Interpolazione polinomiale. Interpolazione polinomiale
|
|
- Alessio Raimondi
- 5 anni fa
- Visualizzazioni
Transcript
1
2 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
3 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
4 Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
5 Assegnati n + 1 punti (x i, y i ), i = 1,..., n + 1, trovare un polinomio p(x) p(x i ) = y i, i = 1,..., n + 1. (1)
6 Poichè i punti sono n + 1 è sufficiente considerare il generico polinomio di grado n p n (x) = a 0 + a 1 x + + a n x n. Usando la base delle potenze, si tratta di determinare i coefficienti a i risolvendo un sistema lineare di n + 1 equazioni in n + 1 incognite, ottenuto dalle condizioni di interpolazione (1): a 0 + a 1 x 1 + a 2 x a nx n 1 = y a 0 + a 1 x n + a 2 x 2 n + + a n x n n = y n
7 La matrice dei coefficienti è la matrice di Vandermonde. Essa è non singolare gli x i sono distinti. 1 x 1 x x n 1 1 x 2 x x n 2 V = x n xn 2... xn n ove det(v ) = i>j (x i x j ). Teorema Se gli x i sono distinti esiste uno ed un solo polinomio di interpolazione di grado al più n. Tuttavia la matrice di Vandermonde è mal condizionata. Pertanto si calcola il polinomio di interpolazione usando una rappresentazione del polinomio diversa da quella canonica.
8 La matrice dei coefficienti è la matrice di Vandermonde. Essa è non singolare gli x i sono distinti. 1 x 1 x x n 1 1 x 2 x x n 2 V = x n xn 2... xn n ove det(v ) = i>j (x i x j ). Teorema Se gli x i sono distinti esiste uno ed un solo polinomio di interpolazione di grado al più n. Tuttavia la matrice di Vandermonde è mal condizionata. Pertanto si calcola il polinomio di interpolazione usando una rappresentazione del polinomio diversa da quella canonica.
9 La matrice dei coefficienti è la matrice di Vandermonde. Essa è non singolare gli x i sono distinti. 1 x 1 x x n 1 1 x 2 x x n 2 V = x n xn 2... xn n ove det(v ) = i>j (x i x j ). Teorema Se gli x i sono distinti esiste uno ed un solo polinomio di interpolazione di grado al più n. Tuttavia la matrice di Vandermonde è mal condizionata. Pertanto si calcola il polinomio di interpolazione usando una rappresentazione del polinomio diversa da quella canonica.
10 Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
11 Rappresentazione lagrangiana Polinomio interpolante di Lagrange A ogni punto k esimo, k = 1,..., n + 1, si associa un polinomio L k (x) di grado n tale che L k (x i ) = 0 per i k, L k (x k ) = 1. Allora x 1,..., x k 1, x k+1..., x n+1 sono gli zeri di L k (x), quindi L k (x) = α k (x x 1 )... (x x k 1 )(x x k+1 )... (x x n+1 ) Affinchè L k (x k ) = 1 basta scegliere α k = 1/(x k x 1 )... (x k x k 1 )(x k x k+1 )... (x k x n+1 )
12 Rappresentazione lagrangiana Polinomio interpolante di Lagrange A ogni punto k esimo, k = 1,..., n + 1, si associa un polinomio L k (x) di grado n tale che L k (x i ) = 0 per i k, L k (x k ) = 1. Allora x 1,..., x k 1, x k+1..., x n+1 sono gli zeri di L k (x), quindi L k (x) = α k (x x 1 )... (x x k 1 )(x x k+1 )... (x x n+1 ) Affinchè L k (x k ) = 1 basta scegliere α k = 1/(x k x 1 )... (x k x k 1 )(x k x k+1 )... (x k x n+1 )
13 Rappresentazione lagrangiana Polinomio interpolante di Lagrange A ogni punto k esimo, k = 1,..., n + 1, si associa un polinomio L k (x) di grado n tale che L k (x i ) = 0 per i k, L k (x k ) = 1. Allora x 1,..., x k 1, x k+1..., x n+1 sono gli zeri di L k (x), quindi L k (x) = α k (x x 1 )... (x x k 1 )(x x k+1 )... (x x n+1 ) Affinchè L k (x k ) = 1 basta scegliere α k = 1/(x k x 1 )... (x k x k 1 )(x k x k+1 )... (x k x n+1 )
14 Rappresentazione lagrangiana Polinomio interpolante (x i, y i ), i = 1,..., n + 1 p n (x) = y 1 L 1 (x) + + y n+1 L n+1 (x)
15 Polinomio interpolante in forma lagrangiana Costruzione di L k (x) function p=plagr(xnodi,k) %Restituisce i coefficienti del k-esimo pol di %Lagrange associato ai punti del vettore xnodi if k==1 xzeri=xnodi(2:end) else xzeri=[xnodi(1:k-1) xnodi(k+1:end)] end p=poly(xzeri) p=p/polyval(p,xnodi(k)) Disegnare i polinomi di Lagrange associati a [ ]
16 Polinomio interpolante in forma lagrangiana Costruzione di L k (x) function p=plagr(xnodi,k) %Restituisce i coefficienti del k-esimo pol di %Lagrange associato ai punti del vettore xnodi if k==1 xzeri=xnodi(2:end) else xzeri=[xnodi(1:k-1) xnodi(k+1:end)] end p=poly(xzeri) p=p/polyval(p,xnodi(k)) Disegnare i polinomi di Lagrange associati a [ ]
17 Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
18 Polinomio interpolante di Newton Si deriva una diversa rappresentazione del polinomio di interpolazione. Rispetto alla rappresentazione di Lagrange consente di 1 calcolarlo con una minore complessità computazionale; 2 derivare da un polinomio interpolante di grado n uno di grado superiore quando si aggiungono nuovi dati (x i, y i ) usando i calcoli già eseguiti.
19 Polinomio interpolante di Newton Si deriva una diversa rappresentazione del polinomio di interpolazione. Rispetto alla rappresentazione di Lagrange consente di 1 calcolarlo con una minore complessità computazionale; 2 derivare da un polinomio interpolante di grado n uno di grado superiore quando si aggiungono nuovi dati (x i, y i ) usando i calcoli già eseguiti.
20 Polinomio interpolante di Newton Si deriva una diversa rappresentazione del polinomio di interpolazione. Rispetto alla rappresentazione di Lagrange consente di 1 calcolarlo con una minore complessità computazionale; 2 derivare da un polinomio interpolante di grado n uno di grado superiore quando si aggiungono nuovi dati (x i, y i ) usando i calcoli già eseguiti.
21 Differenze divise A tale scopo si usano le differenze divise. Si dice differenza divisa di ordine zero di f (x) relativa al nodo x 0 la quantità f [x 0 ] = y 0. Si dice differenza divisa di ordine uno di f (x) relativa ai nodi x 0, x 1 la quantità f [x 0, x 1 ] = y 1 y 0 x 1 x 0. Si dice differenza divisa di ordine 2 di f (x) relativa agli argomenti x 0, x 1, x 2 la quantità f [x 0, x 1, x 2 ] = f [x 1, x 2 ] f [x 0, x 1 ] x 2 x 0.
22 Differenze divise A tale scopo si usano le differenze divise. Si dice differenza divisa di ordine zero di f (x) relativa al nodo x 0 la quantità f [x 0 ] = y 0. Si dice differenza divisa di ordine uno di f (x) relativa ai nodi x 0, x 1 la quantità f [x 0, x 1 ] = y 1 y 0 x 1 x 0. Si dice differenza divisa di ordine 2 di f (x) relativa agli argomenti x 0, x 1, x 2 la quantità f [x 0, x 1, x 2 ] = f [x 1, x 2 ] f [x 0, x 1 ] x 2 x 0.
23 Differenze divise A tale scopo si usano le differenze divise. Si dice differenza divisa di ordine zero di f (x) relativa al nodo x 0 la quantità f [x 0 ] = y 0. Si dice differenza divisa di ordine uno di f (x) relativa ai nodi x 0, x 1 la quantità f [x 0, x 1 ] = y 1 y 0 x 1 x 0. Si dice differenza divisa di ordine 2 di f (x) relativa agli argomenti x 0, x 1, x 2 la quantità f [x 0, x 1, x 2 ] = f [x 1, x 2 ] f [x 0, x 1 ] x 2 x 0.
24 La differenza divisa di ordine m di f (x) relativa agli m + 1 argomenti x 0, x 1,..., x m è f [x 0, x 1,..., x m ] = f [x 1, x 2,..., x m ] f [x 0, x 1,..., x m 1 ] x m x 0.
25 Polinomio interpolante di Newton La rappresentazione di Newton del polinomio di interpolazione dei punti (x i, y i ), i = 1,..., n, è data da: p n (x) = f [x 0 ] + f [x 0, x 1 ](x x 0 ) + f [x 0, x 1, x 2 ](x x 0 )(x x 1 )+ + f [x 0, x 1,..., x n ](x x 0 )(x x 1 )... (x x n 1 ) Se aggiungo un punto da interpolare, (x n+1, y n+1 ), il nuovo polinomio è dato da p n+1 (x) = p n (x)+f [x 0, x 1,..., x n, x n+1 ](x x 0 )(x x 1 )... (x x n )
26 Polinomio interpolante di Newton La rappresentazione di Newton del polinomio di interpolazione dei punti (x i, y i ), i = 1,..., n, è data da: p n (x) = f [x 0 ] + f [x 0, x 1 ](x x 0 ) + f [x 0, x 1, x 2 ](x x 0 )(x x 1 )+ + f [x 0, x 1,..., x n ](x x 0 )(x x 1 )... (x x n 1 ) Se aggiungo un punto da interpolare, (x n+1, y n+1 ), il nuovo polinomio è dato da p n+1 (x) = p n (x)+f [x 0, x 1,..., x n, x n+1 ](x x 0 )(x x 1 )... (x x n )
27 Polinomio interpolante di Newton Tabella delle differenze divise Esempio: (x i, y i ), i = 0,..., 3 x 0 f [x 0 ] x 1 f [x 1 ] f [x 0, x 1 ] x 2 f [x 2 ] f [x 1, x 2 ] f [x 0, x 1, x 2 ] x 3 f [x 3 ] f [x 2, x 3 ] f [x 1, x 2, x 3 ] f [x 0, x 1, x 2, x 3 ]
28 function c=interpn(x,y) %Calcola i coeff. del polinomio di Newton n = length(x); for k = 1:n-1 y(k+1:n) = (y(k+1:n)-y(k))./ (x(k+1:n) - x(k)); end c = y; function pval = HornerN(c,x,z) % Calcola i valori del polinomio di Newton nei punti del vettore z n = length(c); pval = c(n)*ones(size(z)); for k=n-1:-1:1 pval = (z-x(k)).*pval + c(k); end
29 function c=interpn(x,y) %Calcola i coeff. del polinomio di Newton n = length(x); for k = 1:n-1 y(k+1:n) = (y(k+1:n)-y(k))./ (x(k+1:n) - x(k)); end c = y; function pval = HornerN(c,x,z) % Calcola i valori del polinomio di Newton nei punti del vettore z n = length(c); pval = c(n)*ones(size(z)); for k=n-1:-1:1 pval = (z-x(k)).*pval + c(k); end
30 Outline 1 Polinomiale Rappresentazione Lagrangiana Polinomio interpolante di Newton Errore nell interpolazione polinomiale 2 Approssimazione ai minimi quadrati nel discreto
31 Errore nell interpolazione polinomiale Assegnate le n+1 osservazioni {y i } i=1,...,n+1 in corrispondenza dei punti distinti x i, si è visto come costruire il polinomio interpolante di grado n p n (x). Se i valori y i altro non sono che i valori di una funzione f(x) nei punti x i, cioè y i = f (x i ), i = 1,..., n + 1 con f definita in [a, b], ha senso chiedersi quanto sia grande l errore di interpolazione E n (x) = f (x) p n (x) che si commette in un punto x [a, b] diverso dai punti di interpolazione x i. Per dare una risposta a tale domanda è necessario fare alcune ipotesi di regolarità sulla funzione f(x).
32 Errore nell interpolazione polinomiale Sia f (x) una funzione derivabile n + 1 volte in un intervallo [a, b] contenente tutti i nodi {x i } i=1,...,n+1.si dimostra che l errore E n (x) = f (x) p n (x) tra la funzione f (x) ed il polinomio interpolante di grado n è del tipo con ξ [a, b] e E n (x) = ω n+1 (x) f (n+1) (ξ) (n + 1)! n+1 ω n+1 (x) = (x x i ). i=1
33 Errore nell interpolazione polinomiale Sia f (x) una funzione derivabile n + 1 volte in un intervallo [a, b] contenente tutti i nodi {x i } i=1,...,n+1.si dimostra che l errore E n (x) = f (x) p n (x) tra la funzione f (x) ed il polinomio interpolante di grado n è del tipo con ξ [a, b] e E n (x) = ω n+1 (x) f (n+1) (ξ) (n + 1)! n+1 ω n+1 (x) = (x x i ). i=1
34 Errore nell interpolazione polinomiale Sia f (x) una funzione derivabile n + 1 volte in un intervallo [a, b] contenente tutti i nodi {x i } i=1,...,n+1.si dimostra che l errore E n (x) = f (x) p n (x) tra la funzione f (x) ed il polinomio interpolante di grado n è del tipo con ξ [a, b] e E n (x) = ω n+1 (x) f (n+1) (ξ) (n + 1)! n+1 ω n+1 (x) = (x x i ). i=1
35 Errore nell interpolazione polinomiale Sia f (x) una funzione derivabile n + 1 volte in un intervallo [a, b] contenente tutti i nodi {x i } i=1,...,n+1.si dimostra che l errore E n (x) = f (x) p n (x) tra la funzione f (x) ed il polinomio interpolante di grado n è del tipo con ξ [a, b] e E n (x) = ω n+1 (x) f (n+1) (ξ) (n + 1)! n+1 ω n+1 (x) = (x x i ). i=1
36 Errore nell interpolazione polinomiale L errore di interpolazione dipende quindi: dalla regolarità della funzione f (x) dalla disposizione dei punti di interpolazione sull asse delle ascisse. Posto M n+1 = max x [a,b] f (n+1) (x), un limite superiore all errore di interpolazione E n (x) = f (x) p n (x) è dato da E n (x) ω n+1(x) (n + 1)! M n+1.
37 Errore nell interpolazione polinomiale L errore di interpolazione dipende quindi: dalla regolarità della funzione f (x) dalla disposizione dei punti di interpolazione sull asse delle ascisse. Posto M n+1 = max x [a,b] f (n+1) (x), un limite superiore all errore di interpolazione E n (x) = f (x) p n (x) è dato da E n (x) ω n+1(x) (n + 1)! M n+1.
38 Errore nell interpolazione polinomiale L errore di interpolazione dipende quindi: dalla regolarità della funzione f (x) dalla disposizione dei punti di interpolazione sull asse delle ascisse. Posto M n+1 = max x [a,b] f (n+1) (x), un limite superiore all errore di interpolazione E n (x) = f (x) p n (x) è dato da E n (x) ω n+1(x) (n + 1)! M n+1.
39 Errore nell interpolazione polinomiale L errore di interpolazione dipende quindi: dalla regolarità della funzione f (x) dalla disposizione dei punti di interpolazione sull asse delle ascisse. Posto M n+1 = max x [a,b] f (n+1) (x), un limite superiore all errore di interpolazione E n (x) = f (x) p n (x) è dato da E n (x) ω n+1(x) (n + 1)! M n+1.
40 Errore nell interpolazione polinomiale Si dimostra che la scelta dei nodi {x i } i=1,...,n+1 per cui, per qualunque x, risulta minimo il valore del termine ω n+1 (x), corrisponde agli zeri reali del polinomio di Chebyshev di grado n+1 definito nell intervallo [a, b]: x i = a + b 2 b a 2 ( ) 2(i 1) + 1 cos π 2(n + 1) i = 1,..., n + 1.
41 Errore nell interpolazione polinomiale Grafico di ω n+1 (x) nell intervallo [a, b] = [ 1, 1] per n = 6 e {x i } i=1,...,7 equispaziati (linea verde) {x i } i=1,...,7 zeri del polinomio di Chebyshev di grado 6 (linea blu)
42 Polinomio di approssimazione ai minimi quadrati È assegnato un insieme di m punti (x i, y i ), i = 1,..., m, che descrivono un certo fenomeno. Vogliamo trovare un polinomio p n (x) = c 0 + c 1 x +... c n x n di grado n < m che approssimi la configurazione di dati assegnati secondo il criterio dei minimi quadrati, ovvero che minimizzi la norma due del vettore residuo r = [p n (x 1 ) y 1, p n (x 2 ) y 2,..., p n (x m ) y m ] ovvero la quantità Ac y 2 che si può scrivere anche come m (p n (x i ) y i ) 2 i=1
43 Polinomio di approssimazione ai minimi quadrati Sia A la matrice di Vandermonde 1 x 1 x x n 1 1 x 2 x x n 2 A = x m xm 2... xm n
44 Polinomio di approssimazione ai minimi quadrati Metodo delle equazioni normali I coefficienti c si trovano risolvendo il sistema delle equazioni normali A T Ac = A T y Se le colonne di A sono l.i., M = A T A invertibile simmetrica e definita positiva si usa il metodo di Cholesky Si trova la fattorizzazione di Cholesky M = LL T Si trova la soluzione risolvendo due sistemi triangolari
45 Polinomio di approssimazione ai minimi quadrati Metodo delle equazioni normali I coefficienti c si trovano risolvendo il sistema delle equazioni normali A T Ac = A T y Se le colonne di A sono l.i., M = A T A invertibile simmetrica e definita positiva si usa il metodo di Cholesky Si trova la fattorizzazione di Cholesky M = LL T Si trova la soluzione risolvendo due sistemi triangolari
46 Polinomio di approssimazione ai minimi quadrati Metodo delle equazioni normali I coefficienti c si trovano risolvendo il sistema delle equazioni normali A T Ac = A T y Se le colonne di A sono l.i., M = A T A invertibile simmetrica e definita positiva si usa il metodo di Cholesky Si trova la fattorizzazione di Cholesky M = LL T Si trova la soluzione risolvendo due sistemi triangolari
47 Polinomio di approssimazione ai minimi quadrati Metodo delle equazioni normali I coefficienti c si trovano risolvendo il sistema delle equazioni normali A T Ac = A T y Se le colonne di A sono l.i., M = A T A invertibile simmetrica e definita positiva si usa il metodo di Cholesky Si trova la fattorizzazione di Cholesky M = LL T Si trova la soluzione risolvendo due sistemi triangolari
48 Polinomio di approssimazione ai minimi quadrati Problemi 1 M può risultare molto mal condizionata soluzioni inaffidabili 2 M, a causa degli errori di calcolo, può non risultare simmetrica definita positiva. La fattorizzazione di Cholesky si blocca. 3 Si può far finta di niente ed evitare il problema usando la divisione a sinistra Ma... c = M \ (A T y)
49 Polinomio di approssimazione ai minimi quadrati Problemi 1 M può risultare molto mal condizionata soluzioni inaffidabili 2 M, a causa degli errori di calcolo, può non risultare simmetrica definita positiva. La fattorizzazione di Cholesky si blocca. 3 Si può far finta di niente ed evitare il problema usando la divisione a sinistra Ma... c = M \ (A T y)
50 Polinomio di approssimazione ai minimi quadrati Problemi 1 M può risultare molto mal condizionata soluzioni inaffidabili 2 M, a causa degli errori di calcolo, può non risultare simmetrica definita positiva. La fattorizzazione di Cholesky si blocca. 3 Si può far finta di niente ed evitare il problema usando la divisione a sinistra Ma... c = M \ (A T y)
51 Polinomio di approssimazione ai minimi quadrati Alternativa: metodo QR Metodo più robusto che generalmente fornisce buoni risultati. È più costoso di quello delle equazioni normali. Infatti il costo computazionale è O(mn 2 n 3 /3) contro O(mn 2 /2 + n 3 /6), ma è più stabile! [Q,R]=qr(A) A = QR Fattorizzazione economica: restituisce le prime n colonne di Q [S,R]=qr(A,0)
52 Polinomio di approssimazione ai minimi quadrati Alternativa: metodo QR Metodo più robusto che generalmente fornisce buoni risultati. È più costoso di quello delle equazioni normali. Infatti il costo computazionale è O(mn 2 n 3 /3) contro O(mn 2 /2 + n 3 /6), ma è più stabile! [Q,R]=qr(A) A = QR Fattorizzazione economica: restituisce le prime n colonne di Q [S,R]=qr(A,0)
53 Polinomio di approssimazione ai minimi quadrati Alternativa: metodo QR Metodo più robusto che generalmente fornisce buoni risultati. È più costoso di quello delle equazioni normali. Infatti il costo computazionale è O(mn 2 n 3 /3) contro O(mn 2 /2 + n 3 /6), ma è più stabile! [Q,R]=qr(A) A = QR Fattorizzazione economica: restituisce le prime n colonne di Q [S,R]=qr(A,0)
54 Polinomio di approssimazione ai minimi quadrati Trasformo il problema dato in uno più semplice, equivalente a quello dato, la cui soluzione è ottenuta risolvendo il sistema triangolare Rc = Y, dove, detta S la matrice formata dalle prime n colonne di Q, il termine noto è Y = S T y.
55 Polinomio di approssimazione ai minimi quadrati c=polyfit(x,y,n) Il comando polyfit usa il metodo QR per determinare i coefficienti c del polinomio di grado n di approssimazione ai minimi quadrati della configurazione (x, y). La soluzione del problema ai minimi quadrati con il metodo QR può essere trovata equivalentemente con il comando divisione a sinistra c = A\y
56 Polinomio di approssimazione ai minimi quadrati c=polyfit(x,y,n) Il comando polyfit usa il metodo QR per determinare i coefficienti c del polinomio di grado n di approssimazione ai minimi quadrati della configurazione (x, y). La soluzione del problema ai minimi quadrati con il metodo QR può essere trovata equivalentemente con il comando divisione a sinistra c = A\y
Interpolazione 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
DettagliApprossimazione ai minimi quadrati nel discreto
Approssimazione ai minimi quadrati nel discreto 1 È assegnato un insieme di m punti (x i, y i ), i = 1,..., m, che descrivono un certo fenomeno. Vogliamo trovare un polinomio p n (x) = c 0 + c 1 x +...
DettagliAppunti di Analisi Numerica
Appunti di Analisi Numerica Giuseppe Profiti 30 ottobre 2006 1 Esempi di curve di Bezier per caratteri Differenza tra carattere vettoriale e bitmap in un file PDF caratteri pfb in fontforge, modifica delle
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
DettagliFoglio Esercizi A (interpolazione, approssimazione, integrazione)
Foglio Esercizi A (interpolazione, approssimazione, integrazione) Esercizio cos( ) +, [,π ] Costruire una approssimazione f ( ) di f () utilizzando elemento di ermite a nodi non equispaziati (, π, π )
Dettaglib vettore(termine noto) y* proiezione ortogonale di b
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione
DettagliInterpolazione e approssimazione di funzioni
Interpolazione e approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 26 febbraio 2007 Outline 1 Interpolazione polinomiale Interpolazione
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
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
Dettagli1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso
Domanda 1 1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso x n+1 = x n f(x n), n = 0, 1, 2,... K dove x 0 è il punto iniziale, f(x) = x 3 cos(x) e K è una costante assegnata.
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
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
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:
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 =
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
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
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
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
DettagliIl problema lineare dei minimi quadrati
Il problema lineare dei minimi quadrati APPLICAZIONE: Il polinomio di migliore approssimazione nel senso dei minimi quadrati Felice Iavernaro Dipartimento di Matematica Università di Bari 15 Gennaio 2009
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
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
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
DettagliSi chiamano n nodi di Chebyshev gli zeri del polinomio di) n T n (x) = cos(n arccos(x)). Dunque, x j+1 = cos, j = 0,...,n 1.
Capitolo 5 Interpolazione ed approssimazione 5 Interpolazione Data una funzione f : [a,b] R e un insieme {x i } n i= [a,b], sia L n f(x) il polinomio di grado n interpolatore di f nei punti x i (cioè L
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
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
Dettagli(x 0, y 0 ),..., (x k, y k ) p(x k ) = a 0 q 0 (x k ) + + a k q k (x k ) = y k ovvero se e solo se la colonna dei coefficienti: R k+1.
3 Interpolazione Se Ω R è un intervallo, si indica con C(Ω) lo spazio vettoriale su R delle funzioni continue da Ω in R 3 Interpolazione polinomiale Siano k un numero intero non negativo, P k (R) lo spazio
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
DettagliAppunti di Calcolo Numerico. Capitolo 3
Appunti di Calcolo Numerico Capitolo 3 Interpolazione Maurizio Ciampa Dipartimento di Matematica - Università di Pisa Gli esercizi contrassegnati dal simbolo sono leggermente più astratti rispetto agli
Dettaglia = 37679, b = 37654, c = ,
Esercizi di Calcolo Scientico e Metodi Numerici 1. Dati i tre numeri si calcolino le quantità a = 37679, b = 37654, c = 5.874, (a + b) + c e a + (b + c) in un sistema in virgola mobile in base 1 con mantissa
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
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
DettagliEsame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 11 dicembre x k 1 x k 2
1 Domande aperte Esame di Calcolo Numerico per Informatica Prof. S. De Marchi Padova, 11 dicembre 013 1. Nel metodo di Newton per la ricerca di zeri di funzione, se non conosciamo la molteplicità della
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,
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
DettagliLezione 6 e 7, /11/2014
Lezione 6 e 7, 11-12 /11/2014 Elena Gaburro, elenagaburro@gmail.com Informazioni Esercizi Prima di cominciare gli esercizi di questa lezione terminare tutti quelli precedenti. Calendario delle prossime
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.............................
DettagliAnalisi Numerica: interpolazione
Analisi Numerica: interpolazione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Introduzione Introduzione Ci occupiamo ora del problema di approssimare delle funzioni reali di
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
DettagliProva di recupero sui capitoli 4 6
Prova di recupero sui capitoli 4 6 Esercizio 1 Calcolare la forma di Lagrange e quella di Newton, del polinomio interpolante le coppie di dati (ascissa,ordinata): ( 0.5, 1), (0, 2), (0.5, 2), (1, 0), (2,
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.
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
DettagliEsame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 31 agosto 2011 Testo e soluzioni
Esame di Calcolo Numerico per Informatica A.A. 21/11 Proff. S. De Marchi e M. R. Russo 31 agosto 211 Testo e soluzioni L esame consiste di 4 domande aperte e 1 esercizi a risposta multipla. Per gli esercizi
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 16 gennaio 2013
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 6 gennaio 3 Sia M = F (, 4). Calcolare: rd( 7 6 ). Sia A = Determinare una fattorizzazione LR di A ed utilizzarla per calcolare A.
DettagliApprossimazione numerica
Approssimazione numerica Laboratorio di programmazione e calcolo (Chimica e Tecnologie chimiche) Pierluigi Amodio Dipartimento di Matematica Università di Bari Approssimazione numerica p.1/10 Problema
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) =
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 7 gennaio 204 Sia M = F (2, 3). Dopo aver mostrato che 20 M, determinare tutti gli elementi ξ M tali che: ξ > 20 Per ogni x R, sia:
Dettaglig(x) = arctan(1.5x 0.1)
PROVA PRATICA di CALCOLO NUMERICO per Matematica Applicata e Informatica Multimediale Prof. Stefano De Marchi, Dott. Marco Caliari Verona, 27 marzo 2008 Il candidato dovrà scrivere su ogni foglio o file
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
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
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
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
DettagliRaccolta di compiti degli appelli precedenti
Ingegneria Informatica e delle Telecomunicazioni Anno accademico 24-25. Docente Costanza Conti Raccolta di compiti degli appelli precedenti Nota: Gli esercizi riportati si riferiscono a compiti dei precendeti
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
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliApprossimazione polinomiale 1
Approssimazione polinomiale A. Sommariva 2 Keywords: Approssimazione polinomiale ai minimi quadrati. Curve fitting. Revisione: 4 giugno 29. Approssimazione polinomiale Dato un campionamento {(x i, y i
DettagliMETODI DI COLLOCAZIONE POLINOMIALE (Metodi di Runge-Kutta continui) November 30, 2004
METODI DI COLLOCAZIONE POLINOMIALE (Metodi di Runge-Kutta continui) November, Nell approssimare numericamente un problema di Cauchy, puo capitare di essere interessati a valori della soluzione in punti
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,
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
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
DettagliSistemi sovradeterminati. b vettore(termine noto) V n. y* proiezione ortogonale di b. Carla Guerrini 1
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m si vuole trovare una soluzione del sistema sovradeterminato Ax = b. Nel caso in cui la matric A abbia rango pieno, cioé
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
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
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. 4-5 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 9//4 ) Determinare la rappresentazione in base 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
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
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
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
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
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
DettagliSoluzione della prova scritta di di Algebra lineare del 10 giugno Esercizio 1
Soluzione della prova scritta di di Algebra lineare del 0 giugno 05 Esercizio (a) La matrice A che rappresenta f rispetto alle basi assegnate è la seguente: A = 0 0 0 (b) Applicando il metodo di Gauss
DettagliAnalisi Numerica I Approssimazione polinomiale
Analisi Numerica I Approssimazione polinomiale Ana Alonso ana.alonso@unitn.it 15 novembre 2018 I polinomi Un polinomio di grado n in Matlab si rapresenta mediante un vettore di n + 1 componenti che contiene
Dettaglikπ cos, k = 0, 1, 2,, n (NB: sono n +1) n
Esempio di nodi NON equispaziati Nodi di Lobatto - Chebyshev: x k = kπ cos, k = 0, 1, 2,, n (NB: sono n +1) n Mappa: da t in [-1, 1] a x in [a, b]: x = b a a + b t + 2 2 Esercizio 1 Interpolare la funzione
DettagliLaboratorio di 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
DettagliApprossimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
DettagliINTERPOLAZIONE. Francesca Pelosi. Dipartimento di Matematica, Università di Roma Tor Vergata. CALCOLO NUMERICO e PROGRAMMAZIONE
INTERPOLAZIONE Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ INTERPOLAZIONE p./8 INTERPOLAZIONE Nella
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
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
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)
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
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
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
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://lucia-gastaldi.unibs.it page 1 Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo
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
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://lucia-gastaldi.unibs.it page 1 Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo
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
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2014-2015 Metodi per similitudine Matrici simili hanno gli stessi autovalori. Consideriamo trasformazioni per
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
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
DettagliAPPROSSIMAZIONE di FUNZIONI
APPROSSIMAZIONE di FUNZIONI Francesca Pelosi Dipartimento di Sc. Matematiche ed Informatiche, Università di Siena CALCOLO NUMERICO a.a. 26 27 APPROSSIMAZIONE di FUNZIONI p.1/3 APPROSSIMAZIONE di FUNZIONI:
DettagliInterpolazione. 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
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
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 24 febbraio 2008 Outline 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
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 ~
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
DettagliInterpolazione polinomiale
1 Siano dati N + 1 punti x 0,..., x N a due a due distinti e in ordine crescente (cioé x i < x i+1 ), e i valori y 0,..., y N ivi assunti da una funzione y = f (x). Il problema dell interpolazione polinomiale
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
Dettagli