TECNICHE COMPUTAZIONALI AVANZATE
|
|
- Gabriella Agata Novelli
- 6 anni fa
- Visualizzazioni
Transcript
1 TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma Tor Vergata Problemi Ellittici Metodo di Galerkin per Pb Ellittici: 1D, 2D pelosi/ TECNICHE COMPUTAZIONALI AVANZATE p.1/59
2 EDP o PDE Le Equazioni alle Derivate Parziali sono equazioni differenziali contenenti derivate della funzione incognita rispetto a più variabili (temporali o spaziali). Sia la funzione incognita u = u(t, x 1,..., x d ), una generica EDP si può esprimere F ( x, t, u, u t, u x 1,..., u p1+ +pd+pt u,..., x d x p 1 1 tp t ), g = (1) di ordine p = max{p p d + p t }, p i N, con g insieme di dati. Notazione: operatore divergenza: v = div(v) = d i=1 v i x i, operatore di Laplace (o laplaciano): u = d i=1 2 u x 2 i TECNICHE COMPUTAZIONALI AVANZATE p.2/59
3 EDP o PDE ESEMPI: I ordine: u t + (bu) = : equazione di trasporto (convezione), conservazione della massa in un sistema materiale che occupa la regione Ω, u rappresenta la densità del sistema e b(x, t) è la velocità posseduta da una particella del sistema che all istante t occupa la posizione x; II ordine: u = f: equazione del potenziale, diffusione di un fluido in una regione Ω omogenea ed isotropa o spostamento verticale di una membrana elastica (ellittica) u t 2 u t 2 u = : equazione del calore (parabolica) u = : equazione delle onde (iperbolica) TECNICHE COMPUTAZIONALI AVANZATE p.3/59
4 Classificazione EDP del II ordine Una EDP del II ordine a coefficienti costanti: Lu = A 2 u x B 2 u x 1 x 2 + C 2 u x D u x 1 + E u x 2 + F u = G con G funzione assegnata e A, B, C, D, E, F R, può essere classificata a seconda del segno del discriminante = B 2 4AC : se < : l equazione si dice ellittica se = : l equazione si dice parabolica se > : l equazione si dice iperbolica In generale non è possibile ricavare per via analitica una soluzione della (1): i metodi di integrazione analitica disponibili (tecnica di separazione delle variabili) sono di limitata applicabilità. Anche nel caso si conosca un integrale generale non è detto si riesca a determinare un integrale particolare. Si ricorre a metodi numerici per ottenere una soluzione approssimata TECNICHE COMPUTAZIONALI AVANZATE p.4/59
5 Parte I EQUAZIONI ELLITICHE TECNICHE COMPUTAZIONALI AVANZATE p.5/59
6 Eq. di Poisson Si considera un dominio Ω R 2 limitato e connesso e sia Ω la sua frontiera. Il problema è: u = f in Ω dove f = f(x) è una funzione assegnata nelle due variabili spaziali x = (x 1, x 2 ). L equazione, ellittica del II ordine, si dice formulazione forte del problema di Poisson, (o equazione di Laplace nel caso f = ). Per avere un unica soluzione occorre aggiungere opportune condizioni al contorno: Problema di Dirichlet: si può assegnare il valore dello spostamento sul bordo: u = g su Ω dove g è una funzione assegnata. Se g = si dice omogeneo. Problema di Neumann: si può assegnare il valore della derivata normale di u sul bordo: u n = u n = h su Ω h è una funzione assegnata, n la normale uscente ad Ω. Se h = si dice omogeneo TECNICHE COMPUTAZIONALI AVANZATE p.6/59
7 Eq. di Poisson Problema misto: si possono assegnare su porzioni diverse della frontiera Ω condizioni di tipo diverso. Se Ω = Γ D Γ N con Γ D Γ N = si possono imporre le condizioni: u = g, su Γ D u n = h, su Γ N. Anche nel caso di Dirichlet omogeneo in cui f sia continua nella chiusura di Ω (Ω) non è detto il problema ammetta soluzione regolare: u potrebbe non appartenere a C 2 (Ω). ESEMPIO Se f / C (Ω) non ha senso in generale cercare soluzioni u C 2 (Ω). Siamo interessati a trovare una formulazione alternativa a quella forte che consenta di trattare alcuni casi fisicamente significativi TECNICHE COMPUTAZIONALI AVANZATE p.7/59
8 Pb. di POISSON: 1D Problema Dirichlet omogeneo: u (x) = f(x), < x < 1 u() =, u(1) = Configurazione di equilibrio di un filo elastico con una tensione pari a 1, fissato agli estremi e soggetto ad una forza trasversale di intensità f(x). La funzione u descrive lo spostamento verticale del filo rispetto alla posizione a riposo u =. Se si suppone di applicare un carico concentrato in uno o più punti, la soluzione fisica esiste ed è continua ma non derivabile. TECNICHE COMPUTAZIONALI AVANZATE p.8/59
9 Pb. di POISSON: 1D Problema Dirichlet omogeneo: u (x) = f(x), < x < 1 u() =, u(1) = Configurazione di equilibrio di un filo elastico con una tensione pari a 1, fissato agli estremi e soggetto ad una forza trasversale di intensità f(x). La funzione u descrive lo spostamento verticale del filo rispetto alla posizione a riposo u =. Se si suppone di applicare un carico concentrato in uno o più punti, la soluzione fisica esiste ed è continua ma non derivabile. TECNICHE COMPUTAZIONALI AVANZATE p.8/59
10 Pb. di POISSON: 1D Problema Dirichlet omogeneo: u (x) = f(x), < x < 1 u() =, u(1) = Configurazione di equilibrio di un filo elastico con una tensione pari a 1, fissato agli estremi e soggetto ad una forza trasversale di intensità f(x). La funzione u descrive lo spostamento verticale del filo rispetto alla posizione a riposo u =. Se si suppone di applicare un carico concentrato in uno o più punti, la soluzione fisica esiste ed è continua ma non derivabile. Serve una formulazione alternativa che consenta di ridurre l ordine di derivazione richiesto sulla soluzione u: formulazione debole permette di passare da un problema differenziale del secondo ordine ad uno del primo. TECNICHE COMPUTAZIONALI AVANZATE p.8/59
11 Pb. di POISSON (1D) : forma debole Come si arriva ad una forma debole: Si moltiplica l equazione u (x) = f(x), per una funzione test v (arbitraria) e si integra in (, 1): u v = fv 1 u vdx = 1 fvdx Applicando la formula di integrazione per parti al primo integrale (per eliminare la derivata seconda): 1 u vdx = 1 u v dx [u v] 1 essendo u nota al bordo possiamo considerare funzioni test che si annullano agli estremi dell intervallo, per cui l equazione diventa 1 u v dx = 1 fvdx. (2) TECNICHE COMPUTAZIONALI AVANZATE p.9/59
12 Pb. di POISSON (1D) : forma debole Come si definisce lo spazio delle funzioni test? Lo spazio V delle funzioni test sarà tale che v() = v(1) = e poichè anche la soluzione u soddisfa tale condizione, sarà ricercata nello spazio V. Dobbiamo definire lo spazio in modo che tutte le operazioni introdotte abbiano senso. Se ad esempio u, v C 1 ([, 1]) allora u, v C ([, 1]) e quindi gli integrali sono ben definiti, ma questo esclude soluzioni fisiche non derivabili dobbiamo richiedere una regolarità minore. TECNICHE COMPUTAZIONALI AVANZATE p.1/59
13 RICHIAMI: Alcune definizioni: uno spazio vettoriale V con una metrica associata mediante una distanza d : V V R si dice completo se ogni successione di Cauchy risulta convergente nella distanza d; uno spazio vettoriale V con una norma che risulta completo rispetto alla metrica d(u, v) = u v, u, v V si dice spazio di Banach; uno spazio vettoriale V con una prodotto scalare <, > V che risulta completo rispetto alla metrica d(u, v) = u v V = < u v, u v > V, u, v V si dice spazio di Hilbert; TECNICHE COMPUTAZIONALI AVANZATE p.11/59
14 RICHIAMI: DEF: Dato uno spazio V : si dice funzionale su V un operatore F t.c. F : V R. F si dice lineare se F (αu + βv) = αf (u) + βf (v), u, v V, α, β R F lineare si dice limitato se C > t.c. F (v) C v V, v V ; si dice spazio duale di V: V = {F : V R, F lineare e limitato} con norma F V = sup v V,v F (v) v V ne segue che F V C si dice forma su V un applicazione a t.c. a : V V R. a si dice bilineare se è lineare rispetto ai due argomenti: a(αu + βv, w) = αa(u, w) + βa(v, w), u, v, w V, α, β R a(u, αv + βw) = αa(u, v) + βa(u, w), u, v, w V, α, β R a si dice continua se M > t.c. a(u, v) M u V v V, u, v V a si dice simmetrica se a(u, v) = a(v, u), u, v V. TECNICHE COMPUTAZIONALI AVANZATE p.12/59
15 RICHIAMI: Spazi L p Definizione spazi a potenza p esima integrabile, per 1 p : L p (, 1) = v : (, 1) R t.c v L p (,1) := ( 1 ) 1 v(x) p p dx < + 1 p = 1 : v L 1 (,1) = v(x) dx 1 p = 2 : v L 2 (,1) = v(x) 2 dx Proprietà: Date due funzioni ϕ, ψ : (, 1) R; se ϕ 2, ψ 2 sono integrabili ϕψ è integrabile ossia se ϕ, ψ L 2 (, 1) ϕψ L 1 (, 1) Si dimostra come conseguenza della disuguaglianza di Cauchy Schwarz: 1 ϕ(x)ψ(x)dx ϕ L 2 (,1) ψ L 2 (,1) TECNICHE COMPUTAZIONALI AVANZATE p.13/59
16 RICHIAMI: Spazi di Sobolev Spazio di Sobolev di ordine 1 in (, 1) H 1 (, 1) = { v L 2 (, 1) : v L 2 (, 1) } Spazio di Sobolev di ordine k in (, 1) { } H k (, 1) = v L 2 (, 1) : v (j) L 2 (, 1), j = 1,..., k H k (, 1), k, con H (, 1) = L 2 (, 1), sono spazi di Hilbert rispetto al prodotto scalare: k 1 < f, g > H k = f (j) g (j) dx j= con norma e seminorma f H k = 1 k 1 j= (f (j) ) 2 dx f H k = (f (k) ) 2 dx = f (k) L 2 (,1) TECNICHE COMPUTAZIONALI AVANZATE p.14/59
17 RICHIAMI: Spazi di Sobolev Ad esempio per k = 1 < f, g > H 1= 1 fgdx + 1 f g dx f H 1 = 1 (f) 2 dx + 1 (f ) 2 dx = f 2 L 2 + f 2 L 2 1 f H 1 = Vale la Disuguaglianza di Poincaré: (f ) 2 dx = f L 2 v L 2 (,1) C Ω v H 1 (,1) v H 1 (, 1) TECNICHE COMPUTAZIONALI AVANZATE p.15/59
18 RICHIAMI: Spazi di Sobolev Affinchè 1 u v dx = 1 fvdx sia ben definito la richiesta minima è che u v L 1 (, 1) e per la proprietà sopra basta che u, v siano a quadrato integrabile: u, v L 2 (, 1). Consideriamo lo spazio di Sobolev H 1 (, 1) = { v L 2 (, 1) : v L 2 (, 1) } (derivata nel senso delle distribuzioni) Scegliamo come V il seguente sottospazio di H 1 (, 1): V = H 1 (, 1) = { v H 1 (, 1) : v() = v(1) = } e chiediamo f L 2 (, 1) in modo che anche 1 fvdx abbia senso TECNICHE COMPUTAZIONALI AVANZATE p.16/59
19 Pb. di POISSON (1D) : forma debole Il problema iniziale viene ricondotto al seguente problema integrale: trovare u V : 1 u v dx = 1 fvdx v V = H 1 (, 1). (3) OSS: Le funzioni di H 1 (, 1) non sono necessariamente derivabili in senso classico, ovvero H 1 (, 1) C 1 ([, 1]) ( es. funzioni continue a tratti stanno in H 1 (, 1) ma non in C 1 ([, 1])). Quindi la soluzione può essere continua ma non derivabile. Il problema (3) risulta equivalente ad un problema variazionale trovare u V : J(u) = min v V J(v) con J(v) = (v ) 2 dx 1 fvdx, (4) DIM: TECNICHE COMPUTAZIONALI AVANZATE p.17/59
20 Pb. di POISSON (1D) : forma debole Tornando al problema del filo elastico, se v denota lo spostamento ammissibile dalla posizione di equilibrio u, l equazione (3) esprime l uguaglianza del lavoro fatto dalle forze interne e dalle forze esterne in corrispondenza dello spostamento v: principio dei lavori virtuali. J(w) esprime energia potenziale globale associata alla configurazione w: un qualsiasi spostamento dalla configurazione di equilibrio causa un incremento dell energia potenziale del sistema, la (4) afferma che la soluzione debole minimizza l energia potenziale. TECNICHE COMPUTAZIONALI AVANZATE p.18/59
21 Pb. di POISSON (1D) : forma debole Pb. di Dirichlet non omogeneo: u() = g, u(1) = g 1 Ci si può ricondurre al caso omogeneo: definiamo la funzione R g, detta rilevamento del dato di bordo, tale che R g () = g, R g (1) = g 1. In questo caso possiamo prendere R g = (1 x)g + xg 1. Se u è la soluzione del problema non omogeneo allora u = u R g è la soluzione del problema omogeneo corrispondente TECNICHE COMPUTAZIONALI AVANZATE p.19/59
22 Pb. di POISSON(1D) : forma debole Pb. di Neumann: u + σu = f, < x < 1 u () = h, u (1) = h 1 con σ funzione positiva e h, h 1 R. (Se σ = la soluzione non è unica, ma definita a meno di una costante additiva.) Analogamente al Pb. di Dirichlet: si moltiplica l equazione per una funzione test v, si integra in (, 1) e si applica la formula di integrazione per parti ottenendo u v dx + σuvdx [u v] 1 = fvdx supponiamo f L 2 (, 1) e σ L (, 1), u non è nota al bordo quindi non richiediamo funzioni test che si annullano agli estremi ma è nota la derivata: 1 trovare u H 1 (, 1) u v dx + 1 σuvdx = 1 fvdx + h 1 v(1) h v(), v H 1 (, 1) OSS: Se h = h 1 il pb. debole è caratterizzato dalla stessa equazione del caso di Dirichlet, ma lo spazio V delle funzioni test è ora diverso. TECNICHE COMPUTAZIONALI AVANZATE p.2/59
23 Pb. di POISSON(1D): forma debole Pb. misto omogeneo (o di Robin): u + σu = f, < x < 1 u() =, u (1) = In questo caso si deve chiedere che le funzioni test siano nulle in x = (Γ D =, Γ N = 1) ponendo: H 1 Γ D (, 1) = { v H 1 (, 1) : v() = } con i soliti passaggi la formulazione debole con f L 2 (, 1) e σ L (, 1), è trovare u H 1 Γ D (, 1) 1 u v dx + 1 σuvdx = 1 fvdx, v H 1 Γ D (, 1) OSS: Di nuovo si ottiene la stessa equazione del caso di Dirichlet omogeneo, ma con diverso lo spazio V delle funzioni test. TECNICHE COMPUTAZIONALI AVANZATE p.21/59
24 Pb. di POISSON(1D): forma debole Pb. misto (o di Robin): u + σu = f, < x < 1 u() =, u (1) + γu(1) = r, γ, r > Si chiede che le funzioni test siano nulle in x = (Γ D = ) ponendo: H 1 Γ D (, 1) = { v H 1 (, 1) : v() = } in questo caso il termine di bordo per x = 1 derivante dall integrazione per parti fornisce un termine proporzionale all incognita u: [u v] 1 = rv(1) + γu(1)v(1) la formulazione debole risulta: trovare u H 1 Γ D (, 1) 1 u v dx + 1 σuvdx + γu(1)v(1) = 1 fvdx + rv(1), v H 1 Γ D (, 1) TECNICHE COMPUTAZIONALI AVANZATE p.22/59
25 Pb. di POISSON (2D) omogeneo : forma debole Consideriamo il caso di Dirichlet omogeneo, sul dominio limitato Ω R 2 : u = f, u =, in Ω su Ω Analogamente al caso monodimensionale Si moltiplica l equazione differenziale u = f, per una funzione test v (arbitraria) e si integra in Ω: uv dω = fv dω Ω Occorre applicare l analogo multidimensionale della formula di integrazione per parti. Si ottiene con il teorema della divergenza: div(a) dω = a n dγ Ω con a(x) = (a 1 (x), a 2 (x)) T funzione sufficientemente regolare e n(x) = (n 1 (x), n 2 (x)) T versore normale uscente ad Ω e x = (x 1, x 2 ) T vettore coordinate spaziali. Ω Ω TECNICHE COMPUTAZIONALI AVANZATE p.23/59
26 Pb. di POISSON (2D) omogeneo : forma debole Applicando il teorema della divergenza alle funzioni (, ϕψ) T e (ϕψ, ) T si ottiene ϕ ψ dω = ϕ ψ dω + ϕψn i dγ, i = 1, 2 Ω x i Ω x i Ω Sfruttando u = div u = i=1,2 x i ( u x i ): Ω uv dω = i=1,2 = = Ω i=1,2 ( ) u v dω Ω x i x i u v dω x i=1,2 i x i Ω u v dω x i x i Ω i=1,2 i=1,2 Ω u x i vn i dγ ( u x i n i ) v dγ si arriva alla formula di Green uv dω = Ω u v dω Ω Ω u n v dγ TECNICHE COMPUTAZIONALI AVANZATE p.24/59
27 Pb. di POISSON (2D): forma debole Si arriva così alla formulazione debole trovare u H 1 (Ω) : con f L 2 (Ω) e dove denotiamo Ω u v dω = Ω fv dω, v H 1 (Ω). H 1 (Ω) = {v : Ω R t.c v, v x i L 2 (Ω)} H 1 (Ω) = {v H 1 (Ω) : v = su Ω} OSS: Se u, v H 1 (Ω) allora u, v [L2 (Ω)] 2 e quindi u v L 1 (Ω) grazie alla disuguaglianza di Cauchy-Schwarz: ( u, v) u L 2 (Ω) v L 2 (Ω) TECNICHE COMPUTAZIONALI AVANZATE p.25/59
28 Pb. di POISSON (2D): forma debole Definiamo: a : V V R, a(u, v) = u v dω, forma bilineare Ω F : V R, F (v) = f v dω, funzionale lineare Ω Il problema debole diventa trovare u V : a(u, v) = F (v) v V. TECNICHE COMPUTAZIONALI AVANZATE p.26/59
29 Pb. di POISSON (2D) NON omogeneo Consideriamo il seguente problema con condizioni miste non omogenee u = f, u = g, u n = φ, in Ω su Γ D su Γ N dove Γ D, Γ N costituiscono una partizione di Ω, con f L 2 (Ω), g H 1 2 (Γ D ), φ L 2 (Γ N ). Grazie alla formula di Green si ottiene: Ω u v dω Ω u n v dγ = Ω fv dω e sfruttando il dato u n = φ su Γ N : Ω u v dω Γ D u n v dγ φv dγ = Γ N Ω fv dω TECNICHE COMPUTAZIONALI AVANZATE p.27/59
30 Pb. di POISSON (2D) NON omogeneo Imponendo v = in Γ D, si arriva alla seguente forma debole trovare u V g : u v dω = Ω φv dγ + Γ N Ω fv dω v V con V = H 1 Γ D (Ω) = {v H 1 (Ω) : v ΓD = } V g = {v H 1 (Ω) : v ΓD = g} La formulazione sopra presenta delle problematiche: non è simmetrica (u V g, v V ) V g non è un sottospazio di V. TECNICHE COMPUTAZIONALI AVANZATE p.28/59
31 Pb. di POISSON (2D) NON omogeneo Supponiamo di conoscere una funzione continua R g, rilevamento del dato di bordo: R g H 1 (Ω), R g ΓD = g e consideriamo ũ = u R g, ũ ΓD ũ ΓD = dunque è soluzione del problema omogeneo associato e poichè u = ũ + R g, il problema diventa trovare ũ V = HΓ 1 D (Ω): ũ v dω = φv dγ + fv dω R g v dω v V Ω Γ N Ω Ω ovvero trovare ũ V : a(ũ, v) = F (v) v V F (v) = φv dγ Γ N Ω fv dω Ω R g v dω Il problema è simmetrico Le condizioni di Dirichlet sono dette essenziali in quanto imposte in modo esplicito per determinare lo spazio di funzioni Le condizioni di Neumann sono dette naturali in quanto soddisfatte implicitamente dalla soluzione del problema. TECNICHE COMPUTAZIONALI AVANZATE p.29/59
32 Problemi Ellittici più Generali Lu = f, u = g, in Ω su Γ D u n L = φ, su Γ N dove Γ D, Γ N costituiscono una partizione di Ω, con f L 2 (Ω), g H 1 2 (Γ D ), φ L 2 (Γ N ) e definendo l operatore L: 2 ( ) u Lu = a i,j + σu x i,j=1 i x j e la derivata conormale di u associata all operatore L u n L = 2 i,j=1 a i,j u x j n i Sotto opportune ipotesi la formulazione debole rimane la stessa definendo 2 a(u, v) = u v a i,j + σuv dω Ω x i,j=1 j x i F (v) = a(r g, v) + fv dω + φv dγ Ω Γ N TECNICHE COMPUTAZIONALI AVANZATE p.3/59
33 Problemi Ellittici più Generali Vediamo le ipotesi che devono essere soddisfatte: σ(x) L (Ω) e α > tale che σ(x) α, q.o. in Ω; i coefficienti a ij : Ω R siano funzioni continue i, j = 1, 2 esista una costante α > (costante di ellitticità) tale che ξ = (ξ 1, ξ 2 ) T R 2, 2 2 a ij (x)ξ i ξ j α i,j=1 i=1 ξ 2 i, q.o. in Ω. TECNICHE COMPUTAZIONALI AVANZATE p.31/59
34 ESEMPIO: Elasticità Lineare div σ(u) = f i, in Ω, i = 1, 2 u i =, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 σ ij (u) = λdiv(u)δ ij + 2µε ij (u), div σ(u) = ε ij (u) = 1 2 ( ui + u ) j x j x i = 2 j=1 σ ij x j (u), i = 1, 2 u 1 x ( u 1 x 2 + u 2 x 1 ) 1 2 ( u 1 x 2 + u 2 x 1 ) u 2 x 2 u : spostamento di un corpo elastico che occupa la regione Ω, sotto l azione di una forza per unità di volume di intensità f = (f 1, f 2 ) T, soggetto ad un carico distribuito su Γ N di intensità g = (g 1, g 2 ) T e fissato all estremità Γ D. TECNICHE COMPUTAZIONALI AVANZATE p.32/59
35 ESEMPIO: Elasticità Lineare div σ(u) = f i, in Ω, i = 1, 2 u i =, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 con la formula di Green σ(u) : ε(v) dω := Ω = 2 i,j=1 Ω 2 i,j=1 Γ σ ij (u)ε ij (v) dω σ ij (u)n j v i dγ 2 i,j=1 Ω σ ij x j (u)v i dω si ottiene: σ(u) : ε(v) dω = f v dω + g v dγ Ω Ω Γ N λdiv(u)div(v) dω + 2µ ε(u) : ε(v) dω = f v dω + g v dγ Ω Ω Ω Γ N TECNICHE COMPUTAZIONALI AVANZATE p.33/59
36 ESEMPIO: Elasticità Lineare in lamina con buco una lamina sottile sottoposta a tensione uniforme lungo un asse T x = T x e x con un piccolo foro (r = 1) nell interno La distribuzione può essere alterata solo in prossimità del buco e lo stress mantiene valori uniformi nel resto del dominio È conveniente costruire un cerchio ipotetico con raggio uguale all ampiezza della lamina Per simmetria si può risolvere il problema in un quarto di dominio TECNICHE COMPUTAZIONALI AVANZATE p.34/59
37 ESEMPIO: Elasticità Lineare div σ(u) =, in Ω, i = 1, 2 u i = p i, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 Γ D Γ N Γ N Γ D TECNICHE COMPUTAZIONALI AVANZATE p.35/59
38 ESEMPIO: Elasticità Lineare div σ(u) =, in Ω, i = 1, 2 u i = p i, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 Configurazione iniziale e finale; Distribuzione dello stress σ 1 TECNICHE COMPUTAZIONALI AVANZATE p.36/59
39 ESEMPIO: Problema di Lamè div σ(u) = f, in Ω, i = 1, 2 u i =, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 Lamina rettangolare flessibile posta su un piano verticale, soggetta ad una forza f perpendicolare e con un lato fissato ad un sostegno Γ N Γ D ΓN Γ N TECNICHE COMPUTAZIONALI AVANZATE p.37/59
40 ESEMPIO: Problema di Lamè div σ(u) = f, in Ω, i = 1, 2 u i =, su Γ D, i = 1, 2 2 j=1 σ ij(u)n j = g i, su Γ N, i = 1, 2 Lamina rettangolare flessibile posta su un piano verticale, soggetta ad una forza f perpendicolare e con un lato fissato ad un sostegno TECNICHE COMPUTAZIONALI AVANZATE p.37/59
41 Esistenza e Unicità Lemma di Lax-Milgram Supposto V spazio di Hilbert; a(, ) : V V R forma bilineare coerciva: α > t.c. a(v, v) α v 2 V, v V e continua: M > t.c. a(u, v) M u V v V, u, v V F ( ) : V R funzionale lineare limitato, allora esiste un unica soluzione del problema: trovare u V : a(u, v) = F (v) v V. Corollario La soluzione è limitata in funzione dei dati: u V 1 α F V dove α è la costante di coercività associata alla forma bilineare a(, ), e F V è la norma del funzionale F. DIM: dalla coercività di a(, ) si ha che α u 2 V F (u) F V u V, segue la tesi. a(u, u) = F (u) e poichè TECNICHE COMPUTAZIONALI AVANZATE p.38/59
42 METODO di GALERKIN Tutti i problemi visti possono essere ricondotti alla formulazione debole: trovare u V t.c. a(u, v) = F (v), v V con V H 1 (Ω), spazio di Hilbert, a : V V R forma bilineare continua e coerciva, F : V R forma lineare limitata. Formulazione approssimata: Sia V h V una famiglia di sottospazi (al variare di h) a dimensione finita dim V h = N h : trovare u h V h t. c. a(u h, v h ) = F (v h ), v h V h (5) detto Problema di Galerkin. Indicando con {ϕ i ; i = 1, 2,..., N h } una base di V h, basta che la (5) sia soddisfatta per ogni funzione di base a(u h, ϕ i ) = F (ϕ i ), i = 1, 2,..., N h. Scrivendo u h = N h j=1 u jϕ j le equazioni diventano: N h u j a(ϕ j, ϕ i ), i = 1, 2,..., N h. j=1 TECNICHE COMPUTAZIONALI AVANZATE p.39/59
43 METODO di GALERKIN Si ottiene il sistema lineare Au = f - A R N h N h : Matrice di stiffness, A ij = a(ϕ j, ϕ i ); - f R N h: vettore dati, f i = F (ϕ i ); - u R N h: vettore incognite, u i = u i. Proprietà di A A associata a problemi ellittici è definita positiva; A simmetrica se e solo se la forma bilineare a(, ) è simmetrica (Pb. con condizioni Dirichlet o miste) Altre proprietà come condizionamento, struttura di sparsità, dipendono dalla base considerata. TECNICHE COMPUTAZIONALI AVANZATE p.4/59
44 METODO di GALERKIN: analisi Esistenza e Unicità Il Lemma di Lax-Milgram vale per ogni spazio di Hilbert e quindi in particolare per lo spazio V h sottospazio dello spazio di Hilbert V ; a(, ) e F ( ) sono gli stessi; sono soddisfatte le ipotesi del Lemma per cui si ha: COROLLARIO La soluzione del problema di Galerkin esiste ed è unica Analogamente si può dimostrare l esistenza e unicità della soluzione dal fatto che la matrice A essendo definita positiva risulta non singolare. Stabilità: la soluzione discreta rimane limitata al tendere di h a zero. Infatti vale: COROLLARIO Il metodo di Galerkin è stabile, uniformemente rispetto ad h in quanto vale u h V 1 α F V TECNICHE COMPUTAZIONALI AVANZATE p.41/59
45 METODO di GALERKIN: analisi Si vuol dimostrare la convergenza della soluzione del problema di Galerkin alla soluzione del problema debole quando h tende a zero. Lemma di Céa Il metodo di Galerkin è fortemente consistente : a(u u h, v h ) =, v h V h, Ortogonalità di Galerkin DIM: Essendo V h V, la soluzione esatta u soddisfa il problema debole per ogni v = v h : a(u, v h ) = F (v h ) sottraendo con a(u h, v h ) = F (v h ) si ha da cui la tesi per la bilinearità di a(, ). a(u, v h ) a(u h, v h ) = TECNICHE COMPUTAZIONALI AVANZATE p.42/59
46 METODO di GALERKIN: analisi Ortogonalità di Galerkin o metodo di proiezione ortogonale: se a(, ) è simmetrica allora definisce un prodotto scalare in V e la fortemente consistenza dice che il vettore errore u u h è ortogonale rispetto al prodotto scalare a(, ) a tutti gli elemeti di V h La soluzione u h del metodo di Galerkin è la proiezione su V h della soluzione esatta minimizza la distanza dalla soluzione esatta nella norma indotta dal prodotto scalare u u u h V h u h TECNICHE COMPUTAZIONALI AVANZATE p.43/59
47 METODO di GALERKIN: Convergenza Applichiamo la forma bilineare a u u h : a(u u h, u u h ) = a(u u h, u v h ) + a(u u h, v h u h ) = a(u u h, u v h ) + per la continuità di a(, ): a(u u h, u v h ) M u u h V u v h V per la coercività: a(u u h, u u h ) α u u h 2 V disuguaglianze trovate: da cui mettendo insieme le α u u h 2 V a(u u h, u u h ) = a(u u h, u v h ) M u u h V u v h V u u h V M α u v h V, v h V h u u h V M α inf w h V h u w h V TECNICHE COMPUTAZIONALI AVANZATE p.44/59
48 METODO di GALERKIN: Convergenza affinchè si abbia la convergenza occorre richiedere che al tende a zero di h, V h tenda a V : lim h inf v v h V =, v h V h v V ne segue che per valori limite di h (raffinando) la soluzione approssimata converge all soluzione esatta: lim u u h V = h TECNICHE COMPUTAZIONALI AVANZATE p.45/59
49 ELEMENTI FINITI 1D Ω = (a, b) R: si vogliono delle approssimazioni di H 1 (a, b) dipendenti da un parametro h: sia T h una partizione di (a, b) in N + 1 sottointervalli K j = (x j 1, x j ) di ampiezza h j = x j x j 1 e h = max j h j con a = x < x 1 < < x N+1 = b le funzioni di H 1 (a, b) sono continue per cui possiamo costruire la seguente famiglia di sottospazi: X r h = {v h C (Ω) : v h Kj P r, K j T h } X r h sono sottospazi di H1 (a, b) in quanto contengono funzioni derivabili tranne che in un numero finito di punti (x j ); Gli elementi di Xh r sono localmente polinomi e quindi facili da calcolare; conviene scegliere una base ϕ i in modo che il supporto della generica funzione intersechi quello di un numero piccolo di altre funzioni (sparsità matrice rigidezza e costo computazionale ridotto) conviene scegliere una base lagrangiana: i coefficienti di v h nella base coincidono con i valori di v h in punti opportuni detti nodi. TECNICHE COMPUTAZIONALI AVANZATE p.46/59
50 ELEMENTI FINITI 1D: spazio X 1 h Spazio delle funzioni continue lineari a tratti su T h, partizione di (a, b): gradi di libertà, ovvero i valori che occorre assegnare per individuare univocamente un elemento dello spazio, coincidono con N + 2, il numero degli elementi della partizione (nodi e elementi partizione coincidono) base lagrangiana: ϕ i X 1 h t.c. ϕ i(x j ) = δ ij = 1, i = j, i j funzione lineare a tratti che vale 1 in x i e zero in tutti gli altri nodi: ϕ i (x) = x x i 1 x i x i 1, per x i 1 x x i x i+1 x x i+1 x i, per x i x x i+1, altrimenti. TECNICHE COMPUTAZIONALI AVANZATE p.47/59
51 ELEMENTI FINITI 1D: spazio X 1 h supporto di ϕ i : [x i 1, x i+1 ] per i = 1,..., N, per i =, N + 1 il supporto è il solo intervallo [x, x 1 ] e [x N, x N+1 ] solo le funzioni ϕ i 1, ϕ i+1 hanno supporto con intersezione non nulla con [x i 1, x i+1 ]; la matrice di rigidezza è tridiagonale TECNICHE COMPUTAZIONALI AVANZATE p.48/59
52 ELEMENTI FINITI 1D: spazio X 1 h supporto di ϕ i : [x i 1, x i+1 ] per i = 1,..., N, per i =, N + 1 il supporto è il solo intervallo [x, x 1 ] e [x N, x N+1 ] solo le funzioni ϕ i 1, ϕ i+1 hanno supporto con intersezione non nulla con [x i 1, x i+1 ]; la matrice di rigidezza è tridiagonale TECNICHE COMPUTAZIONALI AVANZATE p.48/59
53 ELEMENTI FINITI 1D: spazio X 1 h le funzioni ϕ i, ϕ i+1 in [x i, x i+1 ], si ripetono a meno di un fattore di scalatura legato ad h i. Nella pratica si possono ottenere trasformando due funzioni di riferimento ϕ, ϕ 1 costruite su un intervallo di riferimento, tipicamente [, 1]: (x i, x i+1 ) intervallo della partizione di (a, b) può essere ottenuto da (, 1) tramite: φ : [, 1] [x i, x i+1 ], x = φ(ξ) = x i + ξ(x i+1 x i ) le ϕ, ϕ 1 in [, 1] ϕ (ξ) = 1 ξ,, ϕ 1 (ξ) = ξ le generiche ϕ i, ϕ i+1 in [x i, x i+1 ]: ϕ i (x) = ϕ (ξ(x)), ϕ i+1 (x) = ϕ 1 (ξ(x)) con ξ(x) = (x x i )/(x i+1 x i ) TECNICHE COMPUTAZIONALI AVANZATE p.49/59
54 ELEMENTI FINITI 1D: spazio X 2 h Spazio di polinomi compositi di grado 2 su ciascun intervallo di T h, gradi di libertà: occorre assegnare 3 punti in ogni intervallo, per garantire la continuità due punti coincidono con gli estremi dell intervallo generico di T h e il terzo sarà il punto medio, i nodi saranno: a = x,..., x 2N+2 = b base lagrangiana: ϕ i X 2 h t.c. ϕ i(x j ) = δ ij funzione quadratiche a tratti che vale 1 in x i e zero in tutti gli altri nodi: i pari ϕ i (x) = i dispari ϕ i (x) = (x x i 1 )(x x i 2 ) (x i x i 1 )(x i x i 2 ), per x i 2 x x i 1 (x i+1 x)(x i+2 x) (x i+1 x i )(x i+2 x i ), per x i x x i+2, altrimenti. (x i+1 x)(x x i 1 ) (x i+1 x i )(x i x i 1 ), per x i 1 x x i+1, altrimenti. TECNICHE COMPUTAZIONALI AVANZATE p.5/59
55 ELEMENTI FINITI 1D: spazio X 2 h Spazio di polinomi compositi di grado 2 su ciascun intervallo di T h, gradi di libertà: occorre assegnare 3 punti in ogni intervallo, per garantire la continuità due punti coincidono con gli estremi dell intervallo generico di T h e il terzo sarà il punto medio, i nodi saranno: a = x,..., x 2N+2 = b base lagrangiana: ϕ i X 2 h t.c. ϕ i(x j ) = δ ij funzione quadratiche a tratti che vale 1 in x i e zero in tutti gli altri nodi: i pari ϕ i (x) = i dispari ϕ i (x) = (x x i 1 )(x x i 2 ) (x i x i 1 )(x i x i 2 ), per x i 2 x x i 1 (x i+1 x)(x i+2 x) (x i+1 x i )(x i+2 x i ), per x i x x i+2, altrimenti. (x i+1 x)(x x i 1 ) (x i+1 x i )(x i x i 1 ), per x i 1 x x i+1, altrimenti..5 1 TECNICHE COMPUTAZIONALI AVANZATE p.5/59
56 ELEMENTI FINITI 1D: spazio X 2 h come nel caso lineare la base può essere descritta considerando delle funzioni di base sull intervallo di riferimento [, 1] e poi trasformandole nel generico intervallo: ϕ (ξ) = (1 ξ)(1 2ξ), ϕ 1 (ξ) = 4(1 ξ)ξ, ϕ 2 (ξ) = ξ(2ξ 1).5 per X 2 h la matrice di stiffness risulta pentadiagonale Aumentando il grado polinomiale aumenta numero di gradi di libertà e costo computazionale per risolvere il sistema lineare; l uso di gradi elevati su nodi uniformi porta ad approssimazioni meno stabili TECNICHE COMPUTAZIONALI AVANZATE p.51/59
57 In generale: una approssimazione elementi finiti è un approssimazione di Galerkin in cui lo spazio V h : è associato ad una triangolazione T h nel dominio Ω: suddivisione del dominio in oggetti geometrici dello stesso tipo: intervalli in 1D triangoli o rettangoli in 2D... Su ogni elemento K di T h gli elementi di V h sono funzioni polinomiali V h ammette una base ϕ i, i = 1,..., N h di funzioni a supporto limitato in generale ϕ i, i = 1,..., N h sono polinomi a tratti di grado basso TECNICHE COMPUTAZIONALI AVANZATE p.52/59
58 Elemento Finito Lagrangiano: definizione Un Elemento Finito si caratterizza con la terna: ( K, Σ, P r ) K: dominio di Definizione o oggetto geometrico P r : spazio dei polinomi su cui è definita una base {ϕ j } r j= ; i gradi di libertà a j di un generico elemento di P r : r p P r, p = α j ϕ j Si indica Σ := {α j } r i= : la conoscenza della posizione dei nodi permette di trovare i gradi di libertà. Supponiamo di definire l elemento a partire da un elemento di riferimento su K e tramite una trasformazione φ si passa all elemento finito su K. Allora se ( K, Σ, P r ) è elemento finito di Lagrange e φ : K R d iniettiva e continua allora ( K, Σ, P r ) è ancora un elemento finito di Lagrange con j= K = φ( K), P r = {p : K R, p φ P r }, Σ = φ( Σ) TECNICHE COMPUTAZIONALI AVANZATE p.53/59
59 Approssimazione con Elementi Finiti Lineari PROBLEMA Formulazione debole u + σu = f, a < x < b, u(a) =, u(b) = 1 trovare u H 1 (a, b) u v dx + 1 σuvdx = 1 fvdx, v H 1 (a, b) Problema agli elementi finiti sia T h una partizione di (a, b) in N + 1 sottointervalli K j, h = (b a)/(n + 1) e consideriamo lo spazio delle funzioni lineari a tratti nulle nel bordo V h = {v h X 1 h : v h(a) = v h (b) = } H 1 (a, b) trovare u h V h b a b u h v h dx + σu h v h dx = a b a fv h, v h V h TECNICHE COMPUTAZIONALI AVANZATE p.54/59
60 Approssimazione con Elementi Finiti Lineari Consideriamo la base delle funzioni a cappuccio imponendo le condizioni al bordo, possiamo scrivere u h = N u i ϕ i i=1 richiediamo che il problema sopra sia soddisfatto per ogni elemento della base: v = ϕ i si ottiene un sistema lineare di N equazioni nelle N incognite u i = u h (x i ) A = [a ij ], a ij = b a Au = f b ϕ j ϕ i dx + σϕ j ϕ i dx u = [u i ], f = [f i ], f i = a b A è tridiagonale per elementi finiti lineari; a fϕ i dx TECNICHE COMPUTAZIONALI AVANZATE p.55/59
61 Approssimazione con Elementi Finiti Lineari Per calcolare gli elementi di A si utilizzano le funzioni definite nell intervallo di riferimento e poi si trasformano opportunamente gli integrali: a ij = = b a xi ( ϕ j ϕ i + σϕ jϕ i ) dx = x i 1 ( ϕ j ϕ i + σϕ jϕ i ) dx + xi+1 x i ( ϕ j ϕ i + σϕ jϕ i ) dx Consideriamo il primo addendo per j = i 1 e applichiamo la trasformazione x = (x(ξ)) con dx = d(x i 1 + ξh i ) = h i dξ: xi x i 1 ( ϕ i 1 ϕ i + σϕ i 1ϕ i ) dx = 1 [ ϕi 1 (x(ξ)) ϕ i (x(ξ)) + σ(x(ξ))ϕ i 1 (x(ξ))ϕ i (x(ξ)) ] h i dξ ϕ i (x(ξ)) = ϕ 1 (ξ) e ϕ i 1 (x(ξ)) = ϕ (ξ), per le derivate si ha d dx ϕ i(x(ξ)) = dξ dx ϕ 1(ξ) = 1 h i ϕ 1 (ξ), a i 1,i = 1 d dx ϕ i 1(x(ξ)) = 1 h i ϕ (ξ) ( 1 h i ϕ 1 (ξ) ϕ (ξ) + σ ϕ 1 (ξ) ϕ (ξ)h i ) dξ Per coefficienti costanti gli integrali possono essere calcolati una volta per tutte. TECNICHE COMPUTAZIONALI AVANZATE p.56/59
62 Stima dell errore in norma H 1 Errore di Interpolazione Data v C ([a, b]), chiamiamo Π 1 h v l interpolante di v nello spazio X 1 h sulla partizione T h rispetto alla base ϕ i, i =,..., N + 1 lagrangiana: N+1 Π 1 h v(x i) = v(x i ), Π 1 h v(x) = i= v(x i )ϕ i (x) TEOREMA Sia v H r+1 (I), I = (a, b), r 1, Π r h v Xr h dell errore di interpolazione: la sua interpolante. Vale la seguente stima v Π r h v H k (I) C k,rh r+1 k v H r+1 (I), k =, 1. - C k,r : costante indipendente da v e h; - H (I) = L 2 (I) e H = L 2 TECNICHE COMPUTAZIONALI AVANZATE p.57/59
63 Stima dell errore in norma H 1 Errore di Approssimazione del metodo degli Elementi Finiti Grazie alla stima dell errore di interpolazione si dimostra: TEOREMA Sia Ω = I, u H p+1 (I) soluzione esatta del problema variazionale e u h la sua soluzione approssimata con il metodo degli Elementi Finiti di grado r in V h = X r h V, r p. Vale la seguente stima apriori dell errore: u u h V M α Chr u H r+1 (I). Per aumentare l accuratezza si può diminuire h, ovvero raffinare la griglia aumentare r, ovvero utilizzare elementi finiti di grado più elevato u V H p+1 (I), quindi il massimo valore di r che ha senso prendere è r = p: se la soluzione non è molto regolare non conviene usare elementi finiti di grado elevato Se p = : soluzione con regolarità minima la stima non è più valida, ma si ha comunque convergenza TECNICHE COMPUTAZIONALI AVANZATE p.58/59
64 Stima dell errore in norma H 1 Errore di Approssimazione del metodo degli Elementi Finiti r p = p = 1 p = 2 p = 3 p = 4 1 converge h 1 h 1 h 1 h 1 2 converge h 1 h 2 h 2 h 2 3 converge h 1 h 2 h 3 h 3 4 converge h 1 h 2 h 3 h 4 In generale: se u H p+1 (I), p > allora esiste una costante C indipendente da u e h, tale che u u h H 1 (I) Chs u H s+1 (I), s = min{p, r}. TECNICHE COMPUTAZIONALI AVANZATE p.59/59
ANALISI NUMERICA. Introduzione alle PDE e formulazione debole. a.a Maria Lucia Sampoli. ANALISI NUMERICA p.1/38
ANALISI NUMERICA Introduzione alle PDE e formulazione debole a.a. 212 213 Maria Lucia Sampoli ANALISI NUMERICA p.1/38 EDP o PDE Le Equazioni alle Derivate Parziali sono equazioni differenziali contenenti
DettagliTECNICHE COMPUTAZIONALI AVANZATE
TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma Tor Vergata Esempi Pb. Ellittici http://www.mat.uniroma2.it/ pelosi/ TECNICHE COMPUTAZIONALI AVANZATE p.1/15 ESEMPIO
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliSoluzioni Analitiche e Numeriche Applicate all Ingegneria Ambientale
Soluzioni Analitiche e Numeriche Applicate all Ingegneria Ambientale Massimiliano Martinelli massimiliano.martinelli@gmail.com Università Politecnica delle Marche, Ancona Facoltà di Ingegneria 11-12 Marzo
DettagliSpazi di Sobolev e. formulazione variazionale dei. problemi ai limiti
Spazi di Sobolev e formulazione variazionale dei problemi ai limiti Corso di Analisi Funzionale 11 e 13 gennaio 21 Stefania Maria Buccellato Ultima Edizione 21 dicembre 211 Dipartimento di Matematica e
DettagliIl metodo di Galerkin Elementi Finiti Lineari
Il metodo di Galerkin Elementi Finiti Lineari Si consideri il problema: u(x) = f(x), x (, ), u() = 0, u() = 0. Se ne fornisca la corrispondente formulazione debole. Si costruiscano inoltre la matrice di
DettagliMetodi Matematici per l Ingegneria Politecnico di Milano A.A. 2011/2012. Prof. M. Bramanti Esempi di domande teoriche da esame
Metodi Matematici per l Ingegneria Politecnico di Milano A.A. 2011/2012. Prof. M. Bramanti Esempi di domande teoriche da esame Le seguenti domande teoriche sono domande-tipo da esame. L elenco di domande
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
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
DettagliContenuti delle lezioni:
Contenuti delle lezioni: 1. Introduzione ed esempi di Equazioni alle Derivate Parziali; 2. Classificazione delle Equazioni alle Derivate Parziali (PDE) 3. Derivazione numerica 4. Metodi numerici alle differenze
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliANALISI MATEMATICA 3. esercizi assegnati per la prova scritta del 31 gennaio 2011
esercizi assegnati per la prova scritta del 31 gennaio 2011 Esercizio 1. Per x > 0 e n N si ponga f n (x) = ln ( n 5 x ) a) Provare l integrabilità delle funzioni f n in (0, + ). 3 + n 4 x 2. b) Studiare
DettagliANALISI NUMERICA. Elementi finiti bidimensionali. a.a. 2014 2015. Maria Lucia Sampoli. ANALISI NUMERICA p.1/23
ANALISI NUMERICA Elementi finiti bidimensionali a.a. 2014 2015 Maria Lucia Sampoli ANALISI NUMERICA p.1/23 Elementi Finiti 2D Consideriamo 3 aspetti per la descrizione di elementi finiti bidimensionali:
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:
DettagliCOMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005
Prova scritta del 26 gennaio 2005 Esercizio 1. Posto B = x R 2 : x 2 2}, sia f n } una successione di funzioni (misurabili e) integrabili in B tali che f n f q.o. in B e, per ogni n N, f n (x) 2 x 3 per
DettagliSerie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N:
Serie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N: S N (x) = N n=0 (a n cos (nx) + b n sin (nx)), a n, b n R (periodiche
Dettagli1. Funzioni implicite
1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,
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
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
DettagliAnalisi 2. Roberto Monti. Appunti del Corso - Versione 5 Ottobre 2012
Analisi 2 Roberto Monti Appunti del Corso - Versione 5 Ottobre 212 Indice Capitolo 1. Programma 5 Capitolo 2. Convergenza uniforme 7 1. Convergenza uniforme e continuità 7 2. Criterio di Abel Dirichlet
DettagliEquazione di Laplace
Equazione di Laplace. Introduzione Si da il nome di operatore di Laplace o laplaciano all operatore differenziale u = u xx + u yy + u zz in tre dimensioni, o agli analoghi in dimensioni diverse. L operatore
DettagliAppunti sul corso di Complementi di Matematica mod. Analisi prof. B.Bacchelli - a.a. 2010/2011.
Appunti sul corso di Complementi di Matematica mod. Analisi prof. B.Baccelli - a.a. 2010/2011. 06 - Derivate, differenziabilità, piano tangente, derivate di ordine superiore. Riferimenti: R.Adams, Calcolo
DettagliEquazioni differenziali
Equazioni differenziali Antonino Polimeno Università degli Studi di Padova Equazioni differenziali - 1 Un equazione differenziale è un equazione la cui soluzione è costituita da una funzione incognita
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliDIARIO DELLE LEZIONI DEL CORSO DI FISICA MATEMATICA A.A. 2011/2012 CORSO DI LAUREA MAGISTRALE IN INGEGNERIA MECCANICA
DIARIO DELLE LEZIONI DEL CORSO DI FISICA MATEMATICA A.A. 2011/2012 CORSO DI LAUREA MAGISTRALE IN INGEGNERIA MECCANICA DANIELE ANDREUCCI DIP. SCIENZE DI BASE E APPLICATE PER L INGEGNERIA UNIVERSITÀ LA SAPIENZA
DettagliEsercizi di Complementi di Matematica (L-Z) a.a. 2015/2016
Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016 Prodotti scalari e forme bilineari simmetriche (1) Sia F : R 2 R 2 R un applicazione definita da F (x, y) = x 1 y 1 + 3x 1 y 2 5x 2 y 1 + 2x 2
Dettagli1 Schemi alle differenze finite per funzioni di una variabile
Introduzione In questa dispensa vengono forniti alcuni elementi di base per la soluzione di equazioni alle derivate parziali che governano problemi al contorno. A questo scopo si introducono, in forma
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
Dettagli5.2 Sistemi ONC in L 2
5.2 Sistemi ONC in L 2 Passiamo ora a considerare alcuni esempi di spazi L 2 e di relativi sistemi ONC al loro interno. Le funzioni trigonometriche Il sistema delle funzioni esponenziali { e ikx 2π },
Dettagli6.2 Problema generale di approssimazione
6.2 Problema generale di approssimazione 313 Esercizio 6.16 Dati (m + 1)(n + 1) valori f i,j, per i = 1, 2,...,m + 1 e j = 1, 2,...,n + 1, posto X m,i (x) := Y n,i (y) := m+1 k=1, k i n+1 k=1, k i x x
DettagliSerie e Trasformata di Fourier
Serie e Trasformata di Fourier Corso di Analisi Funzionale Prof. Paolo Nistri Cancelli, D Angelo, Giannetti Polinomio di Fourier Si consideri la successione costituita dalle restrizioni delle funzioni
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:
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliCorso di Laurea in Ingegneria, Settore Informazione (gruppi 2-3), A.A. 2007/2008 Docente: Antonio Ponno
Programma del Corso di Matematica A Corso di Laurea in Ingegneria, Settore Informazione (gruppi 2-3), A.A. 2007/2008 Docente: Antonio Ponno Premessa (D) dopo un teorema o una proposizione citati sta ad
DettagliTEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliEsercizi per il corso di Analisi 6.
Esercizi per il corso di Analisi 6. 1. Si verifichi che uno spazio normato (X, ) è uno spazio vettoriale topologico con la topologia indotta dalla norma. Si verifichi poi che la norma è una funzione continua
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
DettagliIntroduzione ai metodi numerici per problemi differenziali ai limiti o al contorno
Introduzione ai metodi numerici per problemi differenziali ai limiti o al contorno Alessandra Sestini 20 novembre 2017 1 Introduzione In queste note si indicherà con un dominio in IR d (aperto, non vuoto)
DettagliCorso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a. 2014-2015, lez.3) 1 Analisi Numerica 1 mod. a.a. 2014-2015, Lezione n.3
DettagliTECNICHE COMPUTAZIONALI AVANZATE
TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma Tor Vergata Problemi di diffusione, trasporto, reazione http://www.mat.uniroma2.it/ pelosi/ TECNICHE COMPUTAZIONALI
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 5 - INTEGRAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Integrazione numerica: formule di Newton-Cotes semplici 2 3 Introduzione
DettagliCognome: Nome: Matricola: a. Si enunci e dimostri il teorema della media integrale per funzioni continue. (5 punti)
Analisi e Geometria Seconda Prova 3 gennaio 207 Docente: Politecnico di Milano Scuola di Ingegneria Industriale e dell Informazione Cognome: Nome: Matricola: a. Si enunci e dimostri il teorema della media
DettagliIl Teorema di Mountain-Pass
Capitolo 4 Il Teorema di Mountain-Pass Descriviamo ora un altro metodo per trovare soluzioni non nulle di alcuni tipi di problemi, per esempio { u = u p 1 u in u = 0 su (4.1) con p > 1, utilizzando dei
DettagliDerivazione Numerica
Derivazione Numerica I metodi alle differenze finite sono basati sull approssimazione numerica di derivate parziali. Per questo consideriamo come problema iniziale quello di approssimare le derivate di
DettagliGAAL: Capitolo dei prodotti scalari
GAAL: Capitolo dei prodotti scalari Teorema di Rappresentazione rappresentabile Aggiunto Autoaggiunto Unitariamente diagonalizzabile Teorema spettrale reale Accoppiamento Canonico Forme bilineari Prodotti
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
DettagliLa formula di Taylor per funzioni di più variabili
La formula di Taylor per funzioni di più variabili Il polinomio di Taylor Due variabili. Sia A R 2 un aperto, f : A R una funzione sufficientemente regolare, (x, y) un punto di A. Sia (h, k) un vettore
DettagliCorso di Analisi Numerica - AN410. Parte 5: formule di quadratura. Roberto Ferretti
Corso di Analisi Numerica - AN410 Parte 5: formule di quadratura Roberto Ferretti UNIVERSITÀ DEGLI STUDI ROMA TRE Formule di quadratura interpolatorie: teoria generale Formule di Newton Cotes semplici
DettagliRisposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Risposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà Prof. Adolfo Santini - Dinamica delle Strutture 1 Vibrazioni libere non smorzate 1/6 Le equazioni del moto di un sistema
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
Dettaglinon solo otteniamo il valore cercato per la validità della (1.4), ma anche che tale valore non dipende da
NOTE INTEGRATIVE PER IL CORSO DI ANALISI MATEMATICA 2 ANNO ACCADEMICO 2012/13 NOTE SULLA CONTINUITÀ UNIFORME D.BARTOLUCCI, D.GUIDO Sia f(x) = x 3, x [ 1, 1]. Si ha 1. La continuità uniforme x 3 y 3 = x
DettagliVettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme
Capitolo 1 Vettori applicati 1.1 Richiami teorici Definizione 1.1 Un sistema di vettori applicati Σ è un insieme {(P i,v i ), P i E, v i V, i = 1,...,N}, (1.1) dove P i è detto punto di applicazione del
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
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
DettagliLezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
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
DettagliAlcuni Teoremi sulle funzioni continue e uniforme continuità
Alcuni Teoremi sulle funzioni continue e uniforme continuità Teorema 0. Una funzione f(x) è continua in x 0 se e solo se per ogni sucessione {x n } dom(f) con x n x 0 dom(f), risulta f(x n ) f(x 0 ). (Non
DettagliCorso di Geometria BIAR, BSIR Esercizi 10: soluzioni
Corso di Geometria 2010-11 BIAR, BSIR Esercizi 10: soluzioni 1 Geometria dello spazio Esercizio 1. Dato il punto P 0 = ( 1, 0, 1) e il piano π : x + y + z 2 = 0, determinare: a) Le equazioni parametriche
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliProdotto scalare, covarianza e controvarianza, tensore metrico
Prodotto scalare, covarianza e controvarianza, tensore metrico Marco Bonvini 29 settembre 2005 1 Prodotto scalare Sia V spazio lineare su R; dati u, v V il loro prodotto scalare, indicato con (u, v), è:
Dettagli1 Applicazioni lineari
1 Applicazioni lineari 1 Applicazioni lineari 1.1 Definizione Si considerino lo spazio tridimensionale euclideo E e lo spazio vettoriale V ad esso associato. Definizione. 1.1. Sia A una applicazione di
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,
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 9 - EQUAZIONI DIFFERENZIALI ORDINARIE valori iniziali Valori iniziali Ci occuperemo della soluzione numerica di equazioni del prim ordine
DettagliEsercitazione 11: Stato di tensione nella sezione di trave
Meccanica e Tecnica delle Costruzioni Meccaniche Esercitazioni del corso. Periodo I Prof. Leonardo BERTINI Ing. Ciro SNTUS Esercitazione 11: Stato di tensione nella sezione di trave Indice 1 Forza normale
DettagliCurve e lunghezza di una curva
Curve e lunghezza di una curva Definizione 1 Si chiama curva il luogo geometrico dello spazio di equazioni parametriche descritto da punto p, chiuso e limitato. Definizione 2 Si dice che il luogo C è una
DettagliEquazione di Laplace
Equazione di Laplace. La funzione di Green Sia, indicati con x e y due punti di R 3 E(x, y) = x y Consideriamo la rappresentazione integrale di u(x) C 2 (), anche rinunciando all ipotesi che sia armonica
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliEsistenza ed unicità per equazioni differenziali
Esistenza ed unicità per equazioni differenziali Per concludere queste lezioni sulle equazioni differenziali vogliamo dimostrare il teorema esistenza ed unicità per il problema di Cauchy. Faremo la dimostrazione
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
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliEsercizi di Geometria - 1
Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi
DettagliEsercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier
Esercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier Corso di Fisica Matematica 2, a.a. 2013-2014 Dipartimento di Matematica, Università di Milano 13 Novembre 2013 1
DettagliDalla meccanica del continuo alle Equazioni di Lagrange g per i solidi elastici. Dinamica delle Strutture Aerospaziali
Dalla meccanica del continuo alle Equazioni di Lagrange g per i solidi elastici Franco Mastroddi http://www.diaa.uniroma1.it/docenti/f.mastroddi dal Dinamica delle Strutture Aerospaziali Anno Accademico
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
DettagliORDINAMENTO SESSIONE SUPPLETIVA QUESTIONARIO QUESITO 1
www.matefilia.it ORDINAMENTO 2003 - SESSIONE SUPPLETIVA QUESTIONARIO QUESITO Tra i rettangoli aventi la stessa area di 6 m 2 trovare quello di perimetro minimo. Indicate con x ed y le misure della base
DettagliTopologia, continuità, limiti in R n
Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in
DettagliFisica Quantistica III Esercizi Natale 2009
Fisica Quantistica III Esercizi Natale 009 Philip G. Ratcliffe (philip.ratcliffe@uninsubria.it) Dipartimento di Fisica e Matematica Università degli Studi dell Insubria in Como via Valleggio 11, 100 Como
DettagliAPPUNTI DI MODELLI NUMERICI PER I CAMPI
APPUNTI DI MODELLI NUMERICI PER I CAMPI Giovanni Miano UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II POLO DELLE SCIENZE E DELLE TECNOLOGIE FACOLTÀ DI INGEGNERIA Indice 1. Richiami sui problemi di campo
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
DettagliElementi Finiti: stime d errore e adattività della griglia
Elementi Finiti: stime d errore e adattività della griglia Elena Gaburro Università degli studi di Verona Master s Degree in Mathematics and Applications 05 giugno 2013 Elena Gaburro (Università di Verona)
DettagliSPAZI METRICI COMPLETI
Capitolo 1 SPAZI METRICI COMPLETI Sia dato uno spazio metrico (X, d). Definizione 1.1 Una successione {x n } si dice successione di Cauchy se ε > 0 n 0 n, m n 0 = d(x n x m ) < ε (1.1) Esercizio 1.1 Dimostrare
DettagliEsame di Analisi Funzionale e Trasformate Prima prova in itinere. Maggio 2017 A.A. 2016/2017. Prof. M. Bramanti Tema A
Esame di Analisi Funzionale e Trasformate Prima prova in itinere. Maggio 7 A.A. 6/7. Prof. M. Bramanti Tema A Cognome: Nome N matr. o cod. persona: Dom Dom Dom 3 Es Es Es 3 Tot. Punti Domande di teoria
DettagliDEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA
DEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA Sia dato un sistema con vincoli lisci, bilaterali e FISSI. Ricaviamo, dall equazione simbolica della dinamica, il teorema
DettagliUniversita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006. Matematica 2 (Analisi)
Universita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006 Matematica 2 (Analisi) Nome:................................. N. matr.:.................................
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliCorso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso
Corso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso Marco Bramanti Politecnico di Milano April 20, 2017 Cap. 1. Elementi di analisi funzionale
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
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
DettagliOrigine fisica di equazioni alle derivate parziali
Origine fisica di equazioni alle derivate parziali Equazione del calore Dato un corpo nello spazio, rappresentato con un sottoinsieme A di 3, indichiamo con u(, y, z, t) la temperatura del corpo nel punto(,
DettagliFunzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliAnalisi Matematica 1+2
Università degli Studi di Genova Facoltà di Ingegneria - Polo di Savona via Cadorna 7-700 Savona Tel. +39 09 264555 - Fax +39 09 264558 Ingegneria Gestionale Analisi Matematica +2 A.A 998/99 - Prove parziali
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliTECNICHE COMPUTAZIONALI AVANZATE
TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma Tor Vergata Problemi di diffusione, trasporto, reazione 2D http://www.mat.uniroma2.it/ pelosi/ TECNICHE COMPUTAZIONALI
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
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
Dettagli