Analisi Numerica I Approssimazione polinomiale
|
|
- Giustino Mancuso
- 5 anni fa
- Visualizzazioni
Transcript
1 Analisi Numerica I Approssimazione polinomiale Ana Alonso ana.alonso@unitn.it 15 novembre 2018
2 I polinomi Un polinomio di grado n in Matlab si rapresenta mediante un vettore di n + 1 componenti che contiene i coefficienti del polinomio ordinati da quello di grado n a quello di grado 0. >> p = [ ] p(x) = 3x 4 2x 3 + x 5 polyval(p,z) calcola il valore di p in uno o più punti. >> z=[-1 0 1]; >> pz = polyval(p,z) roots(p) calcola le radici di p. polyder(p) calcola i coefficienti del polinomio derivata di p. >> dp = polyder(p) polyint(p) calcola i coefficienti di una primitiva (quella che si annulla in x = 0) di p. >> q = polyint(p)
3 Esercizio Disegnare il grafico del polinomio p(x) = 3x 4 2x 3 + x 5 nell intervallo [ 1, 1]. Calcolare 1 p(x) dx 1
4 Il comando polyfit Se x e y sono due vettori di n + 1 componenti, il comando p=polyfit(x,y,n) calcola il polinomio interpolatore dei dati {(x i, y i )} n i=0. Se m n il comando p=polyfit(x,y,m) calcola i coefficienti del polinomio di grado m che meglio approssima i dati {(x i, y i )} n i=0 nel senso dei minimi quadrati: p P m : n i=0 (p(x i ) y i ) 2 = min q P m n (q(x i ) y i ) 2. i=0
5 Esercizio Data la funzione f (x) = x3 +1 x+4 disegnare il grafico di f (x) e del polinomio che interpola f (x) nei nodi x 0 = 1, x 1 = 0, x 2 = 1, del polinomio che interpola f (x) nei nodi x 0 = 1, x 1 = 1/2, x 2 = 0, x 3 = 1/3, x 4 = 2/3, x 5 = 1, nell intervallo [ 1, 1].
6 Esempio di Runge Si consideri la funzione f (x) = x 2 x I = [ 5, 5]. Scrivere un script di Matlab per disegnare: la funzione f, il grafico del polinomio Π N f che interpola f in N + 1 punti equispaziati dell intervallo I. Si può osservare come max f (x) Π Nf (x) se N. 5 x 5
7 Esempio di Runge 1./(x.^2+1); n=input( Grado del polinomio: ); a=-5;b=5; h=(b-a)/n; x=[a:h:b]; fx=fun(x); p=polyfit(x,fx,n); xx=linspace(a,b); pxx=polyval(p,xx); fxx=fun(xx); plot(xx,fxx,xx,pxx,x,fx, * ); legend( 1/(x^2+1), Polinomio intepolatore, Dati );
8 Nodi di Chebishev Nell intervallo [ 1, 1] sono ( ) iπ ˆx i = cos N i = 0,..., N. N= E in un intervallo generico [a, b] x i = a + b 2 + b a ˆx i i = 0,..., N. 2
9 Esempio di Runge Si consideri di nuovo la funzione f (x) = x 2 x I = [ 5, 5]. Scrivere un script di Matlab per disegnare: la funzione f, il grafico del polinomio Π N f che interpola f nei N + 1 nodi di Chebishev dell intervallo I. Si può osservare come max f (x) Π N f (x) 0 se N. 5 x 5
10 Nodi di Chebishev 1./(x.^2+1); n=input( Grado del polinomio: ); a=-5; b=5; x=-cos([0:n]*pi/n); x=(a+b)/2+(b-a)/2*x; fx=fun(x); q=polyfit(x,fx,n); xx=linspace(a,b); qxx=polyval(q,xx); fxx=fun(xx); plot(xx,fxx,xx,qxx,x,fx, * ); legend( 1/(x^2+1), Polinomio interpolatore, Dati );
11 Splines Se x e y sono due vettori di uguale lungheza >> yy = spline(x,y,xx) calcola il valore in xx della spline cubica not-a-knot (derivata terza continua in x 1 e x N 1 ) e che interpola i dati {(x i, y i )} N i=0. >> s = spline(x,y) restituisce la spline cubica not-a-knot che interpola i dati {(x i, y i )} N i=0 come funzione polinomiale a tratti. Per calcolare il valore della spline cosi costruita in xx si usa il comando >> yy = ppval(s,xx)
12 Esercizio Per i dati contenuti nella tabella x i y i disegnare il grafico della retta di migliore approssimazione nel senso dei minimi quadrati, del polinomio interpolatore e della spline cubica interpolatoria not-a-knot.
13 Forma di Newton del polinomio interpolatore Dati {(x i, y i )} N i=0 = {(x i, f (x i ))} N i=0 sia Π mf (x) il polinomio di grado m che interpola {(x i, y i )} m i=0 Π N f (x) = Π N 1 f (x) + q N (x) q N (x) è un polinomio di grado N. q N (x i ) = 0 per i = 0, 1,..., N 1. Quindi q N (x) = α(x x 0 )(x x 1 )... (x x N 1 ). α è il coefficiente di grado N nel polinomio Π N f (x). Si chiama N-esima differenza divisa di Newton e si indica f [x 0, x 1,..., x N ]
14 Forma di Newton del polinomio interpolatore Chiaramente f [x 0, x 1,..., x N ] = f (x N ) Π N 1 f (x N ) (x N x 0 )(x N x 1 )... (x x x N 1 ) ma si usa una formula ricorsiva più efficiente. f [x 0, x 1,..., x N ] = f [x 1,..., x N ] f [x 0, x 1,..., x N 1 ] x N x 0. (Questo perché Π 0,1,...,N f (x) = x x0 x N x 0 Π 1,...,N f (x) + x x N x 0 x N Π 0,...,N 1 f (x).)
15 Forma di Newton del polinomio interpolatore Abbiamo visto che Π N f (x) = f [x 0, x 1,..., x N ](x x 0 )(x x 1 )... (x x N 1 )+Π N 1 f (x) ma questa formula vale anche per Π N 1 f (x) quindi Π N f (x) = f [x 0, x 1,..., x N ](x x 0 )(x x 1 )... (x x N 1 ) +f [x 0, x 1,..., x N 1 ](x x 0 )(x x 1 )... (x x N 2 ) + + f [x 0, x 1 ](x x 0 ) + f [x 0 ] e f [x 0 ] = y 0.
16 Tabella delle differenze divise x 0 f [x 0] x 1 f [x 1] f [x 0, x 1] = f [x 1] f [x 0 ] x 1 x 0 x 2 f [x 2] f [x 1, x 2] = f [x 2] f [x 1 ] x 2 x 1 f [x 0, x 1, x 2] = f [x 1,x 2 ] f [x 0,x 1 ] x 2 x 0 x 3 f [x 3] f [x 2, x 3] = f [x 3] f [x 2 ] x 3 x 2 f [x 1, x 2, x 3] = f [x 2,x 3 ] f [x 1,x 2 ] x 3 x 1 f [x 0, x 1, x 2, x 3]
17 Forma di Newton del polinomio interpolatore Π 0,1,2,3 f (x) = f [x 0 ] + (x x 0 )f [x 0, x 1 ] + (x x 0 )(x x 1 )f [x 0, x 1, x 2 ] +(x x 0 )(x x 1 )(x x 2 )f [x 0, x 1, x 2, x 3 ] = f [x 0 ] + (x x 0 ) ( f [x 0, x 1 ] + (x x 1 ) [ f [x 0, x 1, x 2 ] + (x x 2 )f [x 0, x 1, x 2, x 3 ] ]) Algoritmo di Horner c 1 = f [x 0 ], c 2 = f [x 0, x 1 ], c 3 = f [x 0, x 1, x 2 ], c 4 = f [x 0, x 1, x 2, x 3 ]. Pz = c 4 fori = 3 : 1 : 1 Pz = c i + (z x i 1 ) Pz end
18 Differenze divise La seguente funzione calcola il valore in z del polinomio che interpola i dati {(x i, y i )} n i=1 usando la forma di Newton del polinomio interpolatore e l algoritmo di Horner. function Pz=interpol(x,y,z) n=length(x); A=zeros(n,n); A(:,1)=y; for j=2:n A(j:n,j)=(A(j:n,j-1)-A((j:n)-1,j-1))./(x(j:n)-x((j:n)-(j-1))) ; end Pz=A(n,n); for j=n-1:-1:1 Pz=A(j,j)+(z-x(j)).*Pz; end
Interpolazione e approssimazione di funzioni
Interpolazione e approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 26 febbraio 2007 Outline 1 Interpolazione polinomiale Interpolazione
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale
Complementi di Matematica e Calcolo Numerico A.A. 2013-2014 Laboratorio 4 - Polinomi e Interpolazione polinomiale Polinomi e vettori Matlab non prevede un oggetto particolare di tipo polinomio, ma rappresenta
DettagliInterpolazione polinomiale. Gabriella Puppo
Interpolazione polinomiale Gabriella Puppo Interpolazione polinomiale Matrice di Vandermonde Costruzione del polinomio di interpolazione Studio dell errore Fenomeno di Runge Condizionamento Matrice di
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale
Complementi di Matematica e Calcolo Numerico A.A. 2015-2016 Laboratorio 4 - Polinomi e Interpolazione polinomiale Polinomi e vettori: Consideriamo particolari funzioni di una variabile reale che siano
DettagliInterpolazione e approssimazione di dati
Interpolazione e approssimazione di dati Corso di Metodi Numerici 22 Marzo 2018 Introduzione Implementazione in MATLAB di interpolazione polinomiale e approssimazione di dati. Date n + 1 coppie di punti
DettagliInterpolazione composita di Lagrange
Interpolazione composita di Lagrange Dividiamo l itervallo [a, b] in N sottointervalli I j = [x j 1, x j ], j = 1,..., N. Sia h j = x j x j 1 e h = max 1 j N h j. Su ciascun intervallo I j usiamo interpolazione
DettagliInterpolazione e approssimazione di dati
Interpolazione e approssimazione di dati 08 Aprile 2019 Introduzione Implementazione in MATLAB di interpolazione polinomiale e approssimazione di dati. Date n + 1 coppie di punti (x i, y i ) con i = 0,
DettagliComplementi di Matematica e Calcolo Numerico A.A Polinomi e vettori
Complementi di Matematica e Calcolo Numerico A.A. 2017-2018 Polinomi e vettori Consideriamo particolari funzioni di una variabile reale che siano polinomi, ovvero del tipo p(x) = 3x 4 +2x 3 +x 5, q(x)
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliPolinomi. Poiché un polinomio di grado n ha n+1 coefficienti, ad un polinomio di grado n si associa un vettore di lunghezza n+1.
Polinomi Polinomi e vettori Matlab non prevede un oggetto particolare di tipo polinomio, ma rappresenta i polinomi attraverso vettori che contengono i coefficienti del polinomio stesso, ordinati partendo
DettagliEsercitazione 7: Aggiornamento minimi quadrati.
Esercitazione 7: Aggiornamento minimi quadrati. Esercizio 1 Per calcolare il piano di equazione p(x) = a+b xc y che minimizza gli scarti quadratici relativi alle misure (x i, y i, z i ) è necessario risolvere
DettagliApprossimazione di dati e funzioni
Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 19 settembre 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 19 settembre 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 2016-2017 Laboratorio 6 - Minimi quadrati e spline APPROSSIMAZIONE DI FUNZIONI O DI DATI Consideriamo il problema di valutare una funzione nota soltanto
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
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
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 20-206 Laboratorio 8. (punteggio 3/3/) Si consideri la funzione f(x) = sin(e x/2 ).. Si approssimi la radice α di f nell intervallo [0, 3.] utilizzando
DettagliApprossimazione di dati
Approssimazione di dati Lucia Gastaldi DICATAM - Sez. di Matematica, http://dm.ing.unibs.it/gastaldi/ Indice 1 Approssimaz. di dati Approssimazione di dati 2 Minimi quadrati lineari Regressione lineare
DettagliCalcolo Numerico A.A Lab. 6
Calcolo Numerico A.A. 2007-2008 - Lab. 6 Esercizio 1. Interpolazione su nodi di Chebyshev e interpolazione composita Si consideri la funzione f(x) = 1 + x assegnata sull intervallo I = [0, 1]. 1. Trovare
DettagliCalcolo Numerico - A.A Laboratorio 6
Calcolo Numerico - A.A. 2011-2012 Laboratorio 6 Approssimazione ai minimi quadrati Siano (x i, y i ), per i = 0,..., n, n + 1 coppie di dati di origine sperimentale o originati dal campionamento y i =
DettagliInterpolazione polinomiale.
Interpolazione polinomiale. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica April 11, 2017 Alvise Sommariva Introduzione 1/ 14 Introduzione In questa lezione desideriamo introdurre
DettagliLaboratorio di Matematica Computazionale A.A Laboratorio nr. 6
Laboratorio di Matematica Computazionale A.A. 2008-2009 - Laboratorio nr. 6 Operazioni su polinomi Matlab offre diverse funzioni per lavorare con i polinomi (per un elenco help polyfun). Matlab non ha
DettagliLaboratorio di Calcolo Numerico Approssimazione ai minimi quadrati
Laboratorio di Calcolo Numerico Approssimazione ai minimi quadrati Ángeles Martínez Calomardo http://www.dmsa.unipd.it/ acalomar/didattica/2013-14 angeles.martinez@unipd.it Laurea in Matematica A.A. 2013
DettagliInterpolazione polinomiale. Interpolazione polinomiale
1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto 1 Polinomiale Rappresentazione Lagrangiana
DettagliEsercizi Elaborato (versione )
Esercizi Elaborato (versione 2019-04-15) Nota bene: l elaborato dovrà contenere i codici sviluppati, e questi dovranno essere portati alla discussione su una chiavetta USB. Esercizio 1. Verificare che,
Dettaglix i f(x i ) Soluzione: Primo metodo : interpolazione polinomiale, approccio di Newton ; Tavola delle differenze divise :
ESERCIZIO 1 Si forniscano due approssimazioni polinomiali (ottenute con due metodi diversi) della funzione f(x) definita per punti dalla seguente tabella x i -0.5 1 1.5 f(x i ) 0 1 1.5 Primo metodo : interpolazione
DettagliISTITUTO DI ISTRUZIONE SUPERIORE A. EINSTEIN PROGETTO LAUREE SCIENTIFICHE
ISTITUTO DI ISTRUZIONE SUPERIORE A. EINSTEIN PROGETTO LAUREE SCIENTIFICHE Prof. Fernando D Angelo Interpolazione e approssimazione di funzioni Problema Dati n+1 punti (x( i,f(x i )) con i =0,1,2,n,n ~
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
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)
DettagliIntegrazione numerica
Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule di
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
DettagliIntegrazione numerica
Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule
Dettaglikπ cos, k = 0, 1, 2,, n (NB: sono n +1) n
Esempio di nodi NON equispaziati Nodi di Lobatto - Chebyshev: x k = kπ cos, k = 0, 1, 2,, n (NB: sono n +1) n Mappa: da t in [-1, 1] a x in [a, b]: x = b a a + b t + 2 2 Esercizio 1 Interpolare la funzione
DettagliMinimi quadrati. Ángeles Martínez Calomardo e Alvise Sommariva. 4 dicembre Università degli Studi di Padova
Minimi quadrati Ángeles Martínez Calomardo e Alvise Sommariva Università degli Studi di Padova 4 dicembre 2012 Ángeles Martínez Calomardo e Alvise Sommariva Minimi quadrati 1/ 11 Approssimazione ai minimi
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
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
DettagliEQUAZIONI DIFFERENZIALI
EQUAZIONI DIFFERENZIALI Si consideri il problema di Cauchy y'(t) t y, y() y(t) t e. t, la cui soluzione esatta è PARTE a. Approssimare il problema di Cauchy con il metodo di Eulero Esplicito b. Eseguire
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi November 23, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
DettagliCalcolo Numerico. Esercitazioni (A.A ) Lezione n. 16 Approssimazione
Calcolo Numerico (A.A. 2013-2014) Esercitazioni Lezione n. 16 Approssimazione 23-05-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione
DettagliINTERPOLAZIONI CON SPLINE
INTERPOLAZIONI CON SPLINE Assegnati gli n +1valori che la funzione f assume nei nodi x i, si costruisce un interpolazione polinomiale a tratti. In ognuno degli intervalli [x i 1,x i ] il polinomio interpolatore
DettagliApprossimazione di dati e funzioni
Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Generalità Problema 1 Dati (x i, y i ) i =
Dettaglif(x) dx = F (b) F (a) Formula di quadratura o di integrazione numerica c i f(x i ) + R n (f)
INTEGRAZIONE NUMERICA Integrale di funzione I(f) = a f(x) dx = F (b) F (a) Formula di quadratura o di integrazione numerica a f(x) dx = n i=0 c i f(x i ) + R n (f) dove le {x i } sono i nodi e {c i } sono
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11: testo soluzioni Proff. S. De Marchi e M. R. Russo 12 luglio 2011
Esame di Calcolo Numerico per Informatica A.A. 200/: testo soluzioni Proff. S. De Marchi e M. R. Russo 2 luglio 20 L esame consiste di 4 domande aperte e 0 esercizi a risposta multipla. Per gli esercizi
DettagliDiario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A
Diario delle lezioni di Analisi Numerica laurea Magistrale in Statistica e Informatica A.A. 2009-2010 Prof. Stefano De Marchi December 4, 2009 28/9/09 Aula SC20. 30/9/09 Aula SC20. Rappresentazione dei
DettagliApprossimazione con le splines. Approssimazione con le splines
Splines Dato l intervallo [a, b], si consideri una successione finita di numeri reali (nodi) appartenenti all intervallo, tali che a = x 0 < x 1 < x 2 < < x m+1 = b Si individua in tal modo una partizione
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
DettagliDifferenze divise. Polinomio di interpolazione nella forma di Newton. Proprietà. Se n=0. Simmetria. Ricorsività. Abbiamo un solo punto
Differenze divise Polinomio di interpolazione nella forma di Newton Se n=0 Abbiamo un solo punto Se n = 1 Abbiamo 2 punti Il polinomio cercato è la retta passante per i due punti Proprietà Simmetria Differenza
DettagliCalcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014
Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione analitica ϕ
DettagliCorso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame
1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione
DettagliIntegrazione numerica
Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 5 marzo 2007 Outline 1 Formule di quadratura semplici e composite Formule di quadratura Grado
DettagliUNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - 6.Funzioni con derivate - CTF Matematica Codice Compito: - Numero d Ordine D. Un polinomio di grado e tangente all asse x ed ha un flesso orizzontale nel punto
DettagliPON Liceo Scientifico Leonardo da Vinci. Vallo della Lucania
PON 2007 2013 Liceo Scientifico Leonardo da Vinci Vallo della Lucania Nuovi percorsi matematici: Osservare, descrivere, costruire. Matlab - 4: I polinomi Vallo della Lucania 26 Settembre 2008 Rappresentazione
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni Algebriche Le equazioni algebriche sono equazioni del tipo P(x) = 0 dove P è un polinomio di grado n cioé P(x) = a 1 x n + a 2 x n
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
DettagliAnno accademico
RICHIAMI PER IL CORSO DI ANALISI NUMERICA PROF R MORANDI Anno accademico 28 29 1 RICHIAMI: PRECISIONE FINITA (USO DEL CALCOLATORE) IN UN CALCOLATORE UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTA- TA COME
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
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Approssimazione di dati e funzioni Approssimazione ai minimi quadrati Docente Vittoria Bruni Email:
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
DettagliISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB
Calcolo Numerico ed Elementi di Analisi - Allievi AEROSPAZIALI Proff. S. Micheletti, S. Perotto A.A. 20/202, Appello 28 Gennaio 203 NOME... COGNOME... MATRICOLA... DOCENTE... AULA... PC... Ver.A I seguenti
DettagliAnalisi Numerica Corso di Laurea in Ingegneria Elettrotecnica
Analisi Numerica Corso di Laurea in Ingegneria Elettrotecnica (A.A. 2016-2017) Prof.ssa Silvia Tozza Integrazione numerica 6 Dicembre 2016 Silvia Tozza Email: tozza@mat.uniroma1.it Ricevimento: Su appuntamento
DettagliAnalisi Numerica: quadratura
Analisi Numerica: quadratura S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste In situazioni come queste, si ricorrerà a metodi numerici come quelli che presenteremo per calcolare
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 31 agosto 2011 Testo e soluzioni
Esame di Calcolo Numerico per Informatica A.A. 21/11 Proff. S. De Marchi e M. R. Russo 31 agosto 211 Testo e soluzioni L esame consiste di 4 domande aperte e 1 esercizi a risposta multipla. Per gli esercizi
DettagliAnalisi Numerica I Introduzione a Matlab
Analisi Numerica I Introduzione a Matlab Ana Alonso ana.alonso@unitn.it 13-20 settembre 2018 Matlab MATrixLABoratory Calcolatrice. 3+4 2 (3+1) 9 4 3 1 cos ( π 4 ) e 2 Nomi a = 3 b = 4 c = a + b who, whos
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 015-01 Laboratorio 5 - Function files, Minimi quadrati e spline FUNCTION-FILES MATLAB Le funzioni matlab sono porzioni di codici scritte in un file indipendente
DettagliInterpolazione polinomiale. Interpolazione polinomiale
1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Il best fitting In molte applicazioni accade di avere una certa quantità di dati (solitamente elevata) e di voler descrivere l andamento del fenomeno che ha
DettagliPolinomio di interpolazione nella forma di Lagrange
Polinomio di interpolazione nella forma di Lagrange Polinomio di interpolazione nella forma di Lagrange Si dimostra che è IL polinomio di interpolazione. Cambia solo la rappresentazione. Esempio: interpolazione
DettagliCAMPO DI ESISTENZA. Poiché la funzione data è polinomiale, essa risulta definita su tutto l asse reale, cioè: C.E. = {x R: < x < + } 2 x1,2 C +
y = x + 7x + 5 CAPO DI ESISTENZA. Poiché la funzione data è polinomiale, essa risulta definita su tutto l asse reale, cioè: C.E. = {x R: < x < + } INTERSEZIONI CON GLI ASSI. Per determinare l intersezione
DettagliAlgoritmi stabili e instabili
Algoritmi stabili e instabili Laboratorio di Calcolo Numerico 13 Marzo 2018 Vettori in MATLAB Finora abbiamo pensato alle variabili utilizzate come semplici valori numerici (variabili scalari). In realtà,
DettagliQuali condizionisi si possono richiedere sulla funzione interpolante?
INTERPOLAZIONE Problema generale di INTERPOLAZIONE Dati n punti distinti ( i, i ) i=,..,n si vuole costruire una funzione f() tale che nei nodi ( i ) i=,..n soddisfi a certe condizioni, dette Condizioni
DettagliEsercizi proposti di Analisi Numerica
Esercizi proposti di Analisi Numerica Silvia Bonettini Dipartimento di Matematica, Università di Ferrara 30 gennaio 2012 1 Conversioni, operazioni di macchina e analisi dell errore 1. Convertire i numeri
DettagliDisegnare nell intervallo [0, 1] con precisione 0.01 il grafico delle seguenti quattro funzioni
28 gennaio 2008 Nota: Creare all interno della cartella C:\\ Users una cartella in cui mettere tutti i file. Come nome della cartella usate il vostro cognome Trascinare l icona della cartella col vostro
DettagliLezione 13 (7 dicembre) Polinomio di Taylor Integrale definito: significato geometrico Primitiva di una funzione
Lezione 13 (7 dicembre) Polinomio di Taylor Integrale definito: significato geometrico Primitiva di una funzione Polinomio di Taylor e approssimazioni Approssimazione di una funzione nell intorno di un
DettagliDipartimento di Ingegneria Industriale DII Anno Accademico 2018/19 Registro lezioni del docente SOMMARIVA ALVISE
Attività didattica Dipartimento di Ingegneria Industriale DII Anno Accademico 2018/19 Registro lezioni del docente SOMMARIVA ALVISE CALCOLO NUMERICO [IN18101050] Corso di studio: INGEGNERIA DELL'ENERGIA
DettagliCorso di Laurea in Ingegneria Energetica POLINOMI IN MATLAB. Bologna, 13 marzo Fondamenti di Informatica L a.a
Corso di Laurea in Ingegneria Energetica POLINOMI IN MATLAB Bologna, 13 marzo 2008 Polinomi Un polinomio in Matlab viene rappresentato mediante un vettore contenente i suoi coefficienti. Per esempio, il
DettagliLaboratorio di Matematica Computazionale A.A Lab. 9
Laboratorio di Matematica Computazionale A.A. 2007-2008 Lab. 9 Spline interpolanti lineari (interp1) e cubiche (spline) Esercizio 1 Assegnati i punti di coordinate x -1 1 2 3 5 y 0-1 5 2 1 si disegnino,
DettagliMinimi quadrati in Matlab
Minimi quadrati in Matlab Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 3 gennaio 2019 Alvise Sommariva Minimi quadrati in Matlab 1/ 17 Approssimazione ai
DettagliInterpolazione di dati
Interpolazione di dati Problema 1 (es robot). Siano (x i, y i ) con i = 0,..., 5, x i 2.00 4.25 5.25 7.81 9.20 10.60 y i 7.2 7.1 6.0 5.0 3.5 5.0 i punti da cui deve passare il braccio di un robot per effettuare
DettagliInterpolazione polinomiale.
Interpolazione polinomiale. Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 21 novembre 2011 Alvise Sommariva Interpolazione polinomiale. 1/ 27 Interpolazione
DettagliLezione 3 Interpolazione Polinomiale.
Lezione 3 Interpolazione Polinomiale http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Scopi dell interpolazione Dati i valori y i di una grandezza Y in corrispondenza
DettagliEsame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013
Esame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 2 settembre 2013 1 Domande aperte 1. Ogni matrice quadrata (di ordine n) strettamente definita positiva è invertibile. Perchè? Risposta.
DettagliLaboratorio 3. Integrazione numerica
Anno Accademico 2007-2008 Corso di Analisi 1 per Ingegneria Elettronica Laboratorio 3 Integrazione numerica Sia f una funzione continua sull intervallo [a, b] numerica con lo scopo di approssimare Introduciamo
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
DettagliLaboratorio di Calcolo Numerico - Corso di Laurea in Matematica Appello d esame del 12/07/2012
Cognome: Nome: Matricola: Laboratorio di Calcolo Numerico - Corso di Laurea in Matematica Appello d esame del 12/07/2012 ESERCIZIO 1 [10 punti] Si consideri il problema di approssimare le radici α 1 =
DettagliImplementazione degli algoritmi.
Implementazione degli algoritmi. 4.1. Introduzione. In questo capitolo sarà discussa l implementazione software per l ambiente MATLAB 6.1 che è stata fatta degli algoritmi di identificazione presentati
DettagliAlgoritmi per l interpolazione polinomiale Implementazione MATLAB
Algoritmi per l interpolazione polinomiale Implementazione MATLAB Alessandro Gallo Docente: Prof. Giuseppe Rodriguez INDICE Indice Il problema dell interpolazione 2. Il caso generale.............................
DettagliLaboratorio di Calcolo Numerico Laboratorio 7: Quadratura numerica
Laboratorio di Calcolo Numerico Laboratorio 7: Quadratura numerica Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 19 Aprile 2017 Introduzione Implementazione in
DettagliIstituzioni di Matematiche, Integrali fratti. corso di laurea in Scienze geologiche. Mauro Costantini
Istituzioni di Matematiche, Integrali fratti corso di laurea in Scienze geologiche. Mauro Costantini tipo: Il nostro obiettivo è studiare gli integrali (indefiniti e definiti delle funzioni razionali,
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Approssimazione di funzioni In molti problemi
DettagliCapitolo 2. Equazioni non lineari. 2.1 Metodo di bisezione. 2.2 Ordine dei metodi
Capitolo 2 Equazioni non lineari 2.1 Metodo di bisezione Data la successione {x n } n prodotta dal metodo di bisezione convergente alla radice ξ di f(x), il criterio d arresto basato sul residuo (cioè
DettagliLaboratorio di Calcolo Numerico A.A
Laboratorio di Calcolo Numerico A.A. 2007-2008 Laboratorio 7 Minimi quadrati. Approssimazione delle derivate. Esercizio 1. Si considerino le 6 coppie di dati ( 4.5, 0.7), ( 3.2, 2.3), ( 1.4, 3.8), (0.8,
Dettaglin (x i x j ), det V = i>j
Capitolo 4 Approssimazione 4.1 Richiami di teoria Prerequisiti: nozioni elementari di calcolo differenziale e integrale. Interpolazione Il problema dell interpolazione è un caso particolare del vasto settore
DettagliLezione 5, 5/11/2014
Lezione 5, 5/11/2014 Elena Gaburro, elenagaburro@gmail.com 1 Ordine di convergenza di un metodo Definizione 1.1. Sia {x k } una successione convergente ad α. Consideriamo l errore assoluto in modulo al
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)
DettagliLaboratorio di Calcolo Numerico Laboratorio 3: Algoritmi stabili e instabili, Bisezione
Laboratorio di Calcolo Numerico Laboratorio 3: Algoritmi stabili e instabili, Bisezione Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 22 Marzo 2017 Vettori in
Dettagli