisi dei dati a posteriori Quando si hanno dei dati sperimentali ed è nota la legge che li genera (come nel caso della legge di Ohm), l approssimazione nel senso dei minimi quadrati può essere utilizzata per scartare dei valori che sono sbagliati (i cosiddetti outliers) e quindi per correggerli. Infatti una volta costruita l approssimante f n è possibile calcolare i residui come y i f n (x i ), e decidere di eliminare i dati y i che si allontanano troppo dal valore f n (x i ). In altri casi invece la legge che genera i dati non è nota affatto e si vuole determinare il modello proprio mediante una strategia ai minimi quadrati. Una prima analisi grossolana consiste nel guardare il grafico dei residui. Per ogni valore x i si riporta in ordinata il residuo y i f n (x i ). Se non vi sono distribuzioni strane in tale grafico, se cioè i residui sembrano distribuiti casualmente, allora il modello è accettabile.
16 Esistono poi vari indicatori statistici che forniscono informazioni sulla bontà del modello.
17 Esempio Supponiamo di aver effettuato i seguenti rilevamenti: t E(t)
18 Denotando con x il vettore che ha per componenti gli elementi della prima colonna della tabella e con y il vettore che ha per componenti gli elementi della seconda colonna della tabella, prima di tutto disegnamo l andamento dei dati con il comando plot(x,y, * ) Otteniamo il grafico Determiniamo con il metodo dei minimi quadrati i coefficienti del polinomio y = ax 3 + bx 2 + cx + d e valutiamo il valore del residuo.
19 La matrice A è la seguente A = {a i,k } i=1,...,22,k=1,2,3,4 = {ϕ k (x i )} i=1,...,22,k=1,2,3,4. Risolvendo il sistema Ac = y con la function \ del Matlab otteniamo il vettore e c = e e e 003
20 Dunque il polinomio di grado 3 che approssima meglio i dati del nostro esperimento nel senso dei minimi quadrati è 2.5 y = *x *x *x data 2 cubic Il residuo, calcolato con il comando norm(a c-y) è
Corso 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
Dettaglib vettore(termine noto) y* proiezione ortogonale di b
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione
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
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
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
DettagliApprossimazione di dati
Approssimazione di dati Lucia Gastaldi DICATAM - Sez. di Matematica, http://dm.ing.unibs.it/gastaldi/ Indice 1 Approssimaz. di dati Approssimazione di dati 2 Minimi quadrati lineari Regressione lineare
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
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
DettagliSistemi sovradeterminati. b vettore(termine noto) V n. y* proiezione ortogonale di b. Carla Guerrini 1
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m si vuole trovare una soluzione del sistema sovradeterminato Ax = b. Nel caso in cui la matric A abbia rango pieno, cioé
DettagliInterpolazione e approssimazione di dati
Interpolazione e approssimazione di dati 08 Aprile 2019 Introduzione Implementazione in MATLAB di interpolazione polinomiale e approssimazione di dati. Date n + 1 coppie di punti (x i, y i ) con i = 0,
DettagliInterpolazione e approssimazione di dati
Interpolazione e approssimazione di dati Corso di Metodi Numerici 22 Marzo 2018 Introduzione Implementazione in MATLAB di interpolazione polinomiale e approssimazione di dati. Date n + 1 coppie di punti
DettagliCalcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014
Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione analitica ϕ
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
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
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 015-01 Laboratorio 5 - Function files, Minimi quadrati e spline FUNCTION-FILES MATLAB Le funzioni matlab sono porzioni di codici scritte in un file indipendente
DettagliApprossimazione ai minimi quadrati nel discreto
Approssimazione ai minimi quadrati nel discreto 1 È assegnato un insieme di m punti (x i, y i ), i = 1,..., m, che descrivono un certo fenomeno. Vogliamo trovare un polinomio p n (x) = c 0 + c 1 x +...
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
DettagliCalcolo Numerico - A.A Laboratorio 6
Calcolo Numerico - A.A. 2011-2012 Laboratorio 6 Approssimazione ai minimi quadrati Siano (x i, y i ), per i = 0,..., n, n + 1 coppie di dati di origine sperimentale o originati dal campionamento y i =
DettagliLaboratorio di Calcolo Numerico Approssimazione ai minimi quadrati
Laboratorio di Calcolo Numerico Approssimazione ai minimi quadrati Ángeles Martínez Calomardo http://www.dmsa.unipd.it/ acalomar/didattica/2013-14 angeles.martinez@unipd.it Laurea in Matematica A.A. 2013
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
DettagliApprossimazione numerica
Approssimazione numerica Laboratorio di programmazione e calcolo (Chimica e Tecnologie chimiche) Pierluigi Amodio Dipartimento di Matematica Università di Bari Approssimazione numerica p.1/10 Problema
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
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
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 )
Dettaglikπ cos, k = 0, 1, 2,, n (NB: sono n +1) n
Esempio di nodi NON equispaziati Nodi di Lobatto - Chebyshev: x k = kπ cos, k = 0, 1, 2,, n (NB: sono n +1) n Mappa: da t in [-1, 1] a x in [a, b]: x = b a a + b t + 2 2 Esercizio 1 Interpolare la funzione
DettagliLaboratorio di Matematica Computazionale A.A Lab. 9
Laboratorio di Matematica Computazionale A.A. 2007-2008 Lab. 9 Spline interpolanti lineari (interp1) e cubiche (spline) Esercizio 1 Assegnati i punti di coordinate x -1 1 2 3 5 y 0-1 5 2 1 si disegnino,
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:
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni Algebriche Le equazioni algebriche sono equazioni del tipo P(x) = 0 dove P è un polinomio di grado n cioé P(x) = a 1 x n + a 2 x n
DettagliVogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione.
S.S.I.S. TOSCANA F.I.M. II anno FUNZIONI DI REGRESSIONE E METODO DEI MINIMI QUADRATI Supponiamo di star conducendo uno studio sulla crescita della radice di mais in funzione del contenuto di saccarosio
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 =
DettagliAPPROSSIMAZIONE di FUNZIONI
APPROSSIMAZIONE di FUNZIONI Francesca Pelosi Dipartimento di Sc. Matematiche ed Informatiche, Università di Siena CALCOLO NUMERICO a.a. 26 27 APPROSSIMAZIONE di FUNZIONI p.1/3 APPROSSIMAZIONE di FUNZIONI:
DettagliInterpolazione di dati
Interpolazione di dati Problema 1 (es robot). Siano (x i, y i ) con i = 0,..., 5, x i 2.00 4.25 5.25 7.81 9.20 10.60 y i 7.2 7.1 6.0 5.0 3.5 5.0 i punti da cui deve passare il braccio di un robot per effettuare
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
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
DettagliCalcolo Numerico. Esercitazioni (A.A ) Lezione n. 16 Approssimazione
Calcolo Numerico (A.A. 2013-2014) Esercitazioni Lezione n. 16 Approssimazione 23-05-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione
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
DettagliBOZZA BOZZA BOZZA. Funzioni per effettuare delle interpolazioni su dati tabellati: interp1, interp2, interp3.
Interpolazione dati Funzioni per effettuare delle interpolazioni su dati tabellati: interp1, interp2, interp3. Sintassi Interp1(x,y,x_int) in questo modo si determinano i valori interpolati di y che corrispondono
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
DettagliImplementazione degli algoritmi.
Implementazione degli algoritmi. 4.1. Introduzione. In questo capitolo sarà discussa l implementazione software per l ambiente MATLAB 6.1 che è stata fatta degli algoritmi di identificazione presentati
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
DettagliLezione 10 e 11, 26 Novembre e 3 Dicembre 2014
Lezione 0 e, 26 Novembre e 3 Dicembre 204 Elena Gaburro, elenagaburro@gmail.com Un applicazione per le curve di Bézier: i fonts Con il termine font si indica un tipo di carattere con uno stile e una forma
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
Dettagliv w u O Osserviamo che tale segmento ha la stessa lunghezza del vettore w tale che u+w = v cioe del vettore w = v u. Cosi si ha
Matematica II, 708 Nel piano sia fissata una unita di misura Dati nel piano due vettori u, v applicati in uno stesso punto O, col termine distanza fra u e v intendiamo e col simbolo d(u, v) indichiamo
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
DettagliMETODO DEI MINIMI QUADRATI
Vogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione. Sia f(x) = mx + q, la coppia di dati (x i, y i ) appartiene
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliAnalisi Numerica I Approssimazione polinomiale
Analisi Numerica I Approssimazione polinomiale Ana Alonso ana.alonso@unitn.it 15 novembre 2018 I polinomi Un polinomio di grado n in Matlab si rapresenta mediante un vettore di n + 1 componenti che contiene
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliINTERPOLAZIONI CON SPLINE
INTERPOLAZIONI CON SPLINE Assegnati gli n +1valori che la funzione f assume nei nodi x i, si costruisce un interpolazione polinomiale a tratti. In ognuno degli intervalli [x i 1,x i ] il polinomio interpolatore
DettagliAlgebra Proff. A. D Andrea e P. Papi Quarto scritto
Algebra Proff. A. D Andrea e P. Papi Quarto scritto LUGLIO 8 Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 6.5 6.5 3 6.5 4 6.5 5 6.5 otale 3 Occorre motivare le risposte. Una soluzione
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
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
DettagliEsercizi Elaborato (versione )
Esercizi Elaborato (versione 2019-04-15) Nota bene: l elaborato dovrà contenere i codici sviluppati, e questi dovranno essere portati alla discussione su una chiavetta USB. Esercizio 1. Verificare che,
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliInterpolazione di Funzioni
Interpolazione di Funzioni N. Del Buono 1 Introduzione Uno dei problemi che piu frequentemente si incontrano nelle applicazioni è la costruzione di una approssimazione di una funzione data f mediante funzioni
DettagliAnno accademico
RICHIAMI PER IL CORSO DI ANALISI NUMERICA PROF R MORANDI Anno accademico 28 29 1 RICHIAMI: PRECISIONE FINITA (USO DEL CALCOLATORE) IN UN CALCOLATORE UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTA- TA COME
DettagliMETODO DEI MINIMI QUADRATI
METODO DEI MINIMI QUADRATI Torniamo al problema della crescita della radice di mais in funzione del contenuto di saccarosio nel terreno di coltura. Ripetendo varie volte l esperimento con diverse quantità
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
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
DettagliInterpolazione polinomiale. Gabriella Puppo
Interpolazione polinomiale Gabriella Puppo Interpolazione polinomiale Matrice di Vandermonde Costruzione del polinomio di interpolazione Studio dell errore Fenomeno di Runge Condizionamento Matrice di
DettagliInterpolazione 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
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliEsercitazione
Esercitazione 3 29.5.2014 REGRESSIONE E CORRELAZIONE Accedere alle macchine con LOGIN: esame PASSWORD: didattica Regressione Ci chiediamo quanto i dati osservati differiscano da quelli teorici, usando
DettagliEQUAZIONI DIFFERENZIALI
EQUAZIONI DIFFERENZIALI Si consideri il problema di Cauchy y'(t) t y, y() y(t) t e. t, la cui soluzione esatta è PARTE a. Approssimare il problema di Cauchy con il metodo di Eulero Esplicito b. Eseguire
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
Dettagli1 Esercizi di ripasso 2
Esercizi di ripasso. Sia P r : R R l endomorfismo che manda ogni vettore v R nella sua proiezione ortogonale sulla retta r passante per l origine di equazione x y =. Calcolare una matrice per P r. Determinare
DettagliCorso di Laurea in Ingegneria Energetica POLINOMI IN MATLAB. Bologna, 13 marzo Fondamenti di Informatica L a.a
Corso di Laurea in Ingegneria Energetica POLINOMI IN MATLAB Bologna, 13 marzo 2008 Polinomi Un polinomio in Matlab viene rappresentato mediante un vettore contenente i suoi coefficienti. Per esempio, il
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
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliIl Teorema del limite Centrale (TLC)
(TLC) Teorema. Sia X 1,..., X n un campione i.i.d. per una v.a. X, avente E(X ) = µ e Var(X ) = σ 2 entrambi finiti. Allora Z n = X µ σ 2 n n Y N(0, 1) Si noti che nel calcolare Z n ho standardizzato 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
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 31 agosto 2011 Testo e soluzioni
Esame di Calcolo Numerico per Informatica A.A. 21/11 Proff. S. De Marchi e M. R. Russo 31 agosto 211 Testo e soluzioni L esame consiste di 4 domande aperte e 1 esercizi a risposta multipla. Per gli esercizi
DettagliCorso interno di Matematica compito scritto del n n+1
Corso interno di Matematica compito scritto del 4.07.05 1. Dire se la serie converge e giustificare la risposta. n=1 1 n n+1 n Soluzione: Il criterio della radice o del rapporto falliscono; proviamo col
DettagliProva scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 20 Gennaio 2017
Prova scritta di Geometria Docente: Giovanni Cerulli Irelli Gennaio 7 Esercizio. Si considerino i seguenti tre punti dello spazio euclideo: P :=, Q :=, R :=.. Dimostrare che P, Q ed R non sono collineari.
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
DettagliLaboratorio di Calcolo Numerico A.A
Laboratorio di Calcolo Numerico A.A. 2007-2008 Laboratorio 7 Minimi quadrati. Approssimazione delle derivate. Esercizio 1. Si considerino le 6 coppie di dati ( 4.5, 0.7), ( 3.2, 2.3), ( 1.4, 3.8), (0.8,
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
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
DettagliExcel. È data la distribuzione di 1863 famiglie italiane secondo il numero di componenti:
Excel È data la distribuzione di 1863 famiglie italiane secondo il numero di componenti: Calcolare per ogni classe della distribuzione: (a) le frequenze relative; Sia data la distribuzione degli studenti
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
DettagliSol. Sia P = (x, y) un punto che soddisfa l equazione Y 2 = X 3 + ax + b. Ricordiamo che per definizione P = (x, y) è un punto regolare di E se
Teoria Elementare dei Numeri. Soluzioni Esercizi 5. Curve ellittiche. 1. Sia E una curva su R di equazione Y 2 = X 3 + ax + b. Verificare che è una curva regolare di R 2 (senza punti singolari) se e solo
DettagliEsercitazione 4 Sistemi lineari, pivoting
Esercitazione 4 Sistemi lineari, pivoting a.a. 218-19 Esercizio 1 (T) Quando viene utilizzato il pivoting parziale? La fattorizzazione ottenuta con il pivoting per colonne è unica? Si può applicare anche
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi November 23, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
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)
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 16 gennaio 2013
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 6 gennaio 3 Sia M = F (, 4). Calcolare: rd( 7 6 ). Sia A = Determinare una fattorizzazione LR di A ed utilizzarla per calcolare A.
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
Dettaglix 3 2x 2 + 6x x 4 3x = lim x(6 2x + x 2 ) x( 3 + x 3 ) (6 2x + x 2 ) ( 3 + x 3 ) = lim = 2
Calcolo di forme indeterminate del tipo 0/0 Quando si deve calcolare il limite di rapporto di funzioni infintesime per x 0, si raccoglie la potenza di x al minimo esponente. Es. lim x 0 x 3 2x 2 + 6x x
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
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
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
Dettaglie non ci possono chiaramente essere minori di ordine più grande per cui il rango per minori è 2. Rango per pivot: Svolgiamo la riduzione
18 ottobre 2011 1. Per le matrici seguenti calcolare il rango per minori, il rango per pivot, il rango per righe ed il rango per colonne. Verificare che si ottiene sempre lo stesso numero. Determinare
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
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili Dott Nicola Pintus AA 2018-2019 Indichiamo con U la popolazione statistica e con u i le unità statistiche Ad ogni unità statistica associamo i caratteri osservati
Dettagli