RICHIAMI PER IL CORSO DI ANALISI NUMERICA
|
|
- Ortensia Napoli
- 7 anni fa
- Visualizzazioni
Transcript
1 RICHIAMI PER IL CORSO DI ANALISI NUMERICA Anno accademico
2 RICHIAMI: PRECISIONE FINITA (USO DI UN COMPUTER) IN UN COMPUTER UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTATA COME UNA SEQUENZA FINITA DI NUMERI DELLA BASE IN CUI LAVORA IL CAL- COLATORE ANCHE NELL EVENTUALITÀ IN CUI SIANO NECESSARIE INFINITE CIFRE (ESEMPIO: BASE DECIMALE NUMERI PERIODICI) QUESTO PUÒ COMPORTARE ERRORI DI RAPPRESENTAZIONE ED ERRORI NELLE OPERAZIONI ESEMPI CON MATLAB: file es2 errori CALCOLO DI UNA SUCCESSIONE DI VALORI DATA DALLA REGO- LA v(1) = 1/r, v(i) = (1 + r) v(i 1) 1, i = 2,, n file es1 errori CALCOLO DEL POLINOMIO (X 1) 6 2 x
3 RICHIAMI: CONDIZIONAMENTO/STABILITÀ PROBLEMA SOLUZIONE SI CONSIDERI IL SISTEMA LINEARE { x1 x 2 = 1 x 1 11x 2 = LA SOLUZIONE È [ 11 1 ] CONSIDERIAMO IL NUOVO SISTEMA { x1 x 2 = 1 LA SOLUZIONE x x 2 = È [ ] UN CAMBIAMENTO DI 2 = IN UN ELEMENTO DELLA MATRICE HA PROVOCATO UN CAMBIAMENTO DI 2 = NELLE COMPONENTI DELLA SOLUZIONE ( ORDINE DI GRANDEZZA ) CAMBIAMENTO RISULTATI ( ) 15 ORDINE DI GRANDEZZA 5 = 11 1 CAMBIAMENTO DATI 3
4 ESEMPIO DI STABILITÀ E NON DI UN ALGORITMO PROBLEMA ALGORITMO SOLUZIONE STUDIAMO LA PROPAGAZIONE DEGLI ERRORI DOVUTI ALLE OPERAZIONI EF- FETTUATE NEL CORSO DELL ALGORITMO UN ALGORITMO SI DICE STABILE SE L INFLUSSO DEGLI ERRORI RI- MANE LIMITATO L ALGORITMO A È PIÙ STABILE DELL ALGORITMO B SE L INFLUEN- ZA DEGLI ERRORI È MINORE ESEMPIO e x = 1 + x + x2 2! + x3 3! + x4 4! + SI VUOLE STIMARE e 13 METODO 1: e 13 = ! ! ! NB LA SOTTRAZIONE È PERICOLOSA METODO 2: e 13 = = 1/( ) e 2! n M 1 M
5 RICHIAMI: NORME DI VETTORI E DI MATRICI IL CONCETTO DI NORMA È UNA GENERALIZZAZIONE DEL CONCETTO DI LUNGHEZ- ZA DI UN VETTORE x R n O DI UNA MATRICE A R n n ESEMPI DI NORME VETTORIALI x 2 = x 2 i = x T x NORMA 2 x 1 = x i NORMA 1 x = max,,n x i NORMA ESEMPI DI NORME MATRICIALI A 2 = max λ i(a T A) NORMA 2,,n A 1 = max j=1,,n A = max AUTOVALORI DI A T A a ij NORMA 1,,n j=1 a ij NORMA RICHIAMI: PROPRIETÀ DI NORME MATRICIALI INDOTTE AD OGNI NOR- MA VETTORIALE È POSSIBILE ASSOCIARE UNA CORRISPONDENTE NORMA MATRICIALE 2, 1 E SONO NORME MATRICIALI INDOTTE DALLE CORRISPONDENTI NORME VETTORIALI ED HANNO LE PROPRIETÀ Ax A x A R n n, x R n I = 1 I R n matrice identità ρ(a) A con ρ(a) = max,,n λ i A 5
6 RICHIAMI: CONDIZIONAMENTO DI A (nella risoluzione di Ax = b) SIA A R n n, b R n ; Ax = b ; det(a) A 1 COME SI RIPERCUOTONO SUI RISULTATI LE VARIAZIONI SUI DATI? SIA δa LA PERTURBAZIONE SU A E δb LA PERTURBAZIONE SU b IL CONDIZION- AMENTO DELLA MATRICE A È LEGATO ALLA MATRICE STESSA NELLA FORMA DOVE K(A) = A A 1 δx x K(A)( δa A + δb b ) δx x È LA VARIAZIONE SUI RISULTATI E δa A, COSTITUISCONO LA VARIAZIONE SUI DATI NELL ESEMPIO K(A) = = δb b 6
7 RICHIAMI: METODI DIRETTI - METODO DI GAUSS SIA DATO IL SISTEMA Ax = b SI OTTIENE LA SUA SOLUZIONE UTILIZZANDO IL METODO DI GAUSS (O DI ELIMINAZIONE) RIDUCENDO LA MATRICE A AD UNA MATRICE TRIANGOLARE SUPERIORE U E OVVIAMENTE MODIFICANDO IN MODO ANALOGO IL VETTORE TERMINI NOTI b L ALGORITMO DI GAUSS SI BASA SULLA FORMULA a ij = a ij m ik a kj, m ik = a ik /a kk AL PASSO k-esimo LA FORMA DELLA MATRICE È A (k) = a (k) kk INVARIATO k k + 1 k k + 1 TEOREMA SIA A R n n TALE CHE det(a k ), k = 1,, n 1 (A k MINORE PRIN- CIPALE DI ORDINE k) ALLORA IL METODO DI GAUSS È APPLICABILE ED ESISTE UNICA LA FATTOR- IZZAZIONE A = LU CON L TRIANGOLARE INFERIORE, l ii = 1 i E U TRIANGOLARE SUPERI- ORE 7
8 GAUSS IN PRECISIONE FINITA: STRATEGIA DEL MASSIMO PIVOT IL METODO DI GAUSS È INSTABILE UNA STRATEGIA CHE CONSENTE DI CONTENERE GLI ERRORI È EVITARE LA SCELTA DI UN DIVISORE PICCOLO NELLA COSTRUZIONE DEI MOLTIPLICA- TORI AL PASSO k-esimo SI SCAMBIA LA RIGA k-esima CON LA RIGA i-esima (i k) TALE CHE a (k) ik = max j=k,,n a(k) jk TALE TECNICA SI CHIAMA PIVOTING PARZIALE (Non richiede il riordinamento delle incognite) UNA VARIANTE CONSISTE NELLO SCAMBIO OPPORTUNO DI RIGHE E COLONNE CIOÈ AL PASSO k-esimo SI SCAMBIA LA RIGA k-esima CON LA RIGA i-esima (i k) E LA COLONNA k-esima CON LA COLONNA j-esima (j k) TALE CHE a (k) ij = max j,t=k,,n a(k) j,t TALE TECNICA SI CHIAMA PIVOTING TOTALE (Richiede il riordinamento delle incognite) ESEMPIO CON MATLAB file es gauss 8
9 RICHIAMI: METODI ITERATIVI JACOBI E GAUSS-SEIDEL DATO UN SISTEMA LINEARE Ax = b I METODI ITERATIVI SONO USATI NEL CA- SO IN CUI LA MATRICE A HA MOLTI ELEMENTI UGUALI A ZERO (MATRICE SPARSA ) ED È DI ORDINE ELEVATO L IDEA È COSTRUIRE UNA SUCCESSIONE DI VETTORI {x(k) } CHE CONVER- GA ALLA SOLUZIONE lim k x (k) = x A DIFFERENZA DEI METODI DIRETTI NON ALTERANO I VALORI DEGLI ELEMENTI DELLA MATRICE A E DEL VETTORE b ESEMPIO a 11 x 1 + a 12 x 2 + a 13 x 3 = b 1 a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 SUPPONENDO a 11, a 22, a 33 POSSIAMO SCRIVERE x 1 = b 1 a 12 x 2 a 13 x 3 a 11 x 2 = b 2 a 21 x 1 a 23 x 3 a 22 x 3 = b 3 a 31 x 1 a 32 x 2 a 33 QUINDI, PARTENDO DA UN VETTORE ARBITRARIO x () IR 3 POSSIAMO GENER- ARE LA SUCCESSIONE {x (k) } METODO DI JACOBI x (k+1) i = 1 i 1 (b i a ij x (k) j a ii j=1 j=i+1 a ij x (k) j ), i = 1,, n SE AD OGNI PASSO UTILIZZIAMO LE COMPONENTI DEL VETTORE x (k+1) GIÀ AGGIORNATE (presumibilmente più precise) OTTENIAMO x (k+1) i = 1 i 1 (b i a ij x (k+1) j a ii j=1 j=i+1 a ij x (k) j ), i = 1,, n METODO DI GAUSS-SEIDEL FORMULAZIONE MATRICIALE CONSIDERIAMO UNO SPLITTING DI A DEL TIPO A = L + D + U DOVE L ED U SONO IL TRIANGOLO INFERIORE E SUPERIORE DI A E DOVE D È LA SUA DIAGONALE a 12 a 1n a 11 a 21 a 3n a 22 a n1 a n2,, a nn 9
10 FORMULAZIONE MATRICIALE DI UNA MATRICE A DI DIMENSIONE n CON- SIDERIAMO UNO SPLITTING DEL TIPO Ax = b (M N)x = b Mx = Nx + b x = M 1 Nx + M 1 b DA CUI SI OTTIENE IL METODO ITERATIVO { x (k+1) = M 1 Nx (k) + M 1 b x () IR n arbitrario PER IL METODO DI JACOBI ABBIAMO M=D N=-(L+U) PER IL METODO DI GAUSS-SEIDEL ABBIAMO M=(D+L) N=-U CONDIZIONI PER LA CONVERGENZA CONVERGENZA DI UN METODO ITERATIVO BASATO SULLO SPLITTING A = M N (M 1 N) è una matrice convergente E CIOÈ, INDICATA CON LA MATRICE NUL- LA, RISULTA lim (M 1 N) k = k (NEC E SUFF) ρ(m 1 N) = max,,n λ i (M 1 N) < 1 (NEC E SUFF) (M 1 N) < 1 (SUFF) A è una matrice diagonale dominante in senso forte a ii > n j=1,i j a ij (SUFF) Solo per Gauss-Seidel: A è una matrice simmetrica e definita positiva (SUFF) NB In generale non si può affermare che il metodo di Gauss-Seidel converga più velocemente del metodo di Jacobi (o viceversa) Tuttavia, nel caso di matrici tridiagonali il metodo di Gauss-Seidel converge se e solo se converge il metodo di Jacobi e, asintoticamente, sono necessarie metà iterazioni di Gauss-Seidel per ottenere la stessa precisione di Jacobi 1
11 ESEMPI DI CONVERGENZA NEGLI ESEMPI L ERRORE CON IL METODO DI JACOBI È RAPPRESENTATO IN BLUE, QUELLO DI GAUSS-SEIDEL IN ROSSO errore iterazioni A = b = IN QUESTO CASO ρ(m 1 N J ) = 13375, ρ(m 1 N GS ) =
12 errore iterazioni A = b = IN QUESTO CASO ρ(m 1 N J ) = 81, ρ(m 1 N GS ) =
13 errore iterazioni A = b = IN QUESTO CASO ρ(m 1 N J ) = 4438, ρ(m 1 N GS ) =
14 errore iterazioni A = b = IN QUESTO CASO ρ(m 1 N J ) = 6411, ρ(m 1 N GS ) =
15 RICHIAMI: APPROSSIMAZIONE QUESTO PROBLEMA SI PONE QUANDO CONOSCIAMO UNA GRANDEZZA SOLO ATTRAVERSO UN INSIEME DISCRETO DEI SUOI VALORI LA COSTRUZIONE DI UNA FUNZIONE A PARTIRE DA UNA TABELLA DI DATI VIENE AFFRONTATA SECONDA DUE APPROCCI DATI AFFETTI DA UN SENSIBILE ERRORE I DATI VENGONO APPROSSIMATI NEL LORO INSIEME MIGLIORE APPROSSIMAZIONE DATI ESATTI SI CERCA UNA FUNZIONE CHE PASSA PER I PUNTI INTERPOLAZIONE ESEMPIO MATLAB file appr RICHIAMI: MIGLIORE APPROSSIMAZIONE DATI (x i, f i ), i = 1,, n AFFETTI DA ERRORE SI CERCA UNA FUNZIONE APPROSSIMANTE CHE SI ADATTI ALL ANDAMENTO DEI DATI PER DETERMINARE IL POLINOMIO DI GRADO m n CHE MEGLIO APPROSSI- MA I DATI SI DETERMINA IL POLINOMIO CHE MINIMIZZA LA DISTANZA DELL 15
16 APPROSSIMANTE DAI DATI: SI LAVORA SUL VETTORE ERRORE DI COMPONENTI E CON LA NORMA 2 LA CUI COMPONENTE i-esima È E i = f i (a + a 1 x i + a 2 x 2 i + + a m x m i ), i = 1,, n QUINDI DOBBIAMO TROVARE min a,a 1,,a m (f i a a 1 x i a 2 x 2 i a m x m i ) 2 SI OTTIENE UN SISTEMA LINEARE DEL TIPO (caso m = 1) a + a 1 x i = f i a x i + a 1 x 2 i = f i x i na + a 1 a x i = x i + a 1 x 2 i = f i f i x i 16
17 RICHIAMI: INTERPOLAZIONE POLINOMIALE DATI I PUNTI (x i, f i ), i = 1,, n NON AFFETTI DA ERRORE SI CERCA UN POLINOMIO DI GRADO MASSIMO n TALE CHE P n (x) = α j x j j= P n (x i ) = α j x j i = f i, i =,, n j= SI OTTIENE UN SISTEMA LINEARE α + α 1 x + α 2 x α nx n = f α + α 1 x 1 + α 2 x α nx n 1 = f 1 α + α 1 x n + α 2 x 2 n + + α n x n n = f n IL PROBLEMA CONSISTE QUINDI NEL RISOLVERE UN SISTEMA LINEARE NELLE INCOGNITE α, α 1,, α n CHE AMMETTE UN UNICA SOLUZIONE SOLO SE x i, i =,, n SONO PUNTI DISTINTI 17
18 RICHIAMI: INTERPOLAZIONE POLINOMIALE ALTRE FORMULAZIONI DEL POLINOMIO INTERPOLANTE: FORMULAZIONE DI LAGRANGE DEL POLINOMIO INTERPOLANTE: P n (x) = l j (x)f j j= FORMULAZIONE DI NEWTON DEL POLINOMIO INTERPOLANTE: P n (x) = A j ω j (x) j= A j DIFFERENZA DIVISA DI ORDINE j ω j (x) = (x x )(x x 1 ) (x x j 1 ) j > ω (x) def = 1 NB P n+1 (x) = P n (x) + (x x )(x x 1 ) (x x n )f[x, x 1,, x n, x n+1 ] POSSIAMO AGGIUNGERE PUNTI E SFRUTTARE I CONTI GIÀ FATTI 18
19 ESEMPIO FUNZIONE DI RUNGE QUANDO IL NUMERO DEI PUNTI DI INTERPOLAZIONE AUMENTA L ERRORE DIMINUISCE? CONSIDERIAMO UN ESEMPIO CLASSICO: LA FUNZIONE f(x) = x 2 COSTRUENDO IL POLINOMIO INTERPOLANTE SU 1 E SU 15 PUNTI EQUIDISTAN- TI IN [ 1, 1] OTTENIAMO IL COMPORTAMENTO DELL INTERPOLANTE PEGGIORA ALL AUMENTARE DEL SUO GRADO 19
20 FUNZIONI POLINOMIALI A TRATTI SI PENSA ALLORA DI MANTENERE BASSO IL GRADO ED EVENTUALMENTE DI- VIDERE L INTERVALLO DI INTERPOLAZIONE IN SOTTOINTERVALLI AD ESEM- PIO CON UNA LINEARE A TRATTI - POLINOMIO DI GRADO 12 - POLINOMIALE A TRATTI LIN- EARE METODO NON SEMPRE ADATTO A CAUSA DEI PUNTI ANGOLOSI USO DELLE FUNZIONI SPLINES CHE GARANTISCONO UNA MAGGIOR REGOLARITÀ NELL INTERO INTERVALLO 2
21 ESEMPIO MATLAB file grafico ED USO DI TOOLS/BASIC FITTING Cubic spline interpolant y = 2e 17*x + 26 y = 52*x 2 86e 17*x + 66 data 1 spline linear quadratic
Anno 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
Dettaglin +1 determinanti (D i, i =1,...,n e det A) n! prodotti per ciascun determinante n 1 moltiplicazioni per ciascun prodotto
METODI NUMERICI (A.A. 2007-2008) Prof. F.Pitolli Appunti delle lezioni sui sistemi lineari: metodi diretti; condizionamento Metodi diretti per la soluzione di sistemi lineari Metodi diretti Sono basati
Dettagli+ Analisi Numerica (1 modulo) Docente: M.Gaviano; domande di ripasso a.a
+ Analisi Numerica ( modulo) Docente: M.Gaviano; domande di ripasso a.a. - Idee di base e richiami. Quale è lo scopo dell Analisi numerica. Attraverso quali fasi si passa nel risolvere un problema reale..
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliUn sistema lineare si rappresenta in generale come
SISTEMI LINEARI Un sistema lineare si rappresenta in generale come n j=1 a ij x j = b i i = 1, 2,..., m o anche AX = B. La soluzione esiste se e solo se B appartiene allo spazio lineare generato dalle
DettagliCenni sui metodi iterativi per sistemi lineari. Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015
Cenni sui metodi iterativi per sistemi lineari Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015 Metodi numerici per sistemi lineari Nei metodi diretti la presenza di eventuali elementi nulli nella
DettagliAlgebra Lineare Metodi Iterativi
Algebra Lineare Metodi Iterativi Stefano Berrone Sandra Pieraccini DIPARTIMENTO DI MATEMATICA POLITECNICO DI TORINO, CORSO DUCA DEGLI ABRUZZI 24, 10129, TORINO, ITALY e-mail: sberrone@calvino.polito.it,
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Mirano a costruire la soluzione x di un sistema lineare come limite di una successione di vettori Per matrici piene di ordine n il costo computazionale è dell ordine
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
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2018-2019) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi November 23, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
Dettagli1 Risoluzione di sistemi lineari
Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine
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
DettagliMetodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel
Metodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 15 aprile 2013 Alvise Sommariva
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
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
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi December 4, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
Dettagli1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso
Domanda 1 1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso x n+1 = x n f(x n), n = 0, 1, 2,... K dove x 0 è il punto iniziale, f(x) = x 3 cos(x) e K è una costante assegnata.
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
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 Introduzione algebrica
Dettagli8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
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
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
DettagliTracce di calcolo numerico 1
Tracce di calcolo numerico 1 Prof. Marco Vianello - Dipartimento di Matematica, Università di Padova aggiornamento: 03 dicembre 2016 5 Elementi di algebra lineare numerica 5.1 Condizionamento di matrici
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 205-206 Laboratorio 9 Metodo di Eliminazione Gaussiana per sistemi lineari Siano A R n n una matrice quadrata non singolare (det(a) 0) e b R n un vettore
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliAutovalori e autovettori
Capitolo 3 Autovalori e autovettori 3. Richiami di teoria Prerequisiti: nozioni elementari di algebra lineare, numeri complessi. Sia A R n n. Un numero λ per cui esiste un vettore x 0 tale che valga la
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)
DettagliCorso di Calcolo Scientifico
I Modulo del corso integrato di Calcolo Dott.ssa Maria Carmela De Bonis a.a. 2012-13 Approssimazione di Funzioni In molti problemi matematici emerge l esigenza di dover approssimare una funzione f C k
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
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
DettagliCalcolo Numerico per Ingegneria. Corso estivo di Bressanone. Prof. L. Bergamaschi SOLUZIONE DELLA PROVA SCRITTA del
Calcolo Numerico per Ingegneria. Corso estivo di Bressanone. Prof. L. Bergamaschi SOLUZIONE DELLA PROVA SCRITTA del 9.8.2. Data l equazione x x = (a) Mostrare che essa ammette una e una sola soluzione
DettagliSISTEMI LINEARI QUADRATI
SISTEMI LINEARI QUADRATI Dipartimento di Sc Matematiche ed Informatiche, Università di Siena LABORATORIO di CALCOLO NUMERICO aa 27 28 SISTEMI LINEARI QUADRATI p1/47 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI
DettagliMetodi diretti: eliminazione gaussiana
Calcolo numerico 08/09 p. 1/1 SISTEMI LINEARI Metodi diretti: eliminazione gaussiana Calcolo numerico 08/09 p. 2/1 Sistemi lineari Ax = b, A R n n, b R n b INPUT x OUTPUT A relazione funzionale non ambigua
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
DettagliCalcolo Numerico Informatica Manolo Venturin A.A. 2010 2011 Guida all esame
Calcolo Numerico Informatica Manolo Venturin A.A. 2010 2011 Guida all esame Testo aggiornato al 23 maggio 2011. L esame consiste in una prova scritta della durata di 2 ore. Tale prova è composta da tre/-
DettagliFacoltà di Scienze MM.FF.NN. Corso di Studi in Matematica- A.A Corso di ANALISI NUMERICA 1: Esempi di esercizi svolti
Facoltà di Scienze MM.FF.NN. Corso di Studi in Matematica- A.A. - Corso di ANALISI NUMERICA : Esempi di esercizi svolti ) Determinare se il problema del calcolo delle radici reali dell equazione x x+c
DettagliEsercizio 1 Sia. a n. X (k+1) = X (k) (2I AX (k) )
Esercizi per la parte Numerica e Algoritmica, Prof. Serra-Capizzano. Gli esercizi elencati sono da ritenersi come una palestra molto impegnativa: i testi di esame che saranno proposti non avranno una difficoltà
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
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
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
Dettagli1. Calcolo dell indice di condizionamento di una matrice
1 Esercizi sul condizionamento con matlab laboratorio di Calcolo Scientifico per Geofisici Prof. A. Murli a.a. 2006/07 1. Calcolo dell indice di condizionamento di una matrice Determinare una function
DettagliProgetto Matlab N 2. Calcolo Numerico 6 CFU. Corso di Laurea in Ingegneria delle Comunicazioni 31/05/2014
Progetto Matlab N 2 Calcolo Numerico 6 CFU Corso di Laurea in Ingegneria delle Comunicazioni 31/05/2014 Procedimento 1. Scrivere una function che implementi il prodotto matrice-vettore AX con A matrice
DettagliSISTEMI LINEARI. Metodi diretti. Calcolo numerico 07/08 p. 1/1
SISTEMI LINEARI Metodi diretti Calcolo numerico 07/08 p. 1/1 Sistemi lineari Ax = b, A R n n, b R n b INPUT x OUTPUT A relazione funzionale non ambigua det(a) 0 ( un unica soluzione) (Esercizio 1) Se det
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
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
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliEsame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013
Esame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013 1 Domande aperte 1. Ogni matrice quadrata (di ordine n) strettamente definita positiva è invertibile. Perchè? Risposta.
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2015-2016) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Sistemi Lineari I sistemi lineari forniscono il modello matematico
DettagliRegistro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2018/2019 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 19 dicembre 2018 1. Mercoledì 26/09/2018, 15 17. ore:
DettagliQuale delle seguenti rappresentazioni del numero reale è in virgola mobile normalizzata?
Quale delle seguenti istruzioni MATLAB esegue il calcolo del raggio spettrale di una matrice quadrata A? a. max(eig(abs(a))) b. max(abs(eig(a))) c. abs(max(eig(a))) d. max(abs(eig(a *A))) Il raggio spettrale
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
Dettagli1. Lunedì 26/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 13 dicembre 2016 1. Lunedì 26/09/2016, 11 13. ore:
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Sistemi Lineari I sistemi lineari forniscono il modello matematico
DettagliCALCOLO NUMERICO Prof. L. Gori Prova d esame
CALCOLO NUMERICO Prof. L. Gori Prova d esame 2-7-998 ESERCIZIO. Data la seguente formula di quadratura: f(x)dx = ( ) 3 3 2 f + Af( x) + R 6 0 (.) Determinare A e x in modo che il grado di precisione sia.
DettagliAppunti per il corso di Calcolo Numerico Ingegneria Informatica e delle Telecomunicazioni Anno accademico
Appunti per il corso di Calcolo Numerico Ingegneria Informatica e delle Telecomunicazioni Anno accademico 2004-2005 Si precisa che i seguenti appunti sono estratti da quelli del corso di Calcolo Numerico
Dettagli1. Martedì 27/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2016 1. Martedì 27/09/2016,
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari a 00 x 0 + a 01 x 1 + a 02 x 2 = b 0 a 10 x 0 + a 11 x 1 + a 12 x 2 = b 1 a 20 x 0 + a 21 x 1 + a 22 x 2 = b 2 Per N equazioni N 1 j=0 a ij x j = b i i = 0, N 1 sono equivalenti
DettagliLuogo: Ca' Vignal 1 [Strada Le Grazie, Verona] - E [ Stanza: 92 - Piano: T ]
Elenco delle lezioni Luogo: Ca' Vignal 1 [Strada Le Grazie, 15-37134 Verona] - E [ Stanza: 92 - Piano: T ] Data: 15-03-2017 Ora di inizio: 08:30 Ora di fine: 08:30 Introduzione generale. Zeri di funzione.
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
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
Dettagli1. Martedì 1/10/2013, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2013/2014 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2013 1. Martedì 1/10/2013, 12 14. ore:
DettagliEsercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =
Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice
DettagliMetodi iterativi SISTEMI LINEARI. Metodi Iterativi. Metodo di rilassamento successivo e metodi del gradiente
Metodi iterativi Metodo di rilassamento successivo e metodi del gradiente Metodi iterativi Metodi iterativi 1 Il metodo di rilassamento successivo Condizioni per la convergenza 2 Metodi del Metodo della
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)
Dettaglia = 37679, b = 37654, c = ,
Esercizi di Calcolo Scientico e Metodi Numerici 1. Dati i tre numeri si calcolino le quantità a = 37679, b = 37654, c = 5.874, (a + b) + c e a + (b + c) in un sistema in virgola mobile in base 1 con mantissa
DettagliCALCOLO NUMERICO. Francesca Mazzia. Calcolo degli autovalori. Dipartimento Interuniversitario di Matematica. Università di Bari
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari Calcolo degli autovalori 1 Calcolo degli autovalori Gli autovalore e gli autovettore di una matrice quadrata
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Autovalori ed Autovettori di una matrice Siano Se A = (a i,j ) i,j=1,...,n R n n, 0 x = (x i ) i=1,...,n R n λ R Ax = λx (1) allora λ è detto autovalore di
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliCorso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame
1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione
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
DettagliSISTEMI LINEARI. Ax = b
SISTEMI LINEARI Un sistema lineare di n equazioni algebriche in n incognite è esprimibile come: a 11 x 1 + a 1 x + a 13 x 3 +... + a 1n x n = b 1 a 1 x 1 + a x + a 3 x 3 +... + a n x n = b a n1 x 1 + a
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Approssimazione di funzioni In molti problemi
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
DettagliEsercitazione 4: Vettori e Matrici
Esercitazione 4: Vettori e Matrici Richiami di teoria: Norme di vettore Principali norme di vettore:. x = n i= x i 2. x 2 = n i= x i 2 3. x = max i n x i Ad esempio dato il vettore x = (, 2, 3, 4) abbiamo.
DettagliSistemi lineari. Lucia Gastaldi. 11 novembre Dipartimento di Matematica,
Sistemi lineari Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 11 novembre 2007 Outline 1 Come risolvere un sistema lineare con MATLAB Il comando per risolvere i sistemi lineari
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
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
DettagliCorso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli. Esercizi di riepilogo - LABORATORIO
Cognome: Nome: 1 Matricola: Corso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli Esercizi di riepilogo - LABORATORIO Creare una directory nominata cognome nome dove cognome
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
DettagliMetodi Numerici con Elementi di Programmazione (A.A ) Appunti delle lezioni: Sistemi lineari
Metodi Numerici con Elementi di Programmazione (A.A. 2018-2019) Appunti delle lezioni: Sistemi lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A. Scarpa, Pal. B, I piano,
DettagliProblema. Sistemi lineari. Problema. Problema. Quali sono i potenziali in ogni nodo? Leggi di Kirkoff e di Ohm:
Problema 4 Ω 3 3 Ω 2 2 Ω 40 V Sistemi lineari 2 Ω Ω 2 Ω Ω 5 6 7 8 Ω 4 Ω Ω 0 V Quali sono i potenziali in ogni nodo? 2 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 2 Ω Ω 2 Ω Ω 2 Ω Ω 2 Ω Ω
Dettagli1. Mercoledì 27/09/2017, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2017/2018 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2017 1. Mercoledì 27/09/2017,
DettagliRegistro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di CALCOLO SCIENTIFICO E METODI NUMERICI Corsi di Laurea in Informatica 6 CFU - A.A. 2018/2019 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2018 1. Martedì 25/09/2018,
DettagliLABORATORIO DI PROGRAMMAZIONE E CALCOLO Docente E. Carlini A.A. 2012/13 Foglio di esercizi N.8 con la collaborazione di Andrea Pugliese
LABORATORIO DI PROGRAMMAZIONE E CALCOLO Docente E. Carlini A.A. / Foglio di esercizi N.8 con la collaborazione di Andrea Pugliese Dovete strutturare i programmi dei seguenti esercizi in funzioni ) (Metodo
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 20-206 Laboratorio 8. (punteggio 3/3/) Si consideri la funzione f(x) = sin(e x/2 ).. Si approssimi la radice α di f nell intervallo [0, 3.] utilizzando
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
DettagliTrasformazione elementari di Givens
Trasformazione elementari di Givens dove Osservazione Esprime una rotazione di ampiezza ϕ Esempio (n=2) Osservazione Rotazione nel senso positivo degli archi In generale Il prodotto matrice vettore equivale
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
Dettagli1 Spazi vettoriali. Sottospazi.
CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v
Dettagli