Rapresentazione numeri finiti
|
|
- Filomena Albina Alberti
- 5 anni fa
- Visualizzazioni
Transcript
1 Rapresentazione numeri finiti Rappresentazione posizionale dato un numero naturale β > 1 (base) e una lista di β simboli ordinati (corrispondenti alla rappresentazione dei primi β naturali), ogni numero naturale `e univocamente rappresentabile come combinazione di questi simboli. Ogni numero naturale N, in base β > 1, si rappresenta come: ove ord(d i) è il valore dell i esimo naturale. Ogni numero naturale N in base β=10 si esprime come: Teorema di rappresentazione dei numeri reali Sia α R, α 0; fisssato un intero β > 1, α si rappresenta in modo unico come: In forma sintetica ogni numero reale α 0 si rappresenta come: Se a 1 0, questa si dice forma normalizzata. Numeri finniti o numeri di macchina A causa della limitata lunghezza della parola di memoria, sono rappresentabili effettivamente su calcolatore: - un intervallo limitato di interi (numeri fixed point o a punto fisso); - un insieme finito di numeri razionali (numeri floating point o a virgola mobile). Numeri fixed point Sia β un intero maggiore di 1 e t+1 il numero di cifre a disposizione per la rappresentazione di un intero. β si usa come base di rappresentazione e t cifre si usano per la rappresentazione del valore assoluto del numero. - N>0: fi(n) si ricava aggiungendo a sinistra del numero tanti zeri fino ad arrivare a t+1 cifre. - N<0: fi(n) si ricava usando la rappresentazione complemento alla base β in t+1 cifre: si prende il valore assoluto di N rappresentato in t +1 cifre e poi si complementa alla base la cifra meno significativa diversa da 0 e a β 1 le altre cifre più significative. Nel caso t < p si verifica un OVERFLOW e sono rappresentabili solo le t cifre meno significative. In base 2, il complemento alla base in t + 1 cifre si ottiene ponendo 1 in corrispondenza della cifra meno significativa diversa da 0 e poi scambiando 1 con 0 e 0 con 1 per le cifre più significative. Un altra regola è di scambiare 0 con 1 e 1 con 0 e poi di aggiungere 1. Per β = 2, la cifra t + 1-esima permette di stabilire il segno di un numero: - 0 numero positivo o nullo. - 1 numero negativo.
2 Numeri floating point L insieme dei numeri reali è SIMULATO su un calcolatore mediante un insieme di numeri finiti F o numeri floating point; tale insieme dipende da quattro parametri: - β: base di rappresentazione; - t: numero di cifre per la rappresentazione della mantissa; - L: valore del più piccolo esponente rappresentabile (127); - U: valore del più grande esponente rappresentabile (-126). Lo standard dell aritmetica binaria floating point è il formato IEEE. Tale aritmetica usa β = 2. Il numero reale α 0 espresso in base 2 nella notazione speciale (normalizzazione IEEE): Si rappresenta: segno S: si rappresenta in un bit il valore di s: 0 se α > 0; 1 se α < 0; esponente p: è un intero che deve essere compreso tra L e U. e = rappresentazione di p = p + bias con p che è trasformato in base 10 e il bias vale (127) 10 mantissa m: vengono rappresentate i t bit più significativi, troncando. Fisicamente poichè il primo bit è sempre 1, vengono rappresentati solo t 1 bit (a 2a 3...a t) Precisione Semplice: Precisione Doppia: Totale bit=32 (4byte) Totale bit=64 (8byte) S = 1bit S = 1bit e = 8bit e = 11bit bias = 127 bias = 1023 m= 23bit m= 52bit L=127 U=-126 L=1023 U=-1022 Operazioni sui numeri finiti Somma e Prodotto con β=2 Algoritmi di conversione di base - Metodo delle divisioni successive: Conversione intero α>0 da base 10 a base β>1. Dopo aver eseguito m + 1 divisioni (fino ad avere quoziente 0), i resti in ordine inverso forniscono la rappresentazione del numero. Sia α il numero da convertire in base β e s la sua conversione: - determinare la più grande potenza β j della base β che non supera il numero α, contando quante volte questa potenza sta in α; se i è il numero di volte, convertire iβ j nella base e sommarla a s; togliere da α il numero iβ j e ripetere fino a che α=0.
3 - Metodo delle moltiplicazioni successive: Conversione di un reale 0<α<1 da base 10 a base β>1. Conversione di un reale α da base 10 a base β>1. 1. Determinare α, ricordando il segno. 2. Determinare [ α ] (parte intera) e eseguire la conversione con l algoritmo delle divisioni successive. 3. Determinare α [ α ] (parte decimale) e eseguire la conversione con l algoritmo delle moltiplicazioni successive. 4. Scrivere il segno, la conversione della parte intera, il punto radice, la conversione della parte frazionaria. Conversione di un reale α da base β>1 a base 10. Si sfrutta la rappresentazione posizionale (p>0): Conversione di un reale α da base β1 a base β2. Si converte da base β1 a base 10 (usando la rappresentazione posizionale) e da base 10 a base β2 (con gli algoritmi delle divisioni e delle moltiplicazioni successive). Valutazione di un polinomio reale in x=α ALGORITMO 1. p 1; s a n ; for i n 1 to 0 step 1 do begin p p α; s p a i + s; end; stampare s; La COMPLESSITA COMPUTAZIONALE dell algoritmo (ossia il numero totale di operazioni aritmetiche che devono essere fatte) è 2n moltiplicazioni e n addizioni. Se riscriviamo il polinomio: ALGORITMO 2. s a 0 ; for i 1 stampare s; to n do s s α + ai ; La COMPLESSITA COMPUTAZIONALE è pari a n moltiplicazioni e n addizioni. L algoritmo prende il nome di SCHEMA di RUFFINI-HORNER. Lo schema di Horner si può riscrivere in modo da tener conto dei risultati intermedi: b 0 a 0; for i 1 to n do b i b i 1 α + ai ; stampare b n ;
4 In questo caso, lo schema di Horner fornisce i coefficienti (b i, i = 0,..., n 1) del polinomio quoziente p n(x)/(x α): bn è una costante che rappresenta il resto della divisione di p n(x) per x α. Infatti, in base al Teorema di Ruffini, il valore di un polinomio in α è uguale al resto della divisione di p n(x) per x α. La regola di Ruffini che calcola i coefficienti del polinomio quoziente e il resto di tale divisione coincide con lo schema di Horner. Aritmetica dei numeri fixed point - Somma Si può avere un overflow intero quando si ha un riporto sulla cifra t + 1-esima. In questo caso la somma di due positivi fornisce un numero che è la rappresentazione di un negativo. - Differenza - N 1 N 2. Allora N 1 N 2 è positivo o nullo. β t+1 +N 1 N 2 ha una cifra 1 nella t+2-esima posizione significativa. Troncare alla t+1-esima cifra equivale a ottenere la rappresentazione corretta del numero positivo o nullo N 1 N 2. - N 1 < N 2. Allora il risultato è il numero negativo (N 2 N 1), di valore assoluto N 2 N 1 Tale numero esprime la rappresentazione complemento alla base in t+1-cifre del risultato. - Prodotto Riconducibile ad addizioni e scorrimenti delle cifre a destra. Poichè il prodotto di interi in t + 1 cifre può produrre un risultato in 2(t + 1) cifre, spesso si incorre in overflow intero. Si usa un accumulatore B di 2(t + 1) cifre, la cui parte più significativa R è inizialmente nulla. - Quoziente Si usano due accumulatori A e B. In A si mette il divisore e nella parte R di B il dividendo. Si riconduce a sottrazioni e scorrimenti. Il primo passo è di eseguire s scorrimenti a destra di R fino a che fi(n 2) R < βfi(n 2). Si eseguono poi s + 1 passi uguali (l ultimo senza scorrimento verso sinistra). Aritmetica dei numeri floating point Siano x, y F(β, t, L, U). Non è detto che il risultato di una operazione tra x e y sia un elemento di F. Può essere un numero maggiore del massimo numero rappresentabile in modulo o avere una mantissa con più di t cifre. Allora ove k = 1 o 1/2 a seconda che la rappresentazione sia per troncamento o per arrotondamento oppure Siano x e y F(β, t, L, U): x = x m β xe y = y m β ye
5 - Somma z = z mβ ze = fl(x ± y). 1. Si confrontano gli esponenti di x e y (x e e y e); se x e > y e, si divide la mantissa di y (y m) per β xe ye ; 2. Si esegue x m±y m/β xe ye e si considerano le prime t cifre più significative (con troncamento o arrotondamento), ponendole in z m. Se il risultato è maggiore o uguale a 1, h = 1 altrimenti si pone in h l opposto del numero degli zeri ottenuti dopo il punto radice: 3. z e = x e + h. Non esiste un solo elemento neutro per la somma. Quando x+y = x con y 0, si verifica un errore di incolonnamento. Quando x y si può avere un errore di cancellazione se i dati sono affetti da errore, che causa la perdita di cifre significative (effetto smearing). - Prodotto 1. Si esegue il prodotto x m y m, troncando o arrotondando il risultato a t cifre; si memorizza in z m e si pone h = 1 se si ottiene uno zero a destra del punto radice, altrimenti h = 0; 2. z e = x e + y e h. Non esiste un solo elemento neutro per il prodotto. - Quoziente 1. Se x m < y m si pone h = 0; altrimenti si divide x m per β e si pone h = 1; 2. Si esegue (x m/β h )/ym e si pongono le t cifre più significative in z m; 3. z e = x e y e + h. Propagazione degli errori Un calcolatore è in grado di rappresentare solo un numero finito di cifre: ne consegue la possibilità che un numero reale venga approssimato e che le operazioni forniscano risultati non esattamente rappresentabili. Allora una successione di operazioni (o algoritmo) eseguita su calcolatore da luogo alla creazione e alla propagazione di errori, detti errori di arrotondamento. Definizione di errore Sia α R e α una sua approssimazione. - ERRORE ASSOLUTO: Ea = E = α α - ERRORE RELATIVO (α 0): Er = ε = Ea / α - ERRORE PERCENTUALE: Ep = (Er 100)% Condizionamento di un problema e stabilità di un algoritmo Ordine di accuratezza o-piccolo: La funzione f(x) è detta un o-piccolo della funzione g(x) per x x 0 e denotata con f(x) = o(g(x)) se esiste una funzione k(x) 0 tale che O-grande: La funzione f(x) è detta un O-grande della funzione g(x) per x x 0 e denotata con f(x) = O(g(x)) se esiste una costante C > 0 tale che per x in un intorno di x 0. Cause di errore: Errore di Troncamento: causato dall aver approssimato un procedimento infinito (es: calcolo di una serie) con un procedimento finito.
6 Errore Interente o sui Dati Iniziali: Per calcolarle ε dati totale si deve moltiplicare ogni errore inerente per tutti i fattori di amplificazione a cui è soggetto e sommare poi il tutto. Dati dei dati iniziali perturbati x calcoleremo = ϕ( ) invece di y= ϕ(x) Se ε x = x / x è l errore relativo sui dati iniziali, si tratta si valutare l errore relativo sui risultati (CONDIZIONE DI UN PROBLEMA): Se ε dati >> ε x si ha MAL CONDIZIONAMENTO:piccole perturbazioni sui dati iniziali provocano grosse perturbazione sui risultati finali (PROBLEMA MAL CONDIZIONATO). Errore di Arrotondamento:dati dei dati iniziali NON perturbati, si calcola fl( ϕ (x)) invece che ϕ(x). Analisi di stabilità: un algoritmo è stabile se non è troppo sensibile agli effetti degli errori di arrotondamento. La stabilità dipende dall ordine con cui sono eseguite le operazioni di macchina. Una tecnica per studiare tale errore è quella dell'analisi in Avanti. Errore Algoritmico: Per calcolarle ε alg totale si deve moltiplicare ogni errore algoritmico per tutti i fattori di amplificazione a cui è soggetto e sommare poi il tutto. E' numericamente più stabile l algoritmo per cui l errore algoritmico è più piccolo. Errori assoluti: - Errore assoluto sui dati iniziali: - Errore assoluto algoritmico: - Errore assoluto totale: Errori relativi: - Errore relativo sui dati iniziali: - Errore relativo algoritmico: - Errore relativo totale: (In una analisi del I ordine, ε dati ε alg è trascurato.) Tecniche per l'analisi degli errori: Analisi in Avanti del primo ordine: se a, b F(β, t, L, U), quindi esatti poiché appartengono a F, allora ove u è la precisione di macchina. Si calcola l errore relativo sul risultato finale in termine degli errori introdotti dalle singole operazioni, trascurando i termini in cui compaiono prodotti di errori (ANALISI DEL I ORDINE). - Fattore di Amplificazione: ( ϕ'( x) x ) / ϕ(x) Analisi all'indietro: Si considera il risultato approssimato come risultato esatto di un problema perturbato. Se la perturbazione calcolata è grande, l algoritmo è instabile. Altre tecniche per l'analisi degli errori sono l'uso della doppia precisione, aritmetica dell'intervallo e metodi statistici.
7 Indice Algoritmico (I alg): la somma dei valori assoluti dei fattori di amplificazione dei singoli errori introdotti da ciascuna operazione (errori algoritmici). Indice di Condizionamento (I cond): la somma dei valori assoluti di tutti fattori di amplificazione a sui i singoli errori sui dati iniziali sono sottoposti. Se I cond >>1 il problema è mal condizionato. NB: il fattore di amplificazione dell'ultima operazione eseguita è sempre 1. Norma e Matrici Norma di un Vettore Una norma vettoriale su R n è una funzione. : R n R + U {0}, che associa ad ogni vettore x R n di componenti x i, i =1,..., n, uno scalare. Proprietà Norma di un Vettore Segue che x y x y. In R n si possono definire le seguenti norme: Sfera unitaria rispetto a una norma: S = {x, t.c. x 1} S è un insieme convesso, ossia se x, y S, anche αx+(1 α)y S, per α (0, 1). Infatti αx + (1 α)y α x + (1 α) y 1 Inoltre la norma è una funzione strettamente convessa perchè x + y = x + y x = αy La norma è una funzione uniformemente continua delle sue componenti. Norme Equivalenti: Due norme. + e. si dicono equivalenti se esistono costanti positive A e B tali che per ogni x: In uno spazio di dimensione finita, come Rn che ha dimensione n, tutte le norme sono equivalenti. Successione di vettori convergente: Una successione di vettori {x(k)} R n si dice che converge a un vettore x per k se esiste una norma per cui limk x(k) x = 0.
8 Norma di una matrice Poichè una matrice m n si può pensare come un vettore di m n componenti (ordinando gli elementi della matrice per righe o per colonne), segue che una norma matriciale generalizzata è una funzione. : R m n R + U {0}, tale che: Di conseguenza, una norma matriciale generalizzata è una funzione uniformemente continua delle sue componenti; tutte le norme matriciali generalizzate sono equivalenti; vale che A B A B Una norma matriciale generalizzata è una norma matriciale se vale AB A B ove A e B sono matrici moltiplicabili. Una norma matriciale. M si dice compatibile a una norma vettoriale. V se Ax V x V A M per ogni x R n e A R m n. Non tutte le norme matriciali generalizzate sono consistenti. Raggio Spettrale: Si dice raggio spettrale di una matrice quadrata A di ordine n il massimo dei valori assoluti degli autovalori di A, denotato con ρ(a) = max i=1,n λ i(a). Teorema. Per ogni norma naturale, ρ(a) A N Per ogni ε > 0, esiste una norma naturale per cui A N ρ(a) + ε Sistemi Lineari Sistema lineare di n equazioni in n incognite dove a ij R si dicono coefficienti del sistema, bi R sono i termini noti e xi sono le incognite. In notazione matriciale, chiamando A la matrice reale quadrata degli n n coefficienti, x R n il vettore delle incognite e b R n il vettore dei termini noti (termine noto), si ha Ax = b. <se A non è singolare allora x = A 1 b. Matrice NON Singolare: det(a) 0 oppure esiste A -1 (inversa) Inversa di una Matrice: AA -1 =I (I=matrice identità) Matrice Completa:La matrice [Ab] Matrici Simmetriche: Positive Una matrice A R n n simmetrica (A = A T ) si dice definita positiva se per ogni vettore x, x 0, risulta x T Ax > 0. Allora: gli autovalori di A sono reali positivi. A è NON singolare e A -1 è simmetrica definita positiva. le sottomatrici di A sono simmetriche definite positive. det(a) > 0. max a ij max(a ii). Negative Una matrice A R n n simmetrica (A = A T ) si dice definita negativa se per ogni vettore x, x 0, risulta x T Ax < 0.
9 Matrici a Dominanza Stretta (per righe): Metodi per la risoluzione di sistemi lineari (diretti e iterativi) Metodi diretti con un numero finito di operazioni, in aritmetica esatta, si determina la soluzione esatta; poichè si lavora in aritmetica finita, occorre valutare l errore di arrotondamento delle operazioni e l errore inerente. Fattorizzazione di Gauss [LR, nello specifico LDU] si fattorizza la matrice A nel prodotto di una matrice triangolare inferiore per una triangolare superiore: A = LR. Sia A R n n,la fattorizzazione di Gauss di A esiste se le sottomatrici di A sono NON singolari tale fattorizzazione è unica se A è NON singolare. Gauss è valido per: matrici simmetriche definite positive. matrici strettamente diagonali domananti per righe o per colonne. matrici non singolari diagonali domananti per righe o per colonne. Termine di Pivot: valore della colonna interessata che fa parte della diagonale. Matrice dei Moltiplicatori: L i usata per azzerare gli elementi di [Ab]. Fattorizzazione di Cholesky sia A R n n, una matrice simmetrica definita positiva, si fattorizza nel prodotto di una matrice triangolare inferiore per la tua trasposta: A = LL T. per trovare i valori di L. Inserisco poi questa matrice in Ly=b trovando y, che inserisco in L T x=y per trovare il vettore x (L T è la matrice L simmetrizzata rispetto la diagonale). Pivoting Parziale e Totale sia A R m n, non singolare, una matrice nn fattorizzabile nella forma LR. Allora combina la fattorizzazione LR con le Matrici di Permutazione: PA = LR. Metodo è applicabile a tutte le matrici. Matrice di Permutazione: matrice ottenuta dall'identità scambiando due righe i e j o due colonne i e j. Con Pivoting Parziale si scambiano le righe (elemento perno: max modulo sulla colonna considerata), con Pivoting Totale si scambiano righe e colonne (elemento perno: max modulo della sottomatrice A k al k-esimo passo).
10 Calcolo di L e P Fattorizzazione QR si fattorizza la matrice A nel prodotto di una matrice ortogonale (per cui Q 1 = Q T ) con una matrice triangolare superiore: A = QR. Matrice elementare di Givens: matrice di rotazione elementare G ij di ordine n che coincide con lidentità di ordine n eccetto nelle posizioni ij, ji, ii, jj, ove stanno due valori c, s dipendenti da un solo parametro φ. Moltiplichiamo la A per G i j, con i e j indicanti l'elemento di A che si vuole annullare perchè diventi una matrice diagonale superidore R, ponendo -s alle cordinate i e j, s simmetricamente alla diagonale e c negli angoli rimanenti del quadrato formato da s e -s. Ripetere fino a quando nn si ricava R. Q è uguale al prodotto di tutte le G T. Metodi iterativi la soluzione si ottiene come limite di una successione di approssimazioni alla soluzione. A partire da una approssimazione iniziale x 0, si costruisce una successione di approssimazioni {x k } convergenti alla soluzione esatta x*=a -1 b, per k che tende all infinito. Poichè il processo deve essere interrotto, occorre analizzare l errore di troncamento. Si applicano quando la matrice A è sparsa e di grandi dimensioni. Procedimento Iterativo: G=matrice di iterazione Errore di troncamento al passo k: Condizione necessaria e sufficiente perchè {x k } x* per k per ogni x 0 è che {e k } 0 per k per ogni e 0. Iacobi (metodo degli spostamenti simultanei) A=D-L-U D = matrice diagonale di A L = matrice strettamente triangolare inferiore di A con segni cambiati U = matrice strettamente triangolare superiore di A con segni cambiati matrice di iterazione J=D 1 (L + U) = I D 1 A con cui si studia la convergenza. matrice di iterazione parametrica J(ω) = I ωd 1 A
11 Gauss-Seidel (metodo degli spostamenti successivi) matrice di iterazione G = (D L) 1 U = I (D L) 1 A con cui si studia la convergenza. SOR (metodo iterativo parametrico di Gauss Seidel) ω = parametro di rilassamento matrice di iterazione parametrica G(ω) = (D ωl) 1 ((1 ω)d + ωu) Se ω = 1 vale ρ(j) 2 = ρ(g). I metodi di Iacobi e SOR convergono e divergono entrambi. Se ρ(j) < 1, allora il valore di ω ottimale è Teorema. Condizione necessaria e sufficiente affinchè un metodo iterativo sia convergente è che ρ(g)<1 (massimo modulo degli autovalori di G). Teorema. Condizione sufficiente per la convergenza di un metodo iterativo è che G <1. Teorema. Condizioni necessarie per la convergenza di un metodo iterativo sono det(g) < 1 e traccia(g) < n. Teorema. Gli autovalori di una matrice G sono sempre minori di qualsiasi norma. Teorema. Se A è una matrice quadrata di ordine n strettamente diagonale dominante per righe o per colonne o irriducibilmente diagonale dominante per righe o per colonne, allora - Iacobi converge; - Gauss-Seidel converge e G J Teorema di Stein Rosemberg. Se J 0, allora si può verificare uno solo dei seguenti casi: 0 < ρ(g) < ρ(j) < 1 Convergenza 0 = ρ(g) = ρ(j) Non mi muovo dall'itezazione iniziale 1 = ρ(g) = ρ(j) Non posso dire nulla 1 < ρ(j) < ρ(g) Divergenza Teorema. Sia A quadrata di ordine n simmetrica con a i i > 0. Allora A è definita positiva se e solo se il metodo di Gauss Seidel è convergente. Teorema. Sia A quadrata di ordine n simmetrica e sia 2D A definita positiva. Allora A è definita positiva se e solo se il metodo di Iacobi è convergente. Teorema di Kahan. ρ(g(ω)) > ω 1. Teorema di Ostroski-Reich. Sia A simmetrica con a i i > 0 e sia 0 < ω < 2. Allora A è definita positiva se e solo se il metodo SOR converge. Velocità di Convergenza: 1/R (G) = numero di passi per ridurre l errore iniziale di e -1. Algoritmi di sostituzione all'indietro e di eliminazione in avanti Algoritmo di sostituzione all indietro: per la risoluzione di un sistema triangolare superiore (Rx=b). Si ricava x n dall ultima equazione, si sostituisce nella penultima e si ricava x n 1 e così via. Algoritmo di eliminazione in avanti: per i sistemi triangolari inferiori (Lx=b). Si ricava x 1 dalla prima equazione, si sostituisce nella seconda e si ricava x 2 e così via. Entrambi gli algoritmi sono metodi diretti, che, in un numero finito di passi, in aritmetica esatta, calcolano la soluzione esatta del sistema. Quando si usa aritmetica finita, invece si determina una soluzione approssimata che può essere interpretata come soluzione esatta di un sistema perturbato.
12 Metodo di Gauss Jordan per il calcolo dell'inversa di una Matrice trovare l inversa della matrice A, risolvendo il sistema AX = I tramite l'uso di matrici di permutazione e di Gauss-Jordan. Creo la Matrice [A I] che verrà permutata moltiplicandola con P (matrice identità modificata) per spostare l'elemento perno della colonna considerata di A sulla diagonale. Dopo permutazione moltiplico per la matrice M per azzerare i termini al di fuori della diagonale di A (partendo dalla prima colonna). Si ripete la permutazione finchè tutti gli elementi perno di A sono sulla diagonale. Si ripete la moltiplicazione per M finchè tutti gli elementi di A non sulla diagonale saranno nulli. A questo punto I è diventata A -1. Interpolazione Assegnati n + 1 punti di osservazione distinti x0, x1,..., xn entro [a, b] chiuso e limitato e n+1 osservazioni y0, y1,..., yn, si vuole determinare il polinomio di grado al più n tale che (condizioni di interpolazione): p n(x i) = y i i = 0,..., n dove p n(x) = a0 + a 1x + a 2x a nx n (rappresentazione di un polinomio nella base delle potenze di x: forma canonica di un polinomio). Nel linguaggio della Geometria Analitica si vuole determinare la curva algebrica di equazione y = p n(x) che passa per gli n + 1 punti distinti del piano cartesiano (x i, y i), i = 0,..., n. Polinomio di Lagrange Teorema. Assegnati n + 1 numeri distinti x 0,..., x n [a, b], chiuso e limitato e n + 1 valori y 0,...y n, esiste uno e un solo polinomio di grado al più n tale che p n(x i) = y i, i = 0,..., n. Esso si può esprimere come polinomio di Lagrange e vale che L 0(x)+L 1(x)+...+L n(x) = 1. Polinomio di Newton p n(x) si dice polinomio di Newton ed è il polinomio di interpolazione di grado al più n di f(x) in x 0... x n. Differenza divisa di ordine 0 di f(x) Differenza divisa di ordine 1 di f(x) Differenza divisa di ordine 2 di f(x)
13 Differenza divisa di ordine m di f(x) Polinomio di Hermite L'Interpolazione di Birkoff Hermite è una generalizzazione dei polinomi di Taylor e di Lagrange (o Newton). Si impongono condizioni sui valori che deve assumere un polinomio in punti prefissati e condizioni sui valori delle derivate. E' essenziale che se si impone il valore di una derivata del polinomio in un punto siano assegnati anche i valori di tutte le derivate di ordine inferiore in quel punto e il valore della funzione in quel punto. Solo se vale tale condizione l interpolazione di Birkoff Hermite ha una e una sola soluzione. Matrice di interpolazione Data f(x) [a, b] e data la successione dei polinomi di interpolazione {pn(x)} costruiti a n partire da x i vale Teorema di Faber. Per ogni matrice di interpolazione esiste una funzione C 0 [a, b] per cui {p n(x)} non converge uniformemente a f(x). Teorema di Bernstein. Sia f C 0 [a, b]. Se {p n(x)} è la successione di polinomi di interpolazione a partire dagli zeri di una successione di polinomi di Chebyshev, allora f p n 0 ossia {pn(x)} converge uniformemente a f(x). Teorema di Hermite-Féjèr. Sia f C 0 [a, b]. Se {p n(x)} è la successione dei polinomi di Hermite costruiti su nodi di Chebyshev e tali che p 2n+1(x i) = f(x i), p' 2n+1 = 0, i = 0, 1,..., n, {p n(x)} f(x) uniformemente per n.
RAPPRESENTAZIONE DEI NUMERI IN UN CALCOLATORE
RAPPRESENTAZIONE DEI NUMERI IN UN CALCOLATORE Un calcolatore è in grado di rappresentare solo un numero finito di cifre approssimazione dei numeri reali risultati delle operazioni non esattamente rappresentabili
DettagliOPERAZIONI SUI NUMERI FINITI
OPERAZIONI SUI NUMERI FINITI Dati x, y F (β, t, L, U), non è detto che il risultato di una operazione tra x e y sia un elemento di F. Può essere un numero maggiore del massimo numero rappresentabile in
DettagliDefinizione di errore
ANALISI DEGLI ERRORI Nell ambito dell elaborazione numerica, è necessario esaminare gli errori che derivano dall uso di uno strumento di calcolo: la loro origine, la loro propagazione e alcune tecniche
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
DettagliOPERAZIONI SUI NUMERI FINITI
OPERAZIONI SUI NUMERI FINITI Dati x, y F (β, t, L, U), non è detto che il risultato di una operazione tra x e y sia un elemento di F. x y = fl(x y) x, y F 1. eseguire l operazione tra x e y 2. rappresentare
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliNumeri fixed point. La rappresentazione dei numeri interi: i numeri fixed point. Rappresentazione fixed point di un intero positivo N
Numeri fixed point La rappresentazione dei numeri interi: i numeri fixed point Fissare La base Il numero di cifre a disposizione per il valore assoluto 1 per il segno Indichiamo con la rappresentazione
Dettagli+ Analisi Numerica (1 modulo) Docente: M.Gaviano; domande di ripasso a.a
+ Analisi Numerica ( modulo) Docente: M.Gaviano; domande di ripasso a.a. - Idee di base e richiami. Quale è lo scopo dell Analisi numerica. Attraverso quali fasi si passa nel risolvere un problema reale..
DettagliCause di errore. Analisi dell errore. Cause di errore nel calcolo di un espressione razionale. Errore inerente. Esempio
Esempio Cause di errore Analisi dell errore Errore di rappresentazione dei dati Errore di rappresentazione dei risultati delle operazioni Errore totale Cause di errore nel calcolo di un espressione razionale
DettagliSISTEMI LINEARI. Ax = b
SISTEMI LINEARI Un sistema lineare di n equazioni algebriche in n incognite è esprimibile come: a 11 x 1 + a 1 x + a 13 x 3 +... + a 1n x n = b 1 a 1 x 1 + a x + a 3 x 3 +... + a n x n = b a n1 x 1 + a
DettagliCalcolo Numerico. la risoluzione di problemi del mondo reale, sfruttando al meglio le risorse di un
Calcolo Numerico Il Calcolo Numerico si occupa di progettare ed analizzare metodi numerici per la risoluzione di problemi del mondo reale, sfruttando al meglio le risorse di un sistema di calcolo (non
DettagliProblema. Sistemi lineari. Problema. Problema. Quali sono i potenziali in ogni nodo? Leggi di Kirkoff e di Ohm:
Problema 4 Ω 3 3 Ω 2 2 Ω 40 V Sistemi lineari 2 Ω Ω 2 Ω Ω 5 6 7 8 Ω 4 Ω Ω 0 V Quali sono i potenziali in ogni nodo? 2 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 2 Ω Ω 2 Ω Ω 2 Ω Ω 2 Ω Ω
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Metodi Iterativi la soluzione si ottiene tramite approssimazioni
DettagliTeoremi di localizzazione degli autovalori
Teoremi di localizzazione degli autovalori I Teorema di Gerschgorin. Sia A R n n. Gli autovalori di A stanno nell unione dei cerchi di Gerschgorin K i, i = 1,..., n, ove K i = z C, z a ii j=1,n,j i a ij
DettagliTrasformazione elementari di Givens
Trasformazione elementari di Givens dove Osservazione Esprime una rotazione di ampiezza ϕ Esempio (n=2) Osservazione Rotazione nel senso positivo degli archi In generale Il prodotto matrice vettore equivale
DettagliConversione binario-ottale/esadecimale. Conversione binario-ottale/esadecimale. Rappresentazione di Numeri Interi Positivi (numeri naturali)
Conversione binario-ottale/esadecimale Conversione binario-ottale/esadecimale Nella rappresentazione ottale (B=8) si usano gli 8 simboli,, 2, 3, 4, 5, 6, 7 In quella esadecimale (B=6) i 6 simboli,, 2,
Dettagli8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
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
DettagliAltre trasformazioni elementari
Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens
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.
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
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
DettagliMotivazioni. Sistemi lineari. Obiettivo. Il problema
Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime
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
DettagliCodifica dell Informazione per il Calcolo Scientifico
Alfredo Cuzzocrea per il Calcolo Scientifico CODIFICA BINARIA Codifica binaria: usa un alfabeto di 2 simboli Utilizzata nei sistemi informatici Si utilizza una grandezza fisica (luminosità, tensione elettrica,
DettagliCompito numero 2 - Compito intero
Esercitazione 6 - Correzione esame dell 8//3 Lucia Pilleri 9//3 Compito numero - Compito intero Esercizio del parziale - del compito intero Risolvere, mediante la fattorizzazione P A = LU, il sistema lineare
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
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
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
DettagliCORSO DI Analisi Numerica
CORSO DI Analisi Numerica Alessandro Iafrati CONTATTI Posta Elettronica: a.iafrati@insean.it Telefono: 06/50299296 A breve sarà disponibile un sito web sulla pagina del Dipartimento di Metodi e Modelli
Dettagli1 Risoluzione di sistemi lineari
Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine
DettagliProgramma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a Proff. B. Paternoster, D.
Programma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a.009-0 Proff. B. Paternoster, D. Conte Risoluzione di un problema con il calcolatore: dal problema reale
DettagliRappresentazione di Numeri Reali. Rappresentazione in virgola fissa (fixed-point) Rappresentazione in virgola fissa (fixed-point)
Rappresentazione di Numeri Reali Un numero reale è una grandezza continua Può assumere infiniti valori In una rappresentazione di lunghezza limitata, deve di solito essere approssimato. Esistono due forme
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
DettagliAlgebra Lineare Metodi Iterativi
Algebra Lineare Metodi Iterativi Stefano Berrone Sandra Pieraccini DIPARTIMENTO DI MATEMATICA POLITECNICO DI TORINO, CORSO DUCA DEGLI ABRUZZI 24, 10129, TORINO, ITALY e-mail: sberrone@calvino.polito.it,
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
Dettagli2.5.6 Operazioni di macchina effettuate in virgola mobile Esercizi 52
Prefazione XIII Elementi di analisi delle matrici 1 1.1 Spazi vettoriali 1 1.2 Matrici 3 1.3 Operazioni su matrici 4 1.3.1 Inversa di una matrice 5 1.3.2 Matrici e trasformazioni lineari 6 1.4 Traccia
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica. Prof.ssa Laura Pezza (A.A.
Calcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica Prof.ssa Laura Pezza (A.A. 2018-2019) VIII Lezione del 14.03.2019 http://www.dmmm.uniroma1.it/ laura.pezza
DettagliTracce di calcolo numerico 1
Tracce di calcolo numerico 1 Prof. Marco Vianello - Dipartimento di Matematica, Università di Padova aggiornamento: 24 settembre 2016 1 Sistema floating-point e propagazione degli errori 1.1 Rappresentazione
DettagliCALCOLO NUMERICO. Rappresentazione virgola mobile (Floating Point)
ASA Marzo Docente Salvatore Mosaico Introduzione al Calcolo Numerico (parte ) CALCOLO NUMERICO Obiettivo del calcolo numerico è quello di fornire algoritmi numerici che, con un numero finito di operazioni
Dettagli2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:
Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante
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
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2018-2019) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
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
DettagliL Aritmetica del Calcolatore
L Aritmetica del Calcolatore Luca Gemignani luca.gemignani@unipi.it 23 febbraio 2018 Indice Lezione 1: Rappresentazione in Base e Numeri di Macchina. 1 Lezione 2: Aritmetica di Macchina. 3 Lezione 1: Rappresentazione
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliRappresentazione binaria
Rappresentazione binaria Per informazione intendiamo tutto quello che viene manipolato da un calcolatore: numeri (naturali, interi, reali,... ) caratteri immagini suoni programmi... La più piccola unità
DettagliSi dimostra che queste funzioni godono delle proprietà delle norme (ossia sono norme).
Norma di un vettore I Una norma vettoriale su R n è una funzione : R n R + {}, che associa ad ogni vettore x R n, di componenti x i, i = 1,..., n, uno scalare, in modo che valgano le seguenti proprietà:
DettagliRappresentazione binaria
Rappresentazione binaria Per informazione intendiamo tutto quello che viene manipolato da un calcolatore: numeri (naturali, interi, reali,... ) caratteri immagini suoni programmi... La più piccola unità
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
Dettaglin +1 determinanti (D i, i =1,...,n e det A) n! prodotti per ciascun determinante n 1 moltiplicazioni per ciascun prodotto
METODI NUMERICI (A.A. 2007-2008) Prof. F.Pitolli Appunti delle lezioni sui sistemi lineari: metodi diretti; condizionamento Metodi diretti per la soluzione di sistemi lineari Metodi diretti Sono basati
Dettagli1. Calcolo dell indice di condizionamento di una matrice
1 Esercizi sul condizionamento con matlab laboratorio di Calcolo Scientifico per Geofisici Prof. A. Murli a.a. 2006/07 1. Calcolo dell indice di condizionamento di una matrice Determinare una function
DettagliUnità aritmetica e logica
Aritmetica del calcolatore Capitolo 9 Unità aritmetica e logica n Esegue le operazioni aritmetiche e logiche n Ogni altra componente nel calcolatore serve questa unità n Gestisce gli interi n Può gestire
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.
DettagliAritmetica dei Calcolatori Elettronici
Aritmetica dei Calcolatori Elettronici Prof. Orazio Mirabella L informazione Analogica Segnale analogico: variabile continua assume un numero infinito di valori entro l intervallo di variazione intervallo
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
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
DettagliUn sistema lineare si rappresenta in generale come
SISTEMI LINEARI Un sistema lineare si rappresenta in generale come n j=1 a ij x j = b i i = 1, 2,..., m o anche AX = B. La soluzione esiste se e solo se B appartiene allo spazio lineare generato dalle
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliUD 1.2e: La codifica Digitale dei Numeri CODIFICA DIGITALE DEI NUMERI
Modulo 1: Le I.C.T. : La codifica Digitale dei Numeri CODIFICA DIGITALE DEI NUMERI Prof. Alberto Postiglione Corso di Informatica Generale (AA 07-08) Corso di Laurea in Scienze della Comunicazione Università
DettagliModulo 1: Le I.C.T. UD 1.2e: La codifica Digitale dei Numeri
Modulo 1: Le I.C.T. : La codifica Digitale dei Numeri Prof. Alberto Postiglione Corso di Informatica Generale (AA 07-08) Corso di Laurea in Scienze della Comunicazione Università degli Studi di Salerno
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
DettagliSomma di numeri floating point. Algoritmi di moltiplicazione e divisione per numeri interi
Somma di numeri floating point Algoritmi di moltiplicazione e divisione per numeri interi Standard IEEE754 " Standard IEEE754: Singola precisione (32 bit) si riescono a rappresentare numeri 2.0 10 2-38
DettagliLa codifica. dell informazione
00010010101001110101010100010110101000011100010111 00010010101001110101010100010110101000011100010111 La codifica 00010010101001110101010100010110101000011100010111 dell informazione 00010010101001110101010100010110101000011100010111
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
Dettagli1-Rappresentazione dell informazione
1-Rappresentazione dell informazione Informazioni: testi, numeri, immagini, suoni, etc.; Come viene rappresentata l informazione in un calcolatore? Uso di tecnologia digitale: tutto ciò che viene rappresentato
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
DettagliDIPARTIMENTO DI ELETTRONICA E INFORMAZIONE. Numeri in virgola. Marco D. Santambrogio Ver. aggiornata al 10 Novembre 2015
Numeri in virgola Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 10 Novembre 2015 Numeri in virgola fissa Fino a questo punto abbiamo assunto che Un vettore di bit rappresentasse
DettagliNumeri floating point
Numeri floating point Corso di Calcolo Numerico, a.a. 2008/2009 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Numeri floating point 1 / 32 Rappresentazione
DettagliRICHIAMI PER IL CORSO DI ANALISI NUMERICA
RICHIAMI PER IL CORSO DI ANALISI NUMERICA Anno accademico 211 212 1 RICHIAMI: PRECISIONE FINITA (USO DI UN COMPUTER) IN UN COMPUTER UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTATA COME UNA SEQUENZA FINITA
DettagliNumeri con segno ed in virgola
Numeri con segno ed in virgola Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 20 Marzo 2016 Obiettivi Complemento a due Numeri in virgola 2 Rappresentazione dei numeri In realtà,
DettagliArchitettura degli Elaboratori e Laboratorio. Matteo Manzali Università degli Studi di Ferrara Anno Accademico
Architettura degli Elaboratori e Laboratorio Matteo Manzali Università degli Studi di Ferrara Anno Accademico 2016-2017 Numeri razionali Sono numeri esprimibili come rapporto di due numeri interi. L insieme
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
DettagliPreparazione orale analisi numerica:
Preparazione orale analisi numerica: CAPITOLO Errori (1): Ricavare il coefficiente di amplificazione: Sviluppare la serie di Taylor su di centro CAPITOLO Gerschgorin (4): Primo teorema di Gershgorin (Massimizzare
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
DettagliOsservazione. Convergenza dei metodi di Gauss-Seidel e di Jacobi. Condizioni sufficienti per la convergenza. Definizione
Osservazione Convergenza dei metodi di Gauss-Seidel e di Jacobi Fallimento dei metodi. (Es. Gauss- Seidel Condizioni sufficienti; teoremi di localizzazione degli autovalori; dimostrazione di convergenza
DettagliConversione di base. Conversione decimale binario. Si calcolano i resti delle divisioni per due
Conversione di base Dato N>0 intero convertirlo in base b dividiamo N per b, otteniamo un quoto Q 0 ed un resto R 0 dividiamo Q 0 per b, otteniamo un quoto Q 1 ed un resto R 1 ripetiamo finché Q n < b
DettagliCalcolo Numerico (CdS in Matematica) A.A. 2012/13
Calcolo Numerico (CdS in Matematica) A.A. 2012/13 Esercitazione di Laboratorio sulla risoluzione di sistemi di equazioni lineari Parte 1. Fattorizzazione di matrici Scrivere una funzione Matlab che implementi
DettagliDIPARTIMENTO DI ELETTRONICA E INFORMAZIONE. Numeri in virgola. Marco D. Santambrogio Ver. aggiornata al 14 Novembre 2014
Numeri in virgola Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 14 Novembre 2014 Ogni promessa è debito 2 Ogni promessa è debito 3 Ogni promessa è debito Dove sei? 4 Ogni promessa
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
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
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliN= a i b i. Numeri e numerali. Sistemi di Numerazione Binaria. Sistemi posizionali. Numeri a precisione finita
Numeri e numerali Numero: entità astratta Numerale : stringa di caratteri che rappresenta un numero in un dato sistema di numerazione Sistemi di Numerazione Binaria Lo stesso numero è rappresentato da
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliLa codifica. dell informazione. (continua) Codifica dei numeri. Codifica dei numeri. Sono stati pertanto studiati codici alternativi per
La codifica dell informazione (continua) Codifica dei numeri Il codice ASCII consente di codificare le cifre decimali da 0 a 9 fornendo in questo modo un metodo per la rappresentazione dei numeri Il numero
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
DettagliLa codifica. dell informazione. Codifica dei numeri. (continua) Codifica dei numeri. Codifica dei numeri: il sistema decimale
La codifica dell informazione Il codice ASCII consente di codificare le cifre decimali da a 9 fornendo in questo modo un metodo per la rappresentazione dei numeri Il numero 324 potrebbe essere rappresentato
DettagliEsercitazione 1 del 10/10/2012
Esercitazione 1 del 10/10/2012 1. Conversione binario decimale a. 1101 2? 10 1 1 2 Base 2 La posizione della cifra all interno del numero è associata al peso della cifra stessa, cioè il moltiplicatore
DettagliNotazione posizionale. Codifica binaria. Rappresentazioni medianti basi diverse. Multipli del byte
Codifica binaria Rappresentazione di numeri Notazione di tipo posizionale (come la notazione decimale). Ogni numero è rappresentato da una sequenza di simboli Il valore del numero dipende non solo dalla
DettagliFondamenti di Informatica - 1. Prof. B.Buttarazzi A.A. 2011/2012
Fondamenti di Informatica - 1 Prof. B.Buttarazzi A.A. 2011/2012 I numeri reali Sommario Conversione dei numeri reali da base 10 a base B Rappresentazione dei numeri reali Virgola fissa Virgola mobile (mantissa
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliSistemi di Numerazione Binaria
Sistemi di Numerazione Binaria NB.1 Numeri e numerali Numero: entità astratta Numerale : stringa di caratteri che rappresenta un numero in un dato sistema di numerazione Lo stesso numero è rappresentato
DettagliSistemi di Numerazione Binaria a i b i. a m a m-1... a 0. a -1 a a -k
Numeri e numerali Numero: entità astratta Numerale : stringa di caratteri che rappresenta un numero in un dato sistema di numerazione Sistemi di Numerazione Binaria Lo stesso numero è rappresentato da
DettagliRappresentazione dei dati reali e teoria degli errori. N. Del Buono
Rappresentazione dei dati reali e teoria degli errori N. Del Buono Rappresentazione dei dati reali Sorgenti di errore Rappresentazione dei numeri reali in una base assegnata Rappresentazione approssimata
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
Dettagli