Risoluzione di equazioni non lineari
|
|
- Luigi Stella
- 6 anni fa
- Visualizzazioni
Transcript
1 Risoluzione di equazioni non lineari Si considera il problema di determinare la soluzione dell equazione f(x) = 0 ove f(x) è una funzione definita in un intervallo [a, b], chiuso e limitato. Ogni valore x [a, b] per cui f(x ) = 0 si dice RADICE dell equazione f(x) = 0 oppure ZERO della funzione f(x). Se non si hanno a disposizione strumenti analitici, il grafico di f(x) nell intervallo considerato può fornire in modo rapido una approssimazione della soluzione cercata. Risulta tuttavia preferibile disporre di metodi numerici in grado di fornire soluzioni con una accuratezza prefissata. Esempio. Supponiamo che una reazione chimica origini a un certo istante x una concentrazione di un particolare ione descritta dalla legge f(x) = 7.e 5x + 3.e x. Ci si chiede per quale istante x la concentrazione si dimezza rispetto a quella iniziale f(0) = 10, ossia quando f(x ) = 5. Si tratta di risolvere l equazione f(x) 5 = 0 in un intervallo [0, c] ove c è un valore per cui f(c) 5 < 0. Per esempio, per c = 1, f(c) 5 = Dal grafico della funzione si deduce che x Vale che f(0.18) 5 = L accuratezza può essere non soddisfacente f(x) x
2 Metodo di bisezione La tecnica più semplice per determinare lo zero di una funzione continua in [a, b] che assume segno opposto agli estremi dell intervallo, consiste nella dimostrazione costruttiva del seguente teorema (è un corollario del Teorema del valor medio). Teorema degli zeri di una funzione continua. Sia f(x) una funzione continua in [a, b] chiuso e limitato e sia f(a).f(b) < 0. Allora esiste un punto x (a, b) tale che f(x ) = 0. Per determinare x si costruisce una successione di intervalli I 1 = [a 1, b 1 ], I = [a, b ],..., I k = [a k, b k ] tali che I k I k 1 I k... I 1 con f(a k ).f(b k ) < 0, k = 1,,... E a 1 = a, b 1 = b. La costruzione degli intervalli avviene nel seguente modo. Si pone a 1 = a, b 1 = b. Sia f(a 1 ) < 0 e f(b 1 ) > 0 (in caso contrario si determinano le radici di f(x) = 0). Al passo k si calcola c k = a k + b k k = 1,,... e il valore f(c k ). Se f(c k ) = 0, c k = x. Altrimenti si pone: [a k+1, b k+1 ] = { [ak, c k ] se f(c k ) > 0 [c k, b k ] se f(c k ) < 0
3 Pertanto è f(a k+1 ) < 0, f(b k+1 ) > 0 e I k+1 I k. b k+1 a k+1 = 1 (b k a k ) = 1 (b k 1 a k 1 ) =... = 1 k(b 1 a 1 ) Allora in I k+1 giace x che è la radice di f(x) = 0 e x = c k+1 ±ɛ k+1, ove ɛ k+1 1 k+1(b a) Pertanto, fissata ɛ tale che ɛ = 1 k+1(b a), il numero c k+1 è una approssimazione di x entro una tolleranza ɛ. Col metodo di bisezione è possibile determinare una successione di approssimazioni di x tali che c k x 1 k(b a) k 1 Per k, {c k } converge a x con velocità di convergenza pari a quella della successione { 1 k}. Il metodo fornisce un valore maggiorante dell errore. Da tale valore è possibile determinare il minimo numero di iterazioni k necessarie ad ottenere un errore assoluto che non supera una tolleranza ɛ prefissata. Infatti k è tale che 1 k(b a) ɛ k b a b a k log = log 10 b a ɛ ɛ ɛ log 10 Occorrono allora almeno k + valutazioni di funzione (1 per ogni iterazione + per il passo iniziale).
4 Esempio. Si vuole risolvere x 78.8 = 0 in [6, 1]. f(6) = < 0 f(1) = > 0 k a k b k c k f(c k ) è una approssimazione della soluzione tale che x 1 86 = L errore assoluto è Occorrono 10 valutazioni di funzione. Esempio. Determinare il numero di iterazioni necessarie a risolvere x 3 + 4x 10 = 0 con una tolleranza ɛ = 10 5 in [1, ]. Deve essere 1 k(b a) 10 5 k b a 10 k log Allora deve essere k almeno uguale a 17. Occorrono 17 + valutazioni di funzioni.
5 Osservazioni Se a e b sono valori molto vicini, operando con aritmetica finita, il calcolo di c con la formula a+b può fornire un numero esterno a [a, b]. Conviene calcolare il punto medio con la formula c = a + b a. Per esempio, se a = 0.983, b = 0.986, lavorando in artimetica finita con tre cifre di precisione decimale, si ha: fl(a + b) = fl( ) = troncamento fl( a + b 101 ) = fl(.196 ) =.980 che è esterno all intervallo [.983,.986]. fl(b a) = fl( ) =.3 10 fl( b a 10 ) = fl(.3 ) = fl(a + b a ) = fl( ) = fl( ) = che è interno all intervallo [.983,.986]. Pur essendo f(a) e f(b) rappresentabili sulla macchina, può essere che il loro prodotto, calcolato per verificare il segno, non sia rappresentabile sulla macchina. E preferibile allora usare la funzione sign(x) per esaminare il segno di f(a) e di f(b), ove sign(x) = 1 x > 0 0 x = 0 1 x < 0 L algoritmo di bisezione realizzato in aritmetica finita può non avere fine. Se a k = 98.5 e b k = 98.6 e ɛ = in aritmetica
6 con tre cifre decimali di precisione, il test b k a k < ɛ non è verificato. Ma c k = a k + b k a k = / = 98.55, ma f l(98.55) = Si genera una successione di iterati costanti. Occorre dunque usare il test b k a k < ɛ + eps.max( b, a ) (in modo che si eliminano inconvenienti dovuti al fatto di scegliere una tolleranza troppo piccola, inferiore relativamente rispetto alla precisione di macchina) e prevedere un massimo numero di iterazioni. Il metodo di bisezione ha la caratteristica positiva di convergere a uno zero di f(x) nella sola ipotesi di f(x) continua con segno opposto agli estremi. Tuttavia la convergenza è lenta (si guadagna una cifra decimale ogni 3 iterazioni circa se b a = 1 ). Pertanto spesso viene usato solo per individuare l intervallo entro cui cade lo zero di una funzione come tecnica di approssimazione iniziale. Una volta individuato tale intervallo (entro cui in genere valgono ipotesi più forti), si raggiungono approssimazioni migliori con metodi a convergenza più veloce.
7 Metodo delle approssimazioni successive Il problema di determinare lo zero di una funzione in genere non si risolve in un numero finito di passi. Si tratta di generare un procedimento iterativo. Esso comporta: determinazione di una approssimazione iniziale alla soluzione x di f(x) = 0; determinare una relazione funzionale a partire da f(x); a partire da x 0, generare, valutando la relazione funzionale determinata, una successione di iterati x k fino ad ottenere la precisione desiderata o fino a che si raggiunge un massimo numero di iterazioni. Occorre poi determinare le condizioni per cui {x k } converge per k. Se {x k } converge per ogni x 0 [a, b] si parla di convergenza globale; se invece si ha convergenza solo per gli x 0 appartenenti a un opportuno intervallo che contiene x, allora si parla di convergenza locale.
8 Il problema di cercare la radice di f(x) = 0 è strettamente connesso al problema di determinare la soluzione dell equazione x = g(x) ossia il valore x per cui x = g(x ). x si dice punto fisso di g(x). Infatti, data f(x) = 0 in [a, b], sia φ(x) una funzione che non si annulla ed è limitata in [a, b]: 0 < φ(x) < x [a, b] Preso g(x) = x φ(x)f(x), il problema f(x) = 0 x [a, b] è equivalente a trovare le soluzioni di x = g(x) x [a, b] Se infatti x è punto fisso di g(x), ossia x = g(x ), si ha che f(x ) = x g(x ) φ(x ) = 0 φ(x ) 0 Viceversa se f(x ) = 0, allora g(x ) = x φ(x )f(x ) = x Pertanto si riporta il problema di determinare lo zero di f(x) in [a, b] a quello di individuare il punto fisso di g(x) in [a, b]. Geometricamente questo significa calcolare l intersezione tra la retta y = x (bisettrice del I e III quadrante) e la funzione y = g(x). Una possibile scelta di φ(x) è φ(x) = ±1.
9
10 Teorema. Sia g(x) continua in [a, b] e tale che g(x) [a, b]. Sia L una costante 0 L < 1 tale che, per ogni x, y [a, b], vale che g(x) g(y) L x y (ossia g(x) è una contrazione in [a, b]). Allora esiste un unico punto fisso x di g(x) in [a, b]. Dimostrazione. (Esistenza). Sia h(x) = x g(x). Poichè g(x) [a, b], g(a) a e g(b) b. Se g(a) = a o g(b) = b, allora si è già trovato il punto fisso. In caso contrario, è g(a) > a e g(b) < b. Dunque, h(a) = a g(a) < 0 h(b) = b g(b) > 0 e poichè h(x) è continua, per il teorema degli zeri di una funzione continua, esiste x (a, b) tale che h(x ) = 0 e dunque x = g(x ). (Unicità). Supponiamo che ci siano due punti fissi x e y in [a, b]. Allora, se x y, segue x y = g(x ) g(y ) L x y < x y Ciò è assurdo. Se g(x) è derivabile in [a, b] con g (x) L < 1 per x [a, b], allora g(x) è una contrazione. Infatti per il teorema di Lagrange, esiste ξ [a, b], tale che g(x) g(y) x y = g (ξ) x < ξ < y Allora g(x) g(y) = g (ξ) x y L x y Il viceversa non è vero poichè g(x) può non essere differenziabile.
11 4 3.5 g(x) 3 b a 0.5 a b Occorre g(x) [a, b] b g(x) a 0.5 a b Occorre g(x) continua perchè ci sia un punto fisso b g(x) a 0.5 a b Occorre che g(x) non oscilli troppo, ossia che sia una contrazione, perchè ci sia un unico punto fisso.
12 Esempi. 1. g(x) = x in [0, 1] ha infiniti punti fissi. x è continua in [0, 1] e x [0, 1]. Ma g (x) = 1 per x [0, 1].. g(x) = x sin(πx) in [0, 1] ha due punti fissi x = 0 e x = 1. g(x) è continua in [0, 1]. Ma g(x) non appartiene a [0, 1] (g(1/) = 1/). 3. g(x) = (x 1)/3 in [ 1, 1]. g(x) è continua e g(x) [ 1, 1]. Inoltre g (x) = 3 x e g (x) 3 per x [ 1, 1]. Dunque esiste un unico punto fisso in [ 1, 1]. Esso è x 1 3 = x x 3x 1 = 0. Perciò x = In [3, 4], g(x) ha un altro punto fisso x = Ma g(x) non appartiene a [3, 4] e g (4) = 8/3 > 1. Qui non sono soddisfatte le ipotesi del teorema. Infatti queste sono solo condizioni sufficienti.
13 Data una approssimazione iniziale x 0 di x, punto fisso di g(x) in [a, b], si genera una successione di iterati mediante il metodo delle approssimazioni successive o del punto fisso o iterazione funzionale: x k+1 = g(x k ) Se g(x) è continua e la successione {x k } degli iterati è convergente per k a un punto x, allora x è punto fisso fi g(x). Infatti x = lim k x k+1 = lim k g(x k ) = g(lim k x k ) = g(x ) Dal punto di vista geometrico, il metodo dell iterazione funzionale equivale alla costruzione di una poligonale con lati orizzontali e verticali orientata nel piano xy. Le figure seguenti aiutano a individuare le condizioni da imporre a g(x) perchè i vertici della poligonale convergano a (x, g(x )).
14 b.5 g(x) a 0.5 a x x1 x0 b Convergenza monotona: {x k } converge a x approssimando sempre per eccesso o per difetto b g(x) a 0.5 a x x x3 x1 b Convergenza alternata: {x k } converge a x approssimando per eccesso e per difetto b g(x) a 0.5 a g (x) > 1 4 b 3.5 g(x) 3 b a 0.5 a g (x) < 1 b
15 Per g (x) > 1 non c è convergenza.
16 Teorema di convergenza globale del metodo delle approssimazioni successive Sia g(x) una funzione definita in un intervallo [a, b]chiuso e limitato. Sia: g(x) continua in [a, b]; g(x) [a, b]; g(x) sia una contrazione in [a, b]. Allora per ogni x 0 [a, b], la successione delle approssimazioni successive {x k } con x k = g(x k 1 ), k = 1,,..., converge per k all unico punto fisso x di g(x) in [a, b]. Dimostrazione. Le ipotesi garantiscono l esistenza e l unicità di un unico punto fisso x della funzione g(x) in [a, b]. Poichè inoltre x k = g(x k 1 ), allora per ogni successione generata a partire da un punto x 0 [a, b], l iterato x k è ben definito, ossia x k [a, b], poichè g(x k 1 ) [a, b]. Si consideri: x k x = g(x k 1 ) g(x ) L x k 1 x = = L g(x k ) g(x ) L x k x... L k x 0 x Poichè 0 < L < 1, per k si ha lim k L k = 0 e dunque lim k x k = x. Si può trovare una maggiorazione dell errore, osservando che: x 0 x = x 0 x 1 + x 1 x x 0 x 1 + L x 0 x Da ciò x 0 x 1 L 1 x 1 x 0. Allora x k x Lk 1 L x 1 x 0 La velocità di convergenga dipende da L. Quanto più L è vicino a 1 quanto più la convergenza è lenta e viceversa.
17 Esempio. Si considerano vari modi di innescare un procedimento iterativo di punto fisso per poter trovare la soluzione della funzione x 3 + 4x 10 = 0 in [1, ]. Si considera come punto iniziale in tutti i casi x 0 = 1.5. (a). x = x x 3 4x + 10 = g 1 (x); (b). x = ( 10 x 4x) 1/ = g (x) (da x 3 = 10 4x )); (c). x = 1 (10 x3 ) 1/ = g 3 (x) (da x = 1 4 (10 x3 )); ( 1/ 10 (d). x = x+4) = g4 (x) (da x 3 + 4x = 10); (e). x = x x3 +4x 10 3x +8x = g 5 (x) (da x = x f(x) f (x) ). k (a) (b) (c) (d) (e) ( 8.65) 1/ impossibile diverge Non tutte le scelte portano a un metodo convergente (caso (a)) o ben definito (caso (b)). Tuttavia anche se il metodo è convergente, ci sono funzioni che portano a una più rapida convergenza di altre (con il metodo di bisezione sono necessarie 7 valutazioni di funzioni). (a). g 1 (x) = 1 3x 8x, g 1 (x) > 1 per x [1, ]; (b). g (x) è definita per 10/ x 10/ ; dunque g (x) non appartiene a [1, ]; x (c). g 3 (x) = 3 4 (10 x 3 ) 1/; dunque g 3 (x).113. Tuttavia se ci si restringe a [1, 1.5], 1.8 g 3 (x) 1.5 e max [1,1.5] g 3 (x) = g 3 (1.5) < 1;
18 (d). g 4 (x) = 1 x+4 10, per cui g 4 (x) 0.15; la convergenza è più rapida che nel caso (c); (e). g 5 (x) = 6x4 +3x 3 +3x 60x 80 (3x +8x) ; in [1, ], g 5 (x) 0.6. Tuttavia g 5 (x) è il metodo a convergenza più rapida. Ciò dipende dal fatto che in [1, 1.5], g 5 (x) Invece g 4 (x) Da ciò segue la più veloce convergenza del caso (e) rispetto a (d).
19 Spesso è difficile verificare la condizione: per x [a, b], g(x) [a, b] che è essenziale nel teorema di convergenza globale; in tal caso è utile un teorema di convergenza locale che assicura la convergenza di {x k } a un punto fisso x di g(x) se x 0 è sufficientemente vicino a x. E necessario sapere a priori che x è un punto fisso di g(x), ossia che g(x) ha un punto fisso. Teorema di convergenza locale. Sia x un punto fisso di g(x); si suppone che g(x) sia continua e sia una contrazione per ogni x [x ρ, x + ρ] = I ρ. Allora, per ogni x 0 I ρ, la successione degli {x k } è ben definita, ossia x k I ρ e converge per k a x. Inoltre x è l unico punto fisso di g(x) in I ρ. Dimostrazione. Per ipotesi x 0 Iρ e dunque x 0 x ρ Preso g(x 0 ) = x 1, x 1 x = g(x 0 ) g(x ) L x 0 x Lρ < ρ poichè L < 1. Supposto ora che x,..., x k Iρ, si dimostra che ciò vale anche per x k+1 : x k+1 x = g(x k ) g(x ) L x k x Lρ < ρ La successione è ben definita. Inoltre, x k x L x k 1 x L x k x... L k x 0 x L k ρ Per k, lim k L k = 0 e dunque x k è convergente a x. Supposto per assurdo che y sia un punto fisso di g(x) in Iρ diverso da x, si ha che: x y = g(x ) g(y ) L x y < x y Ciò è assurdo.
20 Anche in questo caso si prova che: x k x Lk 1 L x 1 x 0
21 Propagazione degli errori nel metodo delle approssimazioni successive Poichè si opera in aritmetica finita anzichè su numeri reali, è impossibile calcolare esattamente la funzione g(x) per x assegnato. Piuttosto, per x assegnato, si calcola una approssimazione di g(x), data da a(x) = g(x) + δ(x) ove δ(x) è l errore commesso. Di solito è nota una maggiorazione di tale errore δ(x) δ. Pertanto operando in aritmetica finita, il metodo delle approssimazioni successive diventa: w k+1 = a(w k ) = g(w k ) + δ k k = 0, 1,,... ove w k è il k esimo iterato ottenuto operando con numeri finiti e δ k δ. In generale la successione dei w k non converge. Tuttavia è possibile determinare, sotto opportune condizioni, una approssimazione di x tanto più accurata quanto più δ è piccolo. Teorema. Sia x un punto fisso di g(x) e supponiamo che, in un intervallo I ρ = [x ρ, x + ρ], g(x) sia continua e sia contrattiva; allora, per ogni w 0 I ρ0 = [x ρ0, x +ρ0], con ρ0 = ρ δ 1 L, con δ δ k, la successione dei w k, ottenuta da w k = g(w k 1 ) + δ k 1 è tale che: e i w k appartengono a I ρ. w k x δ 1 L + Lk (ρ0 δ 1 L ) Nella diseguaglianza il primo termine è indipendente da k e può essere grande se L è prossimo a 1; il secondo termine tende a 0 per k. Pertanto non si ha più convergenza della successione degli iterati a x.
22 Si osservi che w k+1 w k = w k+1 x + x w k w k+1 x + x w k + = δ 1 L + Lk (ρ0 δ 1 L ) + δ 1 L + Lk+1 (ρ0 δ 1 L ) = δ 1 L + Lk (L + 1)(ρ0 δ 1 L ) Per quanto k sia preso grande, la differenza tra due iterati successivi non δ può essere più piccola di 1 L, a causa degli errori di arrotondamento nel calcolo di g(x).
23 Criteri di arresto per il metodo delle approssimazioni successive Occorre determinare un criterio per vedere se l approssimazione ottenuta è punto fisso di g(x), ossia se x g(x) = φ(x)f(x) = 0. Si ritiene che x k sia una approssimazione accettabile se contemporaneamente: f(x k ) ɛ 1 e x k x k 1 ɛ oppure f(x k ) σ 1 e x k x k 1 σ f max x k ove ɛ 1, ɛ, σ 1, σ sono tolleranze assegnate e f max = max x I ρ f(x). La scelta delle tolleranze è cruciale. Può essere che f(x k ) sia piccola pur non essendo x k accettabile e, viceversa, può essere che f(x k ) sia grande pur essendo x k accettabile. ɛ deve essere inoltre maggiore o uguale a δ 1 L, poichè questo termine che tiene conto degli errori di arrotondamento non converge a 0 per k. x k x k 1 può convergere a 0, pur essendo le due successioni divergenti. Se non si conosce nulla di f(x), conviene applicare i test relativi.
24 Ordine di convergenza Definizione. Sia x un punto fisso di g(x). Se per ogni x 0 I ρ = [x ρ, x + ρ], la successione generata con l iterazione funzionale è tale che esistono una costante positiva C e un positivo p tale che x k x C x k 1 x p k 1 con C > 0 per p > 1 e 0 < C < 1 per p = 1, allora il metodo di dice un metodo iterativo di ordine p. Se p = 1, il metodo si dice lineare; se p =, si dice che ha velocità di convergenza quadratica,... Teorema. Se x un punto fisso di g(x) e se il metodo d iterazione è un metodo di ordine p, allora per ogni x 0 I ρ = [x ρ, x + ρ] la successione degli {x k } x per k. Dimostrazione. Dato x 0 Iρ si ha che x k x C 1 x k 1 x p p > 1, C 1 > 0 x k x C x k 1 x p = 1, 0 < C < 1 Per p = 1, si ha: x k x C x k 1 x... C k x 0 x C k ρ Per k, lim k x k = x, perchè C k 0. Inoltre x k I ρ. Se p > 1, x k x C 1 x k 1 x p C 1 C p 1 x k x p... C 1 C p 1...Cpk 1 1 x 0 x pk = C 1 1 p 1 = (C 1 x 0 x ) pk 1 x0 x 1 p k 1 p x 0 x pk =
25 1 p 1 Se vale che C 1 ρ < 1, allora x k x 1 1 p (C 1 ρ) pk 1 x0 x Allora x k Iρ e per k, lim k x k = x. Poichè un metodo di ordine p è localmente convergente in un opportuno intorno di x, la definizione di ordine di convergenza può essere data anche in modo alternativo.
26 Un metodo iterativo che genera una successione di iterati {x k } convergenti a x, si dice che è di ordine p o ha velocità di convergenza pari a p se esistono costanti C e p tali che: lim k x k+1 x x k x p = C p > 1 oppure x k+1 x lim = C p = 1, 0 < C < 1 k x k x Se p = 1 e 0 < C < 1, il metodo si dice lineare. Se invece è x lim k+1 x k x k x = 0, il metodo è superlineare, mentre se il limite vale 1, il metodo si dice sublineare. C si dice costante asintotica di errore. Vale che o anche e k+1 = x k+1 x C x k x p = Ce p k con lim k δ k = 0. e k+1 = (C + δ k )e p k Teorema. Sia x un punto fisso di g(x). Supponiamo che g(x) sia di classe C p in un opportuno intervallo I ρ = [x ρ, x + ρ] con g (i) (x ) = 0, i = 1,,..., p 1 e g p (x ) 0 e in modulo minore di 1 se p = 1. Allora per ogni x 0 I ρ opportuno, il metodo di iterazione funzionale è un metodo convergente di ordine p. Dimostrazione. Poichè g(x) C p ed è g (x) = 0 oppure g (x) < 1 per p = 1, allora esiste un intervallo Iρ = [x ρ, x + ρ] per cui g (x) L < 1 per x Iρ ed g(x) Iρ. Infatti, x 0 Iρ, e vale che x 1 x = g(x 0 g(x ) = g (ξ) x 0 x < x 0 x < ρ
27 In generale x k x = g(x k 1 ) g(x ) L x k 1 x... L k x 0 x < ρ Dunque x k Iρ e x k x per k. Se si considera lo sviluppo in serie di Taylor di punto iniziale x, si ha: x k+1 = g(x k ) = g(x ) + g (x )(x x ) gp 1 (x ) (p 1)! (x x ) p gp (ξ k ) (x x ) p p! con ξ k (x k, x ) Iρ. Allora lim k gp (ξ k ) = g p ( lim k (ξ k )) = gp (x ) e, poichè segue Se p = 1, g (x ) < 1. x k+1 x (x k x ) p = gp (ξ k ) p! x k+1 x lim k (x k x ) p = gp (x ) p! Conseguenze. 1. Se x è punto fisso di g(x) e g C 1, con g (x ) 0 ed è g (x ) < 1, allora esiste un intorno I ρ = [x ρ, x + ρ] per cui g (x) < 1 per x I ρ. In tale intervallo, per ogni x 0 I ρ, il metodo iterativo converge al punto fisso in modo lineare.. Se x è punto fisso di g(x) e g C, con g (x ) = 0 e g (x ) 0, allora esiste un intorno I ρ = [x ρ, x + ρ] tale che, per ogni x 0 I ρ, il metodo iterativo converge al punto fisso
28 con velocità di convergenza quadratica e vale che o equivalentemente lim k x k+1 x (x k x ) = g (x ) x k+1 x = g (ξ k ) (x k x ) con ξ k I ρ. Se M è un valore maggiorante della derivata seconda di g(x) in I ρ, allora M g (x ). e k+1 M e k è la costante che maggiora l errore il cui valore asintotico è
29 Data l equazione f(x) = 0, si può determinare x, soluzione di f(x) = 0, come punto fisso di x = x φ(x)f(x) = g(x) con φ(x) 0 per ogni x nell intervallo in cui si cerca la soluzione. Per esaminare la velocità di convergenza, si consideri g (x): g (x) = 1 φ(x)f (x) φ (x)f(x) In x, g (x ) = 1 φ(x )f (x ). Il metodo iterativo ha velocità di convergenza lineare se φ (x ) 1 f (x, supposto che f (x ) 0. Se ) φ(x) è costante, φ(x) = m 1 f (x, il metodo è lineare. ) La convergenza è quadratica se φ(x ) = 1 f (x ) con f (x ) 0. Allora o si pone φ(x) = 1 f (x ) costante (ma x è incognito), oppure si pone φ(x) = 1 f (x) ottenendo un metodo a convergenza quadratica dato da x k+1 = x k f(x k) f (x k ) Il metodo è detto metodo di Newton. Vale che g (x ) = 1 f (x ) f(x )f (x ) f (x ) = f(x )f (x ) f (x ) = 0
30 g (x ) = f (x ) f (x ) Allora se f(x ) = 0, f (x ) 0, f (x ) 0, il metodo di Newton ha convergenza quadratica con costante asintotica di convergenza f (x ) f (x ). Si dice anche metodo delle tangenti, perchè geometricamente x k+1 è il punto d intersezione tra y = 0 e la retta tangente a f(x) in (x k, f(x k )): y = f(x k ) + f (x k )(x x k ) 8 7 f(x) x* x x1 x Riassumiamo tutte le condizioni per la convergenza locale del metodo di Newton: Sia x uno zero di f(x). Sia f(x) continua insieme alle sue derivate prima, seconda e terza (continuità di g, g, g ). Sia f (x) 0 per x in un opportuno interno di x e sia f (x ) 0 ( f(x) f deve essere definita (x) e deve essere g (x ) 0). Allora, per ogni x [x ρ, x + ρ], la successione generata dal metodo di Newton converge a x in modo quadratico.
31 Esempi. 1. sin(x) ( x ) = 0 in [1, ]. f (x) = cos(x) x ; f (x) = sin(x) 1 x k+1 = x k sin(x k) ( x k ) cos(x k ) x k k x k f(x k ) f (x k ) f(x k )/f (x k ) Costante asintotica di errore g (x ) = f (x ) f (x ). x γ = 0 x k+1 = 1 ) (x k + γxk Per γ =, e [1, ], si ha: k x k La costante asintotica di errore vale f (x )/(f (x )) = 1/( γ). Se γ è piccolo, la convergenza può essere lenta. La complessità del metodo è pari a una valutazione di funzione e una valutazione della derivata prima per passo; se la complessità di f è analoga a quella di f, si dice che il metodo richiede due valutazioni di funzioni per passo.
32 Condizioni per la convergenza globale del metodo di Newton Teorema. Sia f C [a, b]. Sia inoltre: 1. f(a) < 0, f(b) > 0;. f (x) 0; 3. f (x) 0; 4. f(b) (b a) f (b). Allora il metodo di Newton genera una successione di iterati convergenti all unica soluzione di f(x) = 0 appartenente ad [a, b] a partire da un qualunque x 0 [a, b]. Il teorema resta valido se valogono le seguenti condizioni: 1. f(a) < 0, f(b) > 0;. f (x) 0; 3. f (x) 0; 4. f(a) (b a) f (a). oppure 1. f(a) > 0, f(b) < 0;. f (x) 0; 3. f (x) 0; 4. f(b) (b a) f (b). e, rispettivamente, 1. f(a) > 0, f(b) < 0;. f (x) 0; 3. f (x) 0; 4. f(a) (b a) f (a).
33 Definizione. Si dice che x è uno zero di f(x) di molteplicità m se f(x) = (x x ) m q(x), x x, e lim x x q(x) 0. Se m = 1, x è uno zero semplice. Teorema. Sia f C [a, b], ove [a, b] contiene uno zero x di f(x). x è uno zero semplice f(x ) = 0, f (x ) 0. Dimostrazione. Se x è uno zero semplice, f(x ) = 0 e f(x) = (x x )q(x), con lim x x q(x) 0. Vale che: f (x) = (x x )q (x) + q(x) Allora Se, viceversa, f(x ) = 0, f (x ) 0, allora lim x x f (x) = f (x ) = lim x x q(x) 0 f(x) = f(x ) + (x x )f (ξ) = (x x )f (ξ) con ξ compreso tra x e x. Posto q(x) = f (ξ), si ha lim x x f (ξ) = f (lim x x ξ) = f (x ) 0. Teorema. Sia f C m [a, b], ove [a, b] contiene uno zero x di f(x). x è uno zero di molteplicità m f (i) (x ) = 0, i = 0, 1,..., m 1 ed è f m (x ) 0.
34 Se x è uno zero semplice di f(x), il metodo di Newton converge quadraticamente. Se x è uno zero di molteplicità m, allora poichè f(x) = (x x ) m q(x), con lim x x q(x) 0, f (x) = m(x x ) m 1 q(x) + (x x ) m q (x) = = (x x ) m 1 (mq(x) + (x x )q (x)) f (x) = m(m 1)(x x ) m q(x) + m(x x ) m 1 q (x) + + m(x x ) m 1 q (x) + (x x ) m q (x) = = (x x ) m.. (m(m 1)q(x) + mq (x)(x x ) + (x x ) q (x)) f(x) f (x) = (x x q(x) ) mq(x) + (x x )q (x) g (x) = f(x)f (x) f (x) = q(x)(m(m 1)q(x) + mg (x)(x x ) + (x x ) q (x)) (mq(x) + (x x )q (x)) = g (x ) = (m m)q(x ) m q(x ) = 1 1 m 0 com m > 1. E g (x ) < 1. Dunque il metodo di Newton diventa convergente solo linearmente. Tuttavia se si modifica l iterazione nel seguente modo: x k+1 = x k m f(x k) f (x k ) la convergenza ritorna almeno quadratica: g (x ) = 1 m + m f(x )f (x ) f (x ) = 1 m + m(1 1 m ) = 0
35 Un altro modo per ottenere un metodo a convergenza quadratica consiste nell osservare che f(x) f = (x (x) x q(x) ) (mq(x)+(x x )q ha in (x)) x uno zero di molteplicità 1. Dunque si applica il metodo di Newton a f(x) f : (x) x k+1 = x k f(x k )/f (x k ) (f (x k ) f(x k )f (x k ))/f (x k ) Se g(x) è sufficientemente regolare in un opportuno intervallo che contiene x, allora si ha convergenza quadratica al punto fisso x. Per x k sufficientemente vicino a x, f (x ) e f(x ) sono piccoli e si possono avere problemi di cancellazione.
36 Il metodo di Newton si può derivare considerando lo sviluppo in serie di Taylor a partire da x k e calcolandolo in x, trascurando i termini di ordine superiore a 1. 0 = f(x ) = f(x k ) + f (x k )(x x k ) + f (ξ) (x x k ) x x k f(x k) f (x k ) Se si sostituisce la funzione f(x) con il polinomio di grado 1 tale che p(x k ) = f(x k ) e p (x k ) = f (x k ) (modello lineare di f(x)), si ottiene il metodo di Newton. Se si sostituisce la funzione f(x) con il polinomio di grado anzichè di grado 1, tale che il polinomio coincide con f(x) fino alla derivata seconda, si ottiene la seguente iterazione funzionale: x k+1 = x k f (x k ) ± f (x k ) f(x k )f (x k ) f (x k ) Per uno zero semplice, il metodo ha ordine di convergenza 3. Tuttavia queste iterazioni funzionali comportano alta complessità poichè richiedono il calcolo non solo della funzione ma anche delle derivate ad ogni passo. Anzichè usare polinomi di Taylor per approssimare f(x) e calcolarne uno zero, si possono usare polinomi di interpolazione. Da tale idea nascono i metodi di interpolazione per la determinazione degli zeri di una funzione.
37 Regula falsi Sia a 1 a, b 1 b, tali che f(a).f(b) < 0, con f C[a, b]. Per ogni k = 1,,... si costruisce a partire da [a k, b k ] con f(a k ) f(b k ) < 0 una successione di iterati dati da: c k+1 = b k f(b k f(b k ) f(a k ) b k a k. Geometricamente c k+1 è l intersezione tra l asse delle x e la retta che unisce i punti di coordinate (a k, f(a k )) e (b k, f(b k )): y = 0 Si calcola c k+1 e si pone y = f(b k ) + f(b k) f(a k ) b k a k (x b k ) [a k+1, b k+1 ] = { [ak, c k+1 ] f(a k )f(c k+1 ) < 0 [c k+1, b k ] f(a k )f(c k+1 ) > 0 Se f(c k+1 ) = 0, x = c k+1. La regula falsi è convergente. L ordine di convergenza è lineare. Non è detto che abbia maggiore efficienza del metodo di bisezione. Ciò dipende dalla particolare scelta della funzione. Si veda il comportamento di f(x) = sin(x) 0.9 nell intervallo [0, 1.5].
38 Metodo delle secanti x k+1 = x k f(x k ) f(x k ) f(x k 1 ) x k x k 1 x k+1 è intersezione tra y = 0 e il polinomio che interpola f(x) nei punti (x k 1, f(x k 1 )) e (x k, f(x k )). Tuttavia non è detto che f(x k ) e f(x k 1 ) siano di segno contrario (questo può dare problemi di cancellazione che non ci sono con la regula falsi). Si ha bisogno di due approssimazioni iniziali. La convergenza è ottenibile solo se x 0 e x 1 appartengono a un intervallo sufficientemente piccolo attorno a x, zero di f(x). Se f C, si può dimostrare che il metodo delle secanti genera una successione di iterati che converge alla soluzione x con velocità di convergenza frazionaria data da p = , ove p à soluzione di p p 1 = 0. Posto e k = M x k x, ove M è una costante positiva, si ha che: e k+1 (K) pk+1 = (K pk ) p ove K è una costante positiva minore di 1. Un passo del metodo delle secanti richiede una sola valutazione di funzione. Dunque due passi hanno la stessa complessità del metodo di Newton. Per quanto riguarda la convergenza, si ha: e k+ (K) pk+ = (K pk ) p (K pk ) p+1 perchè p = p + 1. Per cui si un procedimento con velocità di convergenza p + 1 = , localmente più veloce di quello di Newton.
39 Generalizzazione del metodo delle secanti Dati r + 1 valori approssimati x k, x k 1,..., x k r, si determina x k+1 come intersezione tra y = 0 e il polinomio di grado r, tale che f(x k i ) = p(x x i ), i = 0, 1,..., r Per r = 1, si ottiene il metodo delle secanti. Per r =, si ottiene il metodo di Muller. Dati x k, x k 1, x k, si determina p(x) = a(x x k ) + b(x x k ) + c tali che p(x k ) = f(x k ) = c p(x k 1 ) = f(x k 1 ) = a(x k 1 x k ) + b(x k 1 x k ) + c p(x k ) = f(x k ) = a(x k x k ) + b(x k x k ) + c c = f(x k ) b = a = (x k x k ) (f(x k 1 ) f(x k )) (x k 1 x k ) (f(x k ) f(x k )) (x k x k )(x k x k 1 )(x k 1 x k ) (x k 1 x k )(f(x k ) f(x k )) (x k x k )(f(x k 1 ) f(x k )) (x k x k )(x k x k 1 )(x k 1 x k ) c x k+1 = x k b ± b 4ac Il segno è scelto in modo che x k+1 x k sia più piccolo possibile, ossia la quantità al denominatore più grande possibile: c x k+1 = x k b + segno(b) b 4ac
40 Se f C 3 e f (x ) 0, in prossimità di x si ha convergenza con ordine di convergenza p = 1.84, ove p è radice di p 3 = p + p + 1. Il metodo delle secanti possiede un altra generalizzazione. Se f(x) nell intorno di x è biunivoca, allora essa è invertibile, ossia esiste una funzione g(y) tale che g(f(x)) = x. Pertanto vale che g(f(x )) = g(0) = x. Allora a partire da f(x k ),..., f(x k r ) si può costruire un polinomio q(y) di grado r tale che q(f(x k i )) = x k i, i = 0,..., r. Si considera come nuovo iterato x k+1 il valore di q(0). Questi metodi vengono detti metodi dell interpolazione inversa. Per r = 1 si riottiene il metodo delle secanti, per r = il metodo dell interpolazione quadratica inversa. Si tratta di costruire un polinomio q(y) di grado q(y) = α 1 y + α y + α 3 che passa per i punti (f(x k ), x k ), (f(x k 1 ), x k 1 ), (f(x k ), x k ), e di considerare come nuovo iterato x k+1 = q(0) = α 3. Il procedimento viene poi reiterato. La funzione di Matlab fzero è un polialgoritmo che usa al suo interno il metodo di bisezione, il metodo delle secanti e il metodo dell interpolazione quadratica inversa. Si sceglie un metodo piuttosto che l altro in modo da garantire convergenza globale.
Problema. Equazioni non lineari. Metodo grafico. Teorema. Cercare la soluzione di
Problema Cercare la soluzione di Equazioni non lineari dove Se è soluzione dell equazione, cioè allora si dice RADICE o ZERO della funzione Metodo grafico Graficamente si tratta di individuare l intersezione
DettagliMetodi per il calcolo degli zeri di funzioni non lineari
Metodi per il calcolo degli zeri di funzioni non lineari N. Del Buono 1 Introduzione Le radici di un equazione non lineare f(x) = 0 non possono, in generale, essere espresse esplicitamente e anche quando
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni
Calcolo Numerico Laurea di base in Ingegneria Elettronica, Ingegneria delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2016-2017) IV Lezione del 06.03.2017 http://www.dmmm.uniroma1.it/ laura.pezza 1 Equazioni
DettagliRISOLUZIONE APPROSSIMATA DI UN EQUAZIONE
RISOLUZIONE APPROSSIMATA DI UN EQUAZIONE Introduzione Si vogliano individuare, se esistono, le radici o soluzioni dell equazione f(x)=0. Se f(x) è un polinomio di grado superiore al secondo o se è una
Dettagli1 Esercizi relativi al Capitolo 1
1 Esercizi relativi al Capitolo 1 1. (a) x = 7; (b) (x) 4 = (32.1) 4 = (14.25) 10 ; (c) x = 5; (d) (200) x = (18) 10 ; x = 3; y = (11330) 8 = (4824) 10 ; (e) x = 2882.125; y = 231002.02; (f) (x) 3 = (12122.1012)
DettagliIl Metodo di Newton, o delle Tangenti Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Il Metodo di Newton, o delle Tangenti 6 Novembre 2016 Indice 1 Metodo di Newton, o delle tangenti 2 1.1
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliCorso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 2. Determinazione numerica degli zeri di una funzione Si consideri il seguente problema: Data f : [a, b] R, determinare i valori
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
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)
DettagliIL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero
IL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero Il teorema degli zeri è fondamentale per determinare se una funzione continua in un intervallo chiuso [ a ; b ] si annulla in almeno un punto interno
DettagliEquazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 2 - EQUAZIONI NON LINEARI Introduzione Problema: trovare le soluzioni di un equazione del tipo f() = 0 Esempio sin a = 0 e = 3 1.0 2.0 0.5
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
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Equazioni non lineari Metodi di linearizzazione Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it
DettagliEquazioni non lineari
Capitolo 2 Equazioni non lineari 2.1 Richiami di teoria Prerequisiti: teorema di Gauss, nozioni elementari di calcolo differenziale. In generale, per risolvere una equazione della forma f(x) = 0 dove f
DettagliEquazioni non lineari
Equazioni non lineari Introduzione In molte applicazioni intervengono equazioni che non siamo in grado di risolvere analiticamente, o la cui risoluzione risulta molto complessa e laboriosa. Un importante
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
DettagliINTERPOLAZIONE. Introduzione
Introduzione INTERPOLAZIONE Quando ci si propone di indagare sperimentalmente la legge di un fenomeno, nel quale intervengono due grandezze x, y simultaneamente variabili, e una dipendente dall altra,
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
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
DettagliCorso di Analisi Numerica - AN1. Parte 3: metodi iterativi per sistemi lineari ed. equazioni nonlineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 3: metodi iterativi per sistemi lineari ed equazioni nonlineari Roberto Ferretti Filosofia generale dei metodi iterativi Metodi iterativi per Sistemi Lineari Convergenza
DettagliOttimizzazione numerica
Funzioni univariate 28 Ottobre 2010 Funzioni univariate Outline 1 Funzioni univariate 2 optim Funzioni univariate I metodi di ottimizzazione consentono di trovare i punti estremanti (massimi, minimi) di
DettagliCancellazione numerica e zeri di funzione. Dott. Marco Caliari
Cancellazione numerica e zeri di funzione Dott. Marco Caliari PLS a.s. 01 013 Capitolo 1 Aritmetica floating point 1.1 I numeri macchina Data la capacità finita di un calcolatore, solo alcuni dei numeri
DettagliISTITUTO SUPERIORE XXV APRILE LICEO CLASSICO ANDREA DA PONTEDERA classi 5A-5B PROGRAMMA DI MATEMATICA
ISTITUTO SUPERIORE XXV APRILE LICEO CLASSICO ANDREA DA PONTEDERA classi 5A-5B PROGRAMMA DI MATEMATICA PRIMA PARTE Intervallo limitato di numeri reali Dati due numeri reali a e b, con a
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliDERIVATA DI UNA FUNZIONE REALE. In quanto segue denoteremo con I un intervallo di IR e con f una funzione di I in IR.
DERIVATA DI UNA FUNZIONE REALE 1. Definizioni. In quanto segue denoteremo con I un intervallo di IR e con f una funzione di I in IR. DEFINIZIONE 1. Sia x 0 un elemento di I. Per ogni x (I \ {x 0 }) consideriamo
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)
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
DettagliTeoremi di Fermat, Rolle, Lagrange, Cauchy, de l Hôpital
Teoremi di Fermat, Rolle, Lagrange, Cauchy, de l Hôpital Copyright c 2007 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Teoremi
DettagliNOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile
DettagliCapitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo
Capitolo Esercizi a.a. 206-7 Esercizi Esercizio. Dimostrare che il metodo iterativo x k+ = Φ(x k ), k = 0,,..., se convergente a x, deve verificare la condizione di consistenza x = Φ(x ). Ovvero, la soluzione
DettagliMetodi iterativi per equazioni nonlineari.
Metodi iterativi per equazioni nonlineari. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 9 aprile 2016 Alvise Sommariva Introduzione 1/ 14 Introduzione Si supponga sia f
Dettagli1 prof. Claudio Saccon, Dipartimento di Matematica Applicata, () December 30, / 26
ANALISI 1 1 UNDICESIMA LEZIONE DODICESIMA LEZIONE TREDICESIMA LEZIONE Derivata - definizione e teoremi di calcolo delle derivate Massimi e minimi relativi e teorema di Fermat Teorema di Lagrange Monotonia
DettagliEsercizi svolti. a 2 x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.
Esercizi svolti 1. Sia sin(x ) f(x) = x ( 1 + x 1 ) se x > 0 a x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.. Scrivere l equazione della retta tangente nel punto di ascissa
DettagliTeorema delle Funzioni Implicite
Teorema delle Funzioni Implicite Sia F una funzione di due variabili definita in un opportuno dominio D di R 2. Consideriamo l equazione F (x, y) = 0, questa avrà come soluzioni coppie di valori (x, y)
DettagliCorso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore
Corso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione
DettagliCorso di Analisi Matematica Calcolo differenziale per funzioni di una variabile
Corso di Analisi Matematica Calcolo differenziale per funzioni di una variabile Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 41 1 Derivata
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
DettagliProva di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo Universitá del Salento, 9 Aprile 2013 1 1 TEMA I Il candidato svolga una ed una sola delle dissertazioni proposte, illustrando sinteticamente
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
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
DettagliAppunti di matematica per le Scienze Sociali Parte 1
Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici
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
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
DettagliCorso di Analisi Matematica
Corso di Laurea in Ingegneria Edile Corso di TEOREMI DEL CALCOLO DIFFERENZIALE Lucio Demeio Dipartimento di Ingegneria Industriale e delle Scienze Matematiche Teorema di Estremi locali Richiamiamo la
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
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
DettagliDaniela Lera A.A. 2008-2009
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Equazioni non lineari Metodo di Newton Il metodo di Newton sfrutta le informazioni sulla funzione
DettagliLaurea in Informatica Corso di Analisi Matematica Calcolo differenziale per funzioni di una variabile
Laurea in Informatica Corso di Analisi Matematica Calcolo differenziale per funzioni di una variabile Docente: Anna Valeria Germinario Università di Bari A.V.Germinario (Università di Bari) Analisi Matematica
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
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
DettagliRaccolta di esercizi di Calcolo Numerico
Annamaria Mazzia Raccolta di esercizi di Calcolo Numerico Dipartimento di Ingegneria Civile Edile e Ambientale Università degli Studi di Padova Creative Commons Attribuzione-Non commerciale-non opere derivate
DettagliRelazione di laboratorio di Analisi Numerica: metodi di ricerca zeri
Relazione di laboratorio di Analisi Numerica: metodi di ricerca zeri Francesco Genovese, Università di Pavia 8 febbraio 2008 Sommario Questa relazione di laboratorio di Analisi Numerica (corso dell A.A.
Dettaglia) Il denominatore dev essere diverso da zero. Studiamo il trinomio x 2 5x + 6. Si ha: x 1,2 = 5 ± se x ], 2[ ]3, + [;
ESERCIZIO - Data la funzione f (x) + x2 2x x 2 5x + 6, si chiede di: a) calcolare il dominio di f ; (2 punti) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire se f ha asintoti
DettagliAlcuni esercizi in preparazione all appello scritto di Calcolo Numerico
Alcuni esercizi in preparazione all appello scritto di Calcolo Numerico Esercizio 1 Si consideri il sistema lineare Ax = b con 4 3 2 1 3 4 3 2 A = 2 3 4 3,b = 1 2 3 4 1 1 1 1. (1) 1. Prima di risolvere
DettagliArgomento 7. Studio di funzione
Argomento 7 Studio di funzione Studiare una funzione significa ottenere, mediante strumenti analitici (iti, derivate, ecc.) informazioni utili a disegnare un grafico qualitativo della funzione data. I
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
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
DettagliStudi di funzione. D. Barbieri. Studiare comportamento asintotico e monotonia di. f(x) = 1 x x4 + 4x e x
Studi di funzione D. Barbieri Esercizi Esercizio Esercizio Studiare comportamento asintotico e monotonia di f(x) = x + x4 + 4x Studiare il comportamento asintotico di f(x) = + x x + + e x Esercizio 3 Determinare
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliEQUAZIONI non LINEARI
EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI
DettagliEsercizi di Analisi Matematica I
Esercizi di Analisi Matematica I (corso tenuto dal Prof Alessandro Fonda) Università di Trieste, CdL Fisica e Matematica, aa 2012/2013 1 Principio di induzione 1 Dimostrare che per ogni numero naturale
DettagliULTERIORI ESERCIZI SUL CALCOLO DIFFERENZIALE
ULTERIORI ESERCIZI SUL CALCOLO DIFFERENZIALE 1 Scrivi l equazione della retta tangente al grafico di f(x) = (1 + 2x) 4 nel suo punto di intersezione con l asse y 2 Scrivi l equazione della retta tangente
Dettagliy = x 3 infinitesimo per x 3 lim = l 0 allora f(x) è dello stesso ordine di g(x), ossia tendono a DEF. Una funzione y = f(x) si dice infinitesimo per
INFINITI ED INFINITESIMI. ASINTOTI DI UNA FUNZIONE. GRAFICO PROBABILE DI UNA FUNZIONE. TEOREMI SULLE FUNZIONI CONTINUE ESERCIZI SULLA CONTINUITA E SULLA CLASSIFICAZIONE DELLE DISCONTINUITA DI UNA FUNZIONE
DettagliEsercizi 3. cos x ln(sin x), ln(e x 1 x ), ln( x 2 1), x sin x + x cos x + x, x 3 2x + 1. x 2 x + 2, x cos ex, x 2 e x.
I seguenti quesiti ed il relativo svolgimento sono coperti dal diritto d autore, pertanto essi non possono essere sfruttati a fini commerciali o di pubblicazione editoriale senza autorizzazione esplicita
DettagliAlcune nozioni di calcolo differenziale
Alcune nozioni di calcolo differenziale G. Mastroeni, M. Pappalardo 1 Limiti per funzioni di piu variabili Supporremo noti i principali concetti algebrici e topologici relativi alla struttura dello spazio
DettagliAnalisi Matematica 1 (Modulo) Prove Parziali A.A. 1999/2008
Analisi 1 Polo di Savona Analisi Matematica 1 (Modulo) Prove Parziali A.A. 1999/2008 1- PrA1.TEX [] Analisi 1 Polo di Savona Prima prova Parziale 21/10/1998 Prima prova Parziale 21/10/1998 Si consideri
DettagliElementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n
Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra e di Matematica
DettagliCorso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
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
DettagliSerie Borlini Alex
Serie numerica >> Prefazione Progressione lista ordinata e finita di elementi. Successione lista ordinata e infinita di elementi (numeri reali chiamati termini), {a n }=a 1, a 2, a 3 Successione di Fibonacci:
Dettaglia) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
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
DettagliLezione 3 (2/10/2014)
Lezione 3 (2/10/2014) Esercizi svolti a lezione Esercizio 1. Tracciando un grafico approssimativo, discutere qualitativamente l esistenza di radici reali dei seguenti polinomi, al variare del parametro
DettagliBOZZA :26
BOZZA 27..20 23:26 Università di Roma Tor Vergata Corso di Laurea in Scienze e Tecnologie per i Media Esempi sulla stima dell'errore negli sviluppi di Taylor Massimo A. Picardello CAPITOLO Stima numerica
DettagliAnalisi Matematica I Primo Appello ( ) - Fila 1
Analisi Matematica I Primo Appello (4-11-003) - Fila 1 1. Determinare la retta tangente alla funzione f() = (1 + ) 1+ in = 0. R. f(0) = 1, mentre la derivata è f () = ( e (1+) log(1+)) ( ) = e (1+) log(1+)
DettagliContinuità di funzioni
Continuità di funzioni Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 2 novembre 2015 Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva
DettagliSoluzioni dello scritto di Analisi Matematica II - 10/07/09. C.L. in Matematica e Matematica per le Applicazioni
Soluzioni dello scritto di Analisi Matematica II - /7/9 C.L. in Matematica e Matematica per le Applicazioni Proff. K. Payne, C. Tarsi, M. Calanchi Esercizio. a La funzione f è limitata e essendo lim fx
DettagliANALISI 1 - Teoremi e dimostrazioni vari
ANALISI 1 - Teoremi e dimostrazioni vari Sommario Proprietà dell estremo superiore per R... 2 Definitivamente... 2 Successioni convergenti... 2 Successioni monotone... 2 Teorema di esistenza del limite
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
DettagliEsercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
DettagliConcentriamo la nostra attenzione sull insieme dei numeri razionali Q. In Q sono definite
Lezioni del 22 e 24 settembre. Numeri razionali. 1. Operazioni, ordinamento. Indichiamo con N, Z, Q gli insiemi dei numeri naturali, interi relativi, e razionali: N = {0, 1, 2,...} Z = {0, ±1, ±2,...}
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
DettagliCalcolo del fattore di convergenza
Calcolo del fattore di convergenza Dato uno schema iterativo si ha: lim k x k+1 ξ x k ξ p = M p è l ordine di convergenza del metodo iterativo M è la costante asintotica dell errore o fattore di convergenza.
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 3. DERIVATE E STUDIO DI FUNZIONE (II parte): Massimi, minimi e derivata prima. Flessi e derivata seconda. Schema per lo studio qualitativo completo di una funzione y=f(x) Crescenza
DettagliEquazione della retta tangente al grafico di una funzione
Equazione della retta tangente al grafico di una funzione Abbiamo già visto che in un sistema di assi cartesiani ortogonali, è possibile determinare l equazione di una retta r non parallela agli assi coordinati,
DettagliUniversità degli Studi di Palermo Facoltà di Economia. Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 03 - I Numeri Reali Anno Accademico 2015/2016 M. Tumminello,
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliAnnamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su
Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione degli angoli conico di taglio ed elicoidale di taglio di una cremagliera Annamaria Mazzia Dipartimento di Metodi
Dettagli2. Costruire un M function file di Matlab che calcola il valore del
Esercizi. 1. Costruire un M function file di Matlab che calcola il valore del polinomio di Chebyshev di grado n in un vettore di punti, usando la formula di ricorrenza a tre termini. Costruire il grafico
DettagliPunti di estremo e Teorema di Fermat
Punti di estremo e Teorema di Fermat Nello studio di una funzione, le derivate sono (tra le altre cose) uno strumento utile per la determinazione di intervalli di monotonia e puntidiestremo. Definizione.
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
DettagliTEN Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2.
TEN 2008. Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2. Lemma 1. Sia n Z. Sia p > 2 un numero primo. (a) n è un quadrato modulo p se e solo se n p 1 2 1 mod p; (b) Sia n 0
DettagliLaboratorio di Matematica Computazionale A.A Lab. 4
Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 4 Complementi di Grafica 2D: Sottofinestre In Matlab si possono disegnare più grafici nella stessa finestra, suddividendola in sottofinestre
DettagliTutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017
Tutorato di Complementi di Analisi Matematica e Statistica Parte di Analisi 6 e 10 aprile 2017 Esercizi: serie di potenze e serie di Taylor 1 Date le serie di potenze a.) n=2 ln(n) n 3 (x 5)n b.) n=2 ln(n)
DettagliUniversità Politecnica delle Marche - Facoltà di Ingegneria Ing. Informatica e Automatica - Ing. Logistica e Produzione
ANALISI NUMERICA - Primo Parziale - TEMA A PARTE I. Si chiede allo studente di trattare i seguenti argomenti nel modo più completo possibile. 1. Propagazione degli errori nel caso di operazioni elementari
DettagliIntroduzione al problema
INTRODUZIONE AL PROBLEMA 1 di Simone BIANCO 1 Introduzione al problema Lo scopo della tesi svolta e quello di ricalibrare il colore nelle immagini fotografiche, ovvero: si supponga di avere un immagine
DettagliLaboratorio di Calcolo Numerico A.A Laboratorio 4 Risoluzione di sistemi non lineari Metodo di punto fisso
Laboratorio di Calcolo Numerico A.A. 2007-2008 Laboratorio 4 Risoluzione di sistemi non lineari Metodo di punto fisso Esercizio 1. Risoluzione di sistemi non lineari Si consideri il seguente sistema non
Dettagli