Miglior approssimazione in spazi euclidei
|
|
- Eugenia Benedetti
- 7 anni fa
- Visualizzazioni
Transcript
1 Miglior approssimazione in spazi euclidei Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 24 marzo 2016 Alvise Sommariva Miglior approssimazione in spazi euclidei 1/ 54
2 Spazi euclidei Definizione (Spazio euclideo) Uno spazio vettoriale E dotato di un prodotto interno (, ), cioè una funzione reale definita sulle coppie x, y E con le seguenti proprietà 1 (x, x) 0 per ogni x E; inoltre (x, x) = 0 se e solo se x = 0; 2 (x, y) = (y, x) per ogni x, y E; 3 (λx, y) = λ(x, y) per ogni x, y E e λ R; 4 (x, y + z) = (x, y) + (x, z) per ogni x, y, z E. si dice spazio euclideo. A partire dal prodotto interno si può definire lo spazio normato (E, ) ponendo f = (f, f ). Alvise Sommariva Miglior approssimazione in spazi euclidei 2/ 54
3 Spazi euclidei Vediamo alcuni esempi di spazi euclidei: R n dotato dell usuale prodotto scalare, è uno spazio euclideo; se e 1,..., e n è una base ortonormale, cioè per cui (φ j, φ k ) = δ j,k (dove al solito δ j,k è il delta di Kronecker), allora ogni vettore x R n si può scrivere come x = n c n e n, c k = (x, e k ). k=1 Infatti, moltiplicando ambo i membri di x per e k si ha per la bilinearità del prodotto scalare ( n ) n (x, e k ) = c n e n, e k = c n (e n, e k ) = c k (e k, e k ) = c k. k=1 k=1 Alvise Sommariva Miglior approssimazione in spazi euclidei 3/ 54
4 Spazi euclidei lo spazio C([a, b]) delle funzioni continue nel compatto [a, b], dotato del prodotto scalare (f, g) = b a f (x)g(x) dx è uno spazio euclideo, cf. [8, p.145]. lo spazio L 2 R ([a, b]) lo spazio delle funzioni misurabili f : [a, b] R con [a, b] compatto e tali che f 2 sia integrabile (cf.[4, p.5]), dotato del prodotto scalare (f, g) = b a f (x)g(x) dx è uno spazio euclideo completo, cioè ogni successione di Cauchy è convergente cf. [8, p.145]. Alvise Sommariva Miglior approssimazione in spazi euclidei 4/ 54
5 Spazi euclidei lo spazio L 2 C ([a, b]) lo spazio delle funzioni misurabili f : [a, b] C con [a, b] compatto e tali che f 2 sia integrabile (cf.[4, p.5]), dotato del prodotto scalare (f, g) = b a f (x)g(x) dx è uno spazio euclideo completo, cf. (cf.[4, p.5]). Ricordiamo che se z = a + i b allora z = a i b e z si chiama il coniugio di z. Alvise Sommariva Miglior approssimazione in spazi euclidei 5/ 54
6 Sull elemento di miglior approssimazione in spazi euclidei Teorema (Pitagora) Sia E uno spazio euclideo, e siano f, g E tali che (f, g) = 0 (cioè f e g sono ortogonali). Allora f + g 2 = f 2 + g 2. Dimostrazione. Essendo (f, g) = 0, dalla bilinearità del prodotto interno, f + g 2 = (f + g, f + g) = (f, f ) + (g, f ) + (f, g) + (g, g) Notazione. = (f, f ) (g, g) = f 2 + g 2 Denoteremo con < φ k > k=1,...,n lo spazio vettoriale definito da {φ k } k=1,...,n. Alvise Sommariva Miglior approssimazione in spazi euclidei 6/ 54
7 Sull elemento di miglior approssimazione in spazi euclidei Teorema (Proiezione ortogonale) Sia f E, E spazio euclideo e {φ j } 1,...,N un sistema finito di elementi di E lin. indipendenti. Allora f = 1,...,N c j φ j è la soluzione del problema f f 2 = min f g 2 g <φ k > k=1,...,n dove i coefficienti cj verificano le cosidette equazioni normali N (φ j, φ k )ck = (φ j, f ), j = 1,..., N. k=1 La soluzione è caratterizzata dalla proprietà di ortogonalità cioè che f f è ortogonale a tutti gli φ k, con k = 1,..., N o equivalentemente (f, φ k ) = (f, φ k ), k = 1,..., N. (1) Alvise Sommariva Miglior approssimazione in spazi euclidei 7/ 54
8 Sull elemento di miglior approssimazione in spazi euclidei Dimostrazione. Supponiamo che per un certo f = 1,...,N c j φ j si abbia che f f sia ortogonale a tutti i φ k (e quindi a ogni loro combinazione lineare). Supponiamo f f sia l elemento di migliore approssimazione. Allora, visto che f f è ortogonale a f f < φ k >, utilizzando il teorema di Pitagora f f 2 = (f f ) + (f f ) 2 = f f 2 + f f 2 > f f 2 (2) e quindi f non può essere l elemento di miglior approssimazione. Alvise Sommariva Miglior approssimazione in spazi euclidei 8/ 54
9 Sull elemento di miglior approssimazione in spazi euclidei Di conseguenza se f < φ k > k=1,...,n e f f è ortogonale a tutti i φ k allora f è la miglior approssimazione di f in < φ k > k=1,...,n. Rimane allora da mostrare che le condizioni di ortogonalità N cj φ j f, φ k = 0, k = 1,..., N j=1 sono soddisfatte per un qualche (unico!) c = (c j ) j=1,...,n. Questo problema è equivalente alla esistenza della soluzione del sistema di equazioni normali N (φ j, φ k )ck = (φ j, f ), j = 1,..., N (3) k=1 cioè che la matrice G = (G i,j ) i,j = ((φ j, φ k )) i,j è non singolare. Alvise Sommariva Miglior approssimazione in spazi euclidei 9/ 54
10 Sull elemento di miglior approssimazione in spazi euclidei Si vede facilmente che la matrice (di Gram) G è definita positiva e quindi non singolare. Infatti, se v = (v i ) R N \{0}, G i,j = (φ i, φ j ), u = i v iφ i 0 v T G v = v T v j (φ i, φ j ) = v T (φ i, j j v j φ j ) = i v i (φ i, j v j φ j ) = ( i v i φ i, j v j φ j ) = (u, u) > 0. Quindi esiste f, di miglior approssimazione, ed è tale che f f è ortogonale a φ k per k = 1,..., N. Alvise Sommariva Miglior approssimazione in spazi euclidei 10/ 54
11 Sull elemento di miglior approssimazione in spazi euclidei Nota. Osserviamo ora che se non si possiede una base ortogonale {φ k } k=1,...,n allora per ottenere l elemento di miglior approssimazione, bisogna Disporre dei prodotti scalari (φ j, φ k ) per j, k = 1,..., N e di (φ j, f ) per j = 1,..., N. Con i valori (φ j, φ k ) si forma la matrice simmetrica (e definita positiva!) di Gram le cui componenti sono G j,k = (φ j, φ k ), con b j = (φ j, f ) si definisce il termine noto b del sistema Gc = b, si risolve quindi tale sistema lineare, la cui soluzione fornisce le componenti (cj ) dell elemento di miglior approssimazione j c j φ j. Alvise Sommariva Miglior approssimazione in spazi euclidei 11/ 54
12 Sull elemento di miglior approssimazione in spazi euclidei Se invece disponiamo di una base ortogonale {φ k } k=1,...,n allora il calcolo della miglior approssimazione non richiede la soluzione del sistema delle equazioni normali, bensi da c k = (φ k, f ) (φ k, φ k ) il solo calcolo di alcuni prodotti interni e N divisioni. Inoltre si noti che se {φ k } k=1,...,n è un sistema ortogonale, allora i coefficienti di Fourier c j sono independenti da N; tale indipendenza offre il vantaggio che se è necessario aumentare il numero totale di parametri cj, non è necessario ricalcolare quelli precedentemente ottenuti. Alvise Sommariva Miglior approssimazione in spazi euclidei 12/ 54
13 Sull elemento di miglior approssimazione in spazi euclidei Esempio Un caso importante è quello in cui {φ j } j=1,...,n è un sistema ortogonale, cioè (φ j, φ k ) = c j δ j,k, c j 0, dove al solito δ j,k denota il delta di Kronecker; allora i coefficienti cj (detti in questo caso di Fourier) sono calcolabili più semplicemente con la formula cj = (f, φ j), j = 1,..., N. (φ j, φ j ) Alvise Sommariva Miglior approssimazione in spazi euclidei 13/ 54
14 Sull elemento di miglior approssimazione in spazi euclidei Problema. A questo punto supponiamo che sia S 0... S n... E. Ci si domanda se per una qualsiasi f E si abbia che lim n E n (f ) = 0. Abbiamo visto che questo equivale a stabilire che n S n è denso in E. Al momento non abbiamo detto nulla riguardo una possibile base dello spazio euclideo E. Cosa serve richiedere ad E perchè esista una base, magari con cardinalità numerabile? Come ottenere basi ortonormali da una base arbitraria? Alvise Sommariva Miglior approssimazione in spazi euclidei 14/ 54
15 Sull elemento di miglior approssimazione in spazi euclidei Definizione (Separabile) Uno spazio euclideo E si dice separabile se e solo se contiene un sottinsieme S X denso e numerabile, cf. [8, p.48]. Teorema Uno spazio euclideo separabile ha una base ortonormale {φ k } k finita o numerabile, cioè tale che (φ j, φ k ) = δ j,k e se x E allora si può scrivere formalmente x = k N c k φ k per certi {c k }, intendendo che lim n x n k=0 c kφ k = 0. Alvise Sommariva Miglior approssimazione in spazi euclidei 15/ 54
16 Sull elemento di miglior approssimazione in spazi euclidei Inoltre vale il seguente teorema, basato sull algoritmo di Gram-Schmidt (cf. [4, p.165]), Teorema (Ortogonalizzazione) Siano f 1,..., f n,... un insieme numerabile di elementi linearmente indipendenti di uno spazio euclideo E. Allora E contiene un insieme di elementi {φ k } k=1,...,n,... tale che 1 il sistema {φ n } è ortonormale (cioè (φ m, φ n )=δ m,n, dove δ m,n è il delta di Kronecker); 2 ogni elemento φ n è una combinazione lineare di f 1,..., f n ; 3 ogni elemento f n è una combinazione lineare di φ 1,..., φ n. Alvise Sommariva Miglior approssimazione in spazi euclidei 16/ 54
17 Sull elemento di miglior approssimazione in spazi euclidei Nota. Si osservi che l insieme di partenza f 1,..., f n,... non deve essere necessariamente finito, come di solito viene spesso richiesto nell algoritmo di ortogonalizzazione di matrici; l insieme φ 1,..., φ n,... non deve essere necessariamente finito; se lo spazio euclideo ha una base numerabile formata da elementi linearmente indipendenti f 1,..., f n,..., allora ha pure una base ortonormale. Alvise Sommariva Miglior approssimazione in spazi euclidei 17/ 54
18 Sull elemento di miglior approssimazione in spazi euclidei Definizione (Serie di Fourier) Se f E, c k = (f, φ k ), k = 1, 2,... e {φ k } k=1,..., è una successione di elementi ortonormali di E, la serie (formale) + c k φ k k=1 è chiamata serie di Fourier di f. Alvise Sommariva Miglior approssimazione in spazi euclidei 18/ 54
19 Sull elemento di miglior approssimazione in spazi euclidei Definizione (Chiuso) Sia φ 1,..., φ n,... una successione di elementi ortonormali di uno spazio vettoriale normato X. Se ogni elemento f X può essere scritto formalmente come serie di Fourier allora l insieme {φ k } k=1,..., si dice chiuso in X. Problema. Quali proprietà ha l elemento di miglior approssimazione? Cosa bisogna assumere perchè la serie di Fourier di f converga a f? Alvise Sommariva Miglior approssimazione in spazi euclidei 19/ 54
20 Sull elemento di miglior approssimazione in spazi euclidei Teorema (Bessel-Parseval) Sia φ 1,..., φ n,... una successione di elementi ortonormali di uno spazio euclideo E e sia f E. Allora L espressione ha il minimo per f n a k φ k k=1 a k = c k = (f, φ k ), k = 1, 2,..., n ed è uguale a f 2 n ck 2. k=1 Alvise Sommariva Miglior approssimazione in spazi euclidei 20/ 54
21 Sull elemento di miglior approssimazione in spazi euclidei Vale la disuguaglianza di Bessel ck 2 f 2. k=1 Vale l uguaglianza di Parseval k=1 c 2 k = f 2 se e solo se l insieme {φ k } k=1,2,..., è chiuso in E. Alvise Sommariva Miglior approssimazione in spazi euclidei 21/ 54
22 Sull elemento di miglior approssimazione in spazi euclidei Nota. Osserviamo che la soluzione al problema di miglior appross. in norma esiste ed è unica: per ottenerla basta calcolare i coefficienti di Fourier. se {c k } k=1,...,n determina l elemento di miglior approssimazione di f rispetto alla norma indotta dal prodotto scalare in S n =< φ 1,..., φ n >, allora n n lim f c k φ k = lim f 2 c 2 n n k = 0 k=1 in virtù dell uguaglianza di Parseval. k=1 Alvise Sommariva Miglior approssimazione in spazi euclidei 22/ 54
23 Polinomi trigonometrici reali Definizione (Polinomi trigonometrici) Lo spazio vettoriale T R n dei polinomi trigonometrici di grado n è costituito dalle combinazioni lineari delle funzioni φ 0 (x) 1 φ 2k 1 (x) cos (kx), k = 1,..., n φ 2k (x) sin (kx), k = 1,..., n. Alvise Sommariva Miglior approssimazione in spazi euclidei 23/ 54
24 Polinomi trigonometrici reali Osserviamo che per n = 1, 2,..., essendo per le formule di Werner cos ((n + m)x) + cos ((n m)x) cos (nx) cos (mx) = 2 e π { 0, k 0 cos (kx)dx = 2π, k = 0 π necessariamente π π cos2 (nx) dx = π π cos (2nx)+1 2 dx = π; π π sin2 (nx) dx = π π (1 cos2 (nx)) dx = 2π π = π; cos (nx) sin (mx) dx = 0, (integranda dispari); π π π π cos (nx) cos (mx) dx = 0, m n. Alvise Sommariva Miglior approssimazione in spazi euclidei 24/ 54
25 Polinomi trigonometrici reali Inoltre per n = 1, 2,..., implica sin (nx) sin (mx) = cos ((n + m)x) cos ((n m)x) 2 π π sin (nx) sin (mx) dx = 0, m n in quanto π π cos (kx)dx = { 0, k 0 2π, k = 0. Alvise Sommariva Miglior approssimazione in spazi euclidei 25/ 54
26 Polinomi trigonometrici reali Sia L 2 R ([ π, π]) lo spazio delle funzioni misurabili f : [ π, π] R in [ π, π] compatto e tali che f 2 sia integrabile (cf.[4, p.5]). Sia tale spazio dotato del prodotto scalare (f, g) = π π f (x)g(x) dx. Per quanto visto 1/ 2π,..., cos (nt)/ π, sin (nt)/ π,... è una succ. ortonorm. di funzioni in L 2 R ([a, b]). Si dimostra che le 2n + 1 funzioni 1/ 2π,..., cos (nt)/ π, sin (nt)/ π formano una base ortonorm. di T R n dotato del prod. scal. di L 2 R ([a, b]). Si vede che n N T n è chiuso in L 2 R ([ π, π]) (cf. [4, p.267]). Alvise Sommariva Miglior approssimazione in spazi euclidei 26/ 54
27 Polinomi trigonometrici reali Dalle precedenti osservazioni e del teorema di Bessel-Parseval: Teorema Consideriamo la successione di elementi ortonormali 1/ 2π,..., cos (nt)/ π, sin (nt)/ π,... di L 2 R ([a, b]). Allora i coefficienti di Fourier che determinano l elemento di miglior approssimazione corrispondono a c 0 = π π f (x) dx/ 2π, c 2k 1 = 1 π π π f (x) cos (kx) dx, k = 1, 2,...; c 2k = 1 π π π f (x) sin (kx) dx, k = 1, 2,... ed è lim k E k (f ) = 0. Alvise Sommariva Miglior approssimazione in spazi euclidei 27/ 54
28 Polinomi trigonometrici reali Inoltre vale l uguaglianza di Parseval ( π 2 ( π 2 f (x) dx) + f (x) cos (kx) dx) + π k=1 π ( π ) 2 f (x) sin (kx) dx = π f 2 k=1 π (cf. [11]). Alvise Sommariva Miglior approssimazione in spazi euclidei 28/ 54
29 Polinomi trigonometrici complessi Definizione (Polinomi trigonometrici complessi) Lo spazio vettoriale T C n dei polinomi trigonometrici complessi di grado n è costituito dalle combinazioni lineari delle funzioni φ 0 (x) 1 φ 2k 1 (x) exp ( ikx), k = 1,..., n φ 2k (x) exp (ikx), k = 1,..., n dove i, come al solito, è la costante immaginaria. Alvise Sommariva Miglior approssimazione in spazi euclidei 29/ 54
30 Polinomi trigonometrici complessi Teorema La successione {φ k } k è una composta di elementi ortogonali di L 2 C. Dimostrazione. Per j, k Z, ricordando l identità di Eulero exp (ikx) = cos (kx) + i sin (kx) = cos (kx) i sin (kx) = exp ( ikx) e dal fatto che exp (imx) exp (inx) = exp (i(m + n)x) ricaviamo 2π 0 exp (ijx) exp (ikx) dx = 2π 0 exp (i(j k)x) dx. Se j = k tale integrale vale evidentemente 2π altrimenti, se j k vale 0 in quanto 2π exp (i(j k)x) dx = 0 = (exp (i(j k)2π) exp (i(j k)0)) i(j k) 1 (1 1) = 0. i(j k) Alvise Sommariva Miglior approssimazione in spazi euclidei 30/ 54
31 Polinomi trigonometrici complessi Poichè n N T C n è chiuso in L 2 C ([0, 2π]) (cf.[2, p.24-27]) Teorema Consideriamo la successione di elementi ortonormali di L 2 C([0, 2π]) 1/ 2π,..., exp ( inx)/ 2π, exp (inx)/ 2π,... Allora i coeff. di Fourier dell elemento di miglior appross. sono c 0 = 1 2π 2π f (x) dx; 0 c 2k 1 = 1 2π 2π 0 f (x) exp (ikx) dx, k = 1, 2,...; c 2k = 1 2π 2π 0 f (x) exp ( ikx) dx, k = 1, 2,...; ed è lim k E k (f ) = 0. Inoltre vale l uguaglianza di Parseval ( 2π ) 2 f (x) exp (ikx) dx = 2π f 2 k= 0 Alvise Sommariva Miglior approssimazione in spazi euclidei 31/ 54
32 Polinomi trigonometrici complessi Nota. Di solito non si usa per tali serie di Fourier la notazione introdotta, ma si preferisce descriverla come la serie bilatera con f (x) = k= γ k exp (ikx) γ k = 1 2π f (x) exp ( ikx) dx (4) 2π 0 Tale espansione è facilmente ricavabile da quella precedentemente espressa. Alvise Sommariva Miglior approssimazione in spazi euclidei 32/ 54
33 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Si supponga che la funzione f L 2 C ([0, 2π]) sia in realtà continua in [0, 2π] e periodica cioè f (0) = f (2π). Dalla teoria è noto che possiamo scrivere formalmente f (x) = k= ( 1 2π ) f (x) exp ( ikx) dx exp (ikx). (5) 2π 0 Usualmente non si calcola tutta la sommatoria ma si considera una sua approssimazione N 1 k= (N 1) per N sufficientemente grande. ( 1 2π ) f (x) exp ( ikx) dx exp (ikx) 2π 0 Alvise Sommariva Miglior approssimazione in spazi euclidei 33/ 54
34 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Osserviamo che differentemente dalla classica interpolazione polinomiale in nodi generici, l approssimante trigonometrica è disponibile se siamo in grado di calcolare numericamente la quantità I k := 1 2π f (x) exp ( ikx) dx 2π 0 per k = (N 1),..., (N 1). Per funzioni continue e periodiche, si prova che è una buona scelta utilizzare la formula dei trapezi composta ([1, p ]). L algoritmo, estremamente efficiente, per il calcolo dei coefficienti di Fourier si chiama FFT (acronimo di Fast Fourier Transform). Alvise Sommariva Miglior approssimazione in spazi euclidei 34/ 54
35 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Supponiamo f : [0, 2π] R sia continua, periodica, cioè f (0) = f (2π). Utilizzando la formula composta dei trapezi basata su N intervalli equispaziati (con N che determina pure il numero di coefficienti di Fourier da calcolare!), se h è continua e periodica in [0, 2π] 2π 0 h(x)dx 1 N N h(x j ), x j = j 2π N. j=1 Così, il coefficiente di Fourier ξ k (f ), è tale che ξ k (f ) := 1 2π 2π 0 f (x) exp ( ikx) dx 1 N N f j=1 ( j 2π ) ( exp ik j 2π ). N N Alvise Sommariva Miglior approssimazione in spazi euclidei 35/ 54
36 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Da ξ k (f ) := 1 2π definiti 2π 0 f (x) exp ( ikx) dx 1 N ( i(k 1)2πj N N f j=1 X j = 1 N f ( 2π N j) (con j = 1,..., N); σ k := ) N j=1 X j exp, abbiamo ξ k 1 (f ) σ k (ove k = 1,..., N), in quanto 2π ( j 2π ) ( exp ik j 2π ). N N ξ k 1 (f ) = 1 f (x) exp ( i(k 1)x) dx 2π 0 N ( ) i(k 1)2π(n 1) X n exp = σ k. (6) N n=1 Alvise Sommariva Miglior approssimazione in spazi euclidei 36/ 54
37 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Si può dimostrare (non banale!) che Teorema Se f : [0, 2π] R è continua e periodica allora l polinomio trigonometrico complesso dove p N 1 (x) = a k = 1 N N 1 j= (N 1) N f j=1 a k exp ( ikx) ( j 2π ) N (cioè a k è l approssimazione del coefficiente di Fourier ξ k (f ) utilizzando la formula dei trapezi composta) interpola la funzione f nei nodi x j = j 2π N. Alvise Sommariva Miglior approssimazione in spazi euclidei 37/ 54
38 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Ci poniamo varie domande: Quanto buona è l approssimazione fornita dal metodo dei trapezi, nel calcolo degli integrali? Come decadono i coefficienti di Fourier (vedasi anche il Lemma di Lebesgue-Riemann)? Quanto buona è l approssimazione fornita dalla miglior approssimazione f n in norma 2 o dall interpolante p n? Alvise Sommariva Miglior approssimazione in spazi euclidei 38/ 54
39 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Teorema ([10]) Se f è η 1 volte differenziabile, f (η) è a variazione limitata V in [0, 2π], allora, detta I N (f ) l approssimazione fornita dalla formula composta dei trapezi nel calcolare I = 2π 0 f (x)dx, I N (f ) I 4V N η+1. Se f è analitica con f (t) M nella striscia aperta di semiampiezza α attorno all asse reale del piano complesso, allora I N (f ) I 4πM exp ( αn) 1. Alvise Sommariva Miglior approssimazione in spazi euclidei 39/ 54
40 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Teorema ([10]) Se f è allora η 0 volte differenziabile, f (η) è a variazione limitata V in [0, 2π], ξ k (f ) V 2πηk η+1. Se f è analitica con f (t) M nella striscia aperta di semiampiezza α attorno all asse reale del piano complesso, allora ξ k (f ) M exp ( αk). Alvise Sommariva Miglior approssimazione in spazi euclidei 40/ 54
41 Facoltativo. Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Teorema ([10]) Se f è allora η 1 volte differenziabile, f (η) è a variazione limitata V in [0, 2π], la miglior approssimante f N 1 = N 1 j= (N 1) ξ k(f ) exp ( ikx) in norma 2, il polinomio interpolante p N 1 (x)= N 1 j= (N 1) a k exp ( ikx) sono tali che f f N 1 V πη(n 1) η, f p N 1 2V πη(n 1) η. Alvise Sommariva Miglior approssimazione in spazi euclidei 41/ 54
42 Facoltativo. FFT e Matlab La funzione Matlab fft mappa il generico vettore u = (u 1,..., u N ) in un vettore U = (U 1,..., U N ) tale che Da U k = N ( ) i(k 1)2π(n 1) u n exp N n=1 2π ξ k 1 (f ) = 1 f (x) exp ( i(k 1)x) dx 2π 0 N ( ) i(k 1)2π(n 1) X n exp = σ k N n=1 si ha che fft mappa X = (X 1,..., X N ), dove X j = 1 N f (τ(j 1)), in σ = (σ 1,..., σ N ) che approssima ξ = (ξ 0,..., ξ N 1 ). Alvise Sommariva Miglior approssimazione in spazi euclidei 42/ 54
43 Facoltativo. FFT e Matlab Quindi, noto N e definita f, se scriviamo >>n=1:n ; >>X_n =(1/N ) f (2 pi n/n ) ; >>sigma_n= f f t ( X_n ) ; abbiamo che il k-simo integrale di indice (non negativo!) corrisponde al (k + 1)-simo elemento del vettore σ n (per k = 0,..., N 1). Nota. Risulta importante osservare che fft permette di approssimare 1 2π solo integrali 2π 0 f (x) exp ( i(k 1)x) dx con k = 1, 2,.... Alvise Sommariva Miglior approssimazione in spazi euclidei 43/ 54
44 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi Purtroppo si può mostrare che il (k + 1)-simo elemento calcolato da FFT in realtà per problemi legati alla periodicità dell esponenziale in C è tale che σ k ξ k N + ξ k + ξ k+n Questo suggerisce che se sono rilevanti solo i termini di Fourier ξ (M 1),..., ξ M 1 mentre gli altri sono di grandezza trascurabile, allora per N = 2M 1 applichiamo l algoritmo FFT per calcolare ξ 0,..., ξ N, osservare che essendo rilevanti solo ξ (M 1),..., ξ M 1 per k = 0,..., M 1, σ k ξ k N + ξ k + ξ k+n +... ξ k, per k = M,..., 2M 2, σ k ξ k N + ξ k + ξ k+n ξ k (2M 1) + ξ k + ξ k+(2m 1) +... = ξ k (2M 1). Alvise Sommariva Miglior approssimazione in spazi euclidei 44/ 54
45 Facoltativo. FFT e Matlab Importante. Si osservi che se N = 2 r, allora i coefficienti di Fourier possono essere calcolati numericamente con l algoritmo noto come Fast Fourier Transform (FFT) in O(Nlog 2 N) operazioni aritmetiche, se non si usasse FFT, un algoritmo di base necessiterebbe di O(N 2 ) operazioni aritmetiche, (cf. [1, p.181]). La funzione fft implementa la Fast Fourier Transform ed è considerata una delle più rilevanti scoperte in ambito numerico per le sue molteplici applicazioni scientifiche. Alvise Sommariva Miglior approssimazione in spazi euclidei 45/ 54
46 Facoltativo. FFT e Matlab Calcoliamo l approssimazione f (x) = k= ( 1 2π ) f (x) exp ( ikx) dx exp (ikx). (7) 2π 0 supposto che f sia una funzione continua e periodica in [0, 2π] e N il numero di coefficienti calcolati da fft. Alvise Sommariva Miglior approssimazione in spazi euclidei 46/ 54
47 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi: esempio La funzione Matlab f u n c t i o n sigma=fft_coeffs ( f, N ) n =(1: N ) ; X=(1/N ) f (2 ( n 1) p i /N ) ; sigma=f f t ( X ) ; calcola il vettore σ k ξ k N + ξ k + ξ k+n +... con ξ k := 1 2π f (x) exp ( ikx) dx. 2π 0 Alvise Sommariva Miglior approssimazione in spazi euclidei 47/ 54
48 Facoltativo. FFT e Matlab Se N è sufficientemente grande e σ = (σ 1,..., σ N ) allora supponendo che circa metà di questi siano relativi a coefficienti di Fourier con indici positivi e metà a indici negativi f (x) N/2 k=0 σ k+1 exp (ikx) + N 1 k= N/2 +1 σ k+1 exp (i(k N)x). (8) Alvise Sommariva Miglior approssimazione in spazi euclidei 48/ 54
49 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi: esempio Per valutare l approssimazione, noti i coefficienti, useremo quindi f u n c t i o n y=fft_eval ( Y, x ) i f s i z e ( x, 1 ) == 1, x=x ; end i f s i z e ( Y, 1 ) == 1, Y=Y ; end N=l e n g t h ( Y ) ; M=f l o o r ( N /2) ; k=(m N+1) : M ; V=exp ( i x k ) ; tpos=y ( 1 : M +1,1) ; tneg=y ( M+2: end, 1 ) ; t=[tneg ; tpos ] ; y=v t ; Alvise Sommariva Miglior approssimazione in spazi euclidei 49/ 54
50 Facoltativo. FFT e Matlab Approssimiamo la funzione f (x) = 3 exp ( ix) + 8 exp (+7ix) + sin (x) che è ovviamente periodica. Ricordiamo che sin (x) = (exp (ix)) exp ( ix)). 2i Evidentemente sono tutti nulli i coefficienti di Fourier il cui indice è strettamente inferiore a 1 e strettamente maggiore di 7, quindi una buona scelta è N = 16, in quanto potenza di 2 e tutti i coefficienti interessanti hanno indice nell intervallo [ N/2 + 1, N/2 ]. Alvise Sommariva Miglior approssimazione in spazi euclidei 50/ 54
51 Calcolo dell espansione di funzioni continue e periodiche con polinomi trigonometrici complessi: esempio Così salviamo in fft example.m N =16; f=inline ( exp( i x )+exp (7 i x )+s i n ( x ) ) ; Y=fft_coeffs ( f, N ) ; x = ( 0 : : 2 p i ) ; fx=f ( x ) ; tx=fft_eval ( Y, x ) ; err=norm ( fx tx, inf ) ; f p r i n t f ( \n \ t [ e r r, i n f norm ] : %2.2 e, err ) f p r i n t f ( \n ) ; Alvise Sommariva Miglior approssimazione in spazi euclidei 51/ 54
52 Facoltativo. FFT e Matlab e abbiamo come risultato >> fft_example err = e 15 >> Alvise Sommariva Miglior approssimazione in spazi euclidei 52/ 54
53 Esercizio Esercizio Cosa succede se in fft example.m si usa N = 13 invece di N = 16? Darne una spiegazione, controllando i valori assunti dal vettore Y. Esercizio Modificare fft example.m per studiare l approssimazione trigonometrica complessa della funzione f (x) = x π per N = 4, 8, 16, 32, 64. Come decresce l errore? Eseguire sulla stessa figura il grafico di f in [0, 2π] come pure della sua approssimazione con polinomi trigonometrici complessi per N = 16. Nota: in caso di warning, utilizzare solo la parte reale del vettore tx, tramite il comando tx=real(tx); Alvise Sommariva Miglior approssimazione in spazi euclidei 53/ 54
54 Bibliografia K. Atkinson, An Introduction to Numerical Analysis, Wiley, K. Atkinson e W. Han, Theoretical Numerical Analysis. A Functional Analysis Framework, Springer, G. Dahlquist e A. Bjorck, Numerical methods, Dover, P.J. Davis, Interpolation and Approximation, Dover, Encyclopedia of Math, (Orthogonal Series), series. G. Gilardi Analisi Due, seconda edizione, McGraw-Hill, D.H. Griffel, Applied functional analysis, Dover publications, A.N. Kolmogorov e S.V. Fomin, Introductory Real Analysis, Dover publications, A. Quarteroni, R. Sacco e F. Saleri Matematica Numerica, Springer, G.B. Wright, M. Javed, H. Montanelli, L.N. Trefethen, Extension of Chebfun to periodic functions, SIAM J. Sci. Comp., Wikipedia, (Fourier Series), series. Alvise Sommariva Miglior approssimazione in spazi euclidei 54/ 54
MIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI
MIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI A. SOMMARIVA Conoscenze richieste. Spazio vettoriale. Spazio normato. Vettori linearmente indipendenti. Sistemi lineari. Operatore delta di Kronecker. Conoscenze
Miglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei 15 gennaio 2009 1 Introduzione astratta Sia E uno spazio vettoriale dotato di un prodotto interno (, ) (talvolta un tale spazio è detto euclideo, cf. [7, p.148]),
Miglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 4 maggio 2018 Alvise Sommariva Miglior approssimazione in spazi euclidei 1/ 52 Spazi
0.1 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
Approssimazione e interpolazione con polinomi algebrici
Approssimazione e interpolazione con polinomi algebrici Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 11 marzo 2014 Alvise Sommariva Appross. e interpolazione con polinomi
Appendice B ANALISI FUNZIONALE. 1 Spazi di Banach
Appendice B ANALISI FUNZIONALE In questo capitolo si introducono gli spazi di Banach e di Hilbert, gli operatori lineari e loro spettro. Inoltre si discutono gli operatori compatti su uno spazio di Hilbert.
Approssimazione e interpolazione con polinomi algebrici
Approssimazione e interpolazione con polinomi algebrici Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 7 marzo 2017 Alvise Sommariva Appross. e interpolazione con polinomi
Interpolazione polinomiale
Interpolazione polinomiale Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 27 marzo 2019 Alvise Sommariva Interpolazione polinomiale 1/ 36 Interpolazione polinomiale
Spazi di Hilbert: Proiezioni e Serie di Fourier
Spazi di Hilbert: Proiezioni e Serie di Fourier Docente:Alessandra Cutrì Spazi di Hilbert Uno spazio vettoriale dotato di prodotto scalare che è completo rispetto alla norma indotta dal prodotto scalare
Serie di Fourier. Tra queste funzioni definiamo un prodotto scalare nel seguente modo: date f, g V poniamo f (x) g (x) dx. f (x) [g (x) + h (x)] dx
Serie di Fourier Indichiamo con V l insieme delle funzioni f : R R che siano periodiche di periodo π, si abbia cioè f ( + π) = f (), e che risultino integrabili nell intervallo [, π]. Tra queste funzioni
Esercizi di riepilogo 2: soluzioni ( Verifica di analisi funzionale e serie di Fourier)
Esercizi di riepilogo 2: soluzioni ( Verifica di analisi funzionale e serie di Fourier) Spazi Vettoriali e Funzionali 1. Risposte: (a) Spazio vettoriale complesso. (b) Spazio vettoriale reale. (c) Non
COMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005
Prova scritta del 26 gennaio 2005 Esercizio 1. Posto B = x R 2 : x 2 2}, sia f n } una successione di funzioni (misurabili e) integrabili in B tali che f n f q.o. in B e, per ogni n N, f n (x) 2 x 3 per
Il problema della migliore approssimazione. Teorema 3.2 Il problema 3.1 ammette sempre almeno una soluzione.
3. Spazi di Hilbert Wir müssen wissen. Wir werden wissen. Noi abbiamo il dovere di conoscere. Alla fine conosceremo.) David Hilbert 1862-1943) Il problema della migliore approssimazione Problema 3.1 Migliore
Analisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
Serie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N:
Serie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N: S N (x) = N n=0 (a n cos (nx) + b n sin (nx)), a n, b n R (periodiche
Argomento della lezione N. 1. Argomento della lezione N. 2. Argomento della lezione N. 12. Argomento della lezione N. 11
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2011/2012 2 Argomento della lezione N. 1 Fondamenti assiomatici. L unità immaginaria Argomento della lezione N. 2 Moduli e coniugati. Disuguaglianza
Capitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
AM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE
AM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE Sia g C 1 R 2 ), c R. L insieme γ = γ c := {x, y) R 2 : gx, y) = c} si chiama insieme
Quadratura numerica. Alvise Sommariva. Università degli Studi di Padova Dipartimento di Matematica. 25 maggio 2015
Quadratura numerica Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 25 maggio 2015 Alvise Sommariva Quadratura numerica 1/ 18 Quadratura numerica Problema. Un classico problema
Serie di Fourier in forma complessa
M.Guida, S.Rolando, 14 1 Serie di Fourier in forma complessa Per scrivere la serie di Fourier di una funzione f R, si utilizza spesso una notazione equivalente, ma più compatta e maneggevole, che fa intervenire
Note sulle serie di Fourier
Note sulle serie di Fourier Rodica oader, a.a. 3/4 versione provvisoria (aggiornata al 3//7 Convergenza uniforme Data una funzione f : R R, periodica di periodo >, supponiamo di poter definire i coefficienti
7. Sistemi ortonormali
7. Sistemi ortonormali Ricordiamo che, dati ϕ, ψ X prehilbertiano, ϕ e ψ si dicono ortogonali se (ϕ, ψ) =. Consideriamo, allora, l estensione del Teorema di Pitagora al caso astratto Teorema 1. - Dato
Esercizi del Corso di Istituzioni di Analisi Superiore, I modulo
sercizi del Corso di Istituzioni di Analisi Superiore, I modulo 1. sercizi su massimo e minimo limite 1. lim inf a n lim sup a n 2. Se a n b n per ogni n N, allora lim inf a n lim inf b n. Vale anche lim
Analisi a più variabili: Integrale di Lebesgue
Analisi a più variabili: Integrale di Lebesgue 1 Ripasso delle definizioni di Algebre, σ-algebre, misure additive, misure σ-additive, Proprietà della misura astratta, misura esterna. Definizione (Insieme
Modelli e Metodi Matematici della Fisica. S1/AC
Modelli e Metodi Matematici della Fisica. S1/AC Cesi A.A. 9 1 Nome Cognome 6 CFU (AA 9-1) 8 CFU 4 CFU (solo analisi complessa) 4 + 6 CFU altro: problema voto 1 4 6 7 8 9 Test totale coeff. voto in trentesimi
(1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare)
1 Spazi vettoriali (1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare) (a) R 5 (b) [0, ) (c) x R 2 : x 1 + 2x 2 = 0} (d) x R 2 : x 2 1 + 2x 2 = 0} (e) x R 2 : x 1 > x
ANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
Registro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2018/2019 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 19 dicembre 2018 1. Mercoledì 26/09/2018, 15 17. ore:
6.2 Problema generale di approssimazione
6.2 Problema generale di approssimazione 313 Esercizio 6.16 Dati (m + 1)(n + 1) valori f i,j, per i = 1, 2,...,m + 1 e j = 1, 2,...,n + 1, posto X m,i (x) := Y n,i (y) := m+1 k=1, k i n+1 k=1, k i x x
5.2 Sistemi ONC in L 2
5.2 Sistemi ONC in L 2 Passiamo ora a considerare alcuni esempi di spazi L 2 e di relativi sistemi ONC al loro interno. Le funzioni trigonometriche Il sistema delle funzioni esponenziali { e ikx 2π },
Modelli e Metodi Matematici della Fisica. S1/AC
Modelli e Metodi Matematici della Fisica. S/AC Filippo Cesi 2 Nome Cognome Devo verbalizzare questo esame come (fare una croce): 2 CFU (AA 2-) 6 CFU (solo anal. funzionale) 6 CFU (solo anal. complessa)
( 1 π. (a n cos nt + b n sin nt) t R (3)
7. SERIE TRIGONOMETRICHE E SERIE DI FOURIER Definizione 1. L p (R), p [1, + ), denota la classe di tutte le funzioni f : R C, misurabili secondo Lebesgue, periodiche con periodo per le quali il funzionale
Risoluzione 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
E, la successione di numeri {f n (x 0. n f n(x) (15.1)
Capitolo 15 15.1 Successioni e serie di funzioni Sia {f n } una successione di funzioni, tutte definite in un certo insieme E dello spazio R n ; si dice che essa è convergente nell insieme E se, comunque
ANALISI DI FOURIER. 2πk. è periodica di periodo T. Più precisamente, essendo. T x + 2π = cos. s(x) = s x + T ) T +α. f(x) dx
ANALISI DI FOURIER Sia >. Una funzione f, definita per x R, si dice periodica di periodo, se f(x + = f(x, x R. ( Se una funzione è periodica di periodo, essa è anche periodica di periodo, 3,..., k,....
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
La Trasformata di Fourier
La Trasformata di Fourier Preliminari: Spazi di Hilbert Da Wikipedia In matematica uno spazio di Hilbert è uno spazio vettoriale che generalizza la nozione di spazio euclideo. Gli spazi di Hilbert sono
Limitiamoci dapprima a considerare una funzione f di periodo 2π. Cercheremo di approssimarla con polinomi trigonometrici di ordine n della forma
Serie di Fourier L idea che sta alla base degli sviluppi in serie di Fourier è quella di approssimare, in qualche senso, le funzioni (integrabili periodiche per mezzo di funzioni più regolari e/o più facilmente
Derivazione numerica 1
Derivazione numerica 1 A Sommariva Keywords: Derivazione numerica Differenza in avanti Rapporto incrementale simmetrico Estrapolazione Revisione: 5 giugno 019 1 Il problema della derivazione numerica Problema
MATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
Convergenza puntuale ed uniforme delle serie di Fourier
Convergenza puntuale ed uniforme delle serie di Fourier 8 aprile 009 In questi appunti prendiamo in considerazione funzioni di variabile reale che possono assumere però valori complessi. Una funzione F
ANALISI MATEMATICA L-C, B-S
ANALISI MAEMAICA L-C, B-S 25-6 SERIE DI FOURIER MASSIMO CICOGNANI Per la pubblicazione in rete di queste dispense si deve ringraziare Marco Frison che le ha trascritte interamente in Latex 1 Lo spazio
Argomento della lezione N. 2. Argomento della lezione N. 1. Argomento della lezione N. 11. Argomento della lezione N. 12
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2015/2016 1 Argomento della lezione N. 1 Argomento della lezione N. 2 Argomento della lezione N. 11 Argomento della lezione N. 12 Fondamenti assiomatici.
Esame di Metodi Matematici per l Ingegneria Seconda prova in itinere. Gennaio 2018 A.A. 2017/2018. Prof. M. Bramanti Tema A
Esame di Metodi Matematici per l Ingegneria Seconda prova in itinere. Gennaio 18 A.A. 17/18. Prof. M. Bramanti Tema A Cognome: Nome N matr. o cod. persona: Dom 1 Dom Dom 3 Es 1 Es Es 3 Tot. Punti Domande
Modelli e Metodi Matematici della Fisica. S2/AC
Modelli e Metodi Matematici della Fisica. S/AC Filippo Cesi 010 11 Nome Cognome Devo verbalizzare questo esame come (fare una croce): 1 CFU (AA 010-11) 6 CFU (solo anal. funzionale) 6 CFU (solo anal. complessa)
Corso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 3 - CALCOLO NUMERICO DELLE DERIVATE Introduzione Idea di base Introduzione Idea di base L idea di base per generare un approssimazione alla
Registro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2017/2018 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2017 1. Lunedì 25/09/2017, 11 13. ore:
Politecnico di Milano Corso di Analisi e Geometria 1. Federico Lastaria Formule di Taylor Ottobre 2012
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Formule di Taylor Ottobre 2012 Indice 1 Formule di Taylor 1 1.1 Il polinomio di Taylor...............................
1. Mercoledì 27/09/2017, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2017/2018 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2017 1. Mercoledì 27/09/2017,
1. Lunedì 26/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 13 dicembre 2016 1. Lunedì 26/09/2016, 11 13. ore:
Continuità di funzioni
Continuità di funzioni Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 2 novembre 2015 Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva
Corso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 4 - DERIVAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Calcolo numerico delle derivate 2 3 Introduzione Idea di base L idea di base
1. Martedì 27/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2016 1. Martedì 27/09/2016,
Registro delle lezioni
Complementi di Analisi Matematica - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Registro delle lezioni Laura Poggiolini e Gianna Stefani 2 ottobre 2006, 2 ore, LP Il campo dei
25 - 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
1. Martedì 1/10/2013, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2013/2014 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2013 1. Martedì 1/10/2013, 12 14. ore:
Serie di Fourier Richiami di teoria. Funzioni periodiche. Ci poniamo il problema dello sviluppo in serie di Fourier per funzioni f 1 : R R
Serie di Fourier Richiami di teoria Funzioni periodiche Ci poniamo il problema dello sviluppo in serie di Fourier per funzioni f 1 : R R 2π-periodiche. Esempio 1. Consideriamo il prolungamento 2π-periodico
1. Martedì 29/09/2015, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2015/2016 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2015 1. Martedì 29/09/2015, 12 14. ore:
5.3 Alcune classi di funzioni integrabili
3. Si verifichi che per ogni f, g : [a, b] R si ha f g = g + (f g) 0, f g = f + g f g; dedurne che se f, g R(a, b) allora f g, f g R(a, b). [Traccia: si osservi che basta verificare che f 0 R(a, b), e
ANALISI MATEMATICA 3. esercizi assegnati per la prova scritta del 31 gennaio 2011
esercizi assegnati per la prova scritta del 31 gennaio 2011 Esercizio 1. Per x > 0 e n N si ponga f n (x) = ln ( n 5 x ) a) Provare l integrabilità delle funzioni f n in (0, + ). 3 + n 4 x 2. b) Studiare
Funzione derivabile. La derivata.
Funzione derivabile. La derivata. Dati: f I R funzione; I R intervallo aperto ; x 0 I. Definizione (Derivata come limite del rapporto incrementale) Se esiste finito (cioè, non + o ) il limite del rapporto
Prodotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
Serie e Trasformata di Fourier
Serie e Trasformata di Fourier Corso di Analisi Funzionale Prof. Paolo Nistri Cancelli, D Angelo, Giannetti Polinomio di Fourier Si consideri la successione costituita dalle restrizioni delle funzioni
Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]).
Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Equazioni non lineari: esempi. Risoluzione f (x) = 0 con x [a,b] R, f C([a,b]). Esempio 1: equazioni polinomiali p N (x)
Serie di Fourier. Hynek Kovarik. Analisi Matematica 2. Università di Brescia
Serie di Fourier Hynek Kovarik Università di Brescia Analisi Matematica 2 Hynek Kovarik (Università di Brescia) Serie di Fourier Analisi Matematica 2 1 / 37 Polinomi trigonometrici Definizione Si dice
Minimi quadrati in Matlab
Minimi quadrati in Matlab Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 3 gennaio 2019 Alvise Sommariva Minimi quadrati in Matlab 1/ 17 Approssimazione ai
1. Mercoledì 1/10/2014, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2014/2015 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 16 dicembre 2014 1. Mercoledì 1/10/2014, 15 17. ore:
ANALISI UNO (A.A. 2008/2009, Docente: S. Finzi Vita) Programma svolto settimanalmente
ANALISI UNO (A.A. 2008/2009, Docente: S. Finzi Vita) Programma svolto settimanalmente 2-6 Marzo (8 ore) Gli assiomi dei numeri reali. Osservazioni sull assioma di continuità: altre formulazioni e loro
Spazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
Corso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso
Corso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso Marco Bramanti Politecnico di Milano April 20, 2017 Cap. 1. Elementi di analisi funzionale
ANALISI C & Complementi di Analisi Matematica di Base. Prova scritta del 23 gennaio 2007
Prova scritta del 23 gennaio 2007 Esercizio 1. Sia f : R R una funzione misurabile e non negativa; si consideri la successione di funzioni f n (x) = max3f(x) 2n, 0}, x R, n N. Provare che se f è integrabile
Interpolazione 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
Esonero di Analisi Matematica II (A)
Esonero di Analisi Matematica II (A) Ingegneria Edile, 8 aprile 3. Studiare la convergenza del seguente integrale improprio: + x log 3 x (x ) 3 dx.. Studiare la convergenza puntuale ed uniforme della seguente
Argomento della lezione N. 11. Argomento della lezione N. 12. Argomento della lezione N. 13. Argomento della lezione N. 14
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2016/2017 1 Argomento della lezione N. 1 Argomento della lezione N. 2 Argomento della lezione N. 11 Argomento della lezione N. 12 Fondamenti assiomatici.
Anno accademico
Scuola Normale Superiore Ammissione al 4 anno della Classe di Scienze Prova di Analisi per l ammissione alla Laurea Specialistica in Fisica applicata, Informatica, Matematica, Scienze fisiche, Tecnologie
NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
Spazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì , , Metodi Matematici per l ingegneria Ing.
Spazi di Funzioni Docente:Alessandra Cutrì Spazi funzionali Nello studio di fenomeni di estremo interesse applicativo (problemi di controllo, trasmissione e ricezione di segnali ed in generale nella formulazione
ANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
Modelli e Metodi Matematici della Fisica. Esonero 2
Modelli e Metodi Matematici della Fisica. Esonero 2 Cesi/Presilla A.A. 25 6 Nome Cognome penalità problema voto 1 2 3 4 5 6 7 8 penalità ritardo totale coeff. voto in trentesimi (1) (5 pt). Sia V = C 2
6.3 Equazioni lineari del secondo ordine
si supponga di conoscerne una soluzione ψ(x). Si verifichi che con la sostituzione y(x) = ψ(x) + 1, l equazione diventa lineare nell incognita v(x) v(x). Utilizzando questo metodo, si risolva l equazione
Analisi Numerica: quadratura
Analisi Numerica: quadratura S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste In situazioni come queste, si ricorrerà a metodi numerici come quelli che presenteremo per calcolare
Politecnico di Milano Ingegneria Industriale Analisi e Geometria 2
Politecnico di Milano Ingegneria Industriale Analisi e Geometria Preparazione al primo compito in itinere. (a) Mostrare che l insieme B = {b, b, b 3 }, formato dai vettori b = (,, ), b = (,, ) e b 3 =
MODELLI e METODI MATEMATICI della FISICA. Programma dettagliato del corso - A.A
MODELLI e METODI MATEMATICI della FISICA Programma dettagliato del corso - A.A. 2017-18 Lezione 1, 28 febbraio 2018: Introduzione ai numeri complessi. Rappresentazione cartesiana e polare. Radice n-esima
Minimi quadrati. Ángeles Martínez Calomardo e Alvise Sommariva. 4 dicembre Università degli Studi di Padova
Minimi quadrati Ángeles Martínez Calomardo e Alvise Sommariva Università degli Studi di Padova 4 dicembre 2012 Ángeles Martínez Calomardo e Alvise Sommariva Minimi quadrati 1/ 11 Approssimazione ai minimi
Spazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì , , Metodi Matematici per l ingegneria Ing.
Spazi di Funzioni Docente:Alessandra Cutrì Spazi funzionali Nello studio di fenomeni di estremo interesse applicativo (problemi di controllo, trasmissione e ricezione di segnali ed in generale nella formulazione
I teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
Analisi Numerica. Alvise Sommariva. Università degli Studi di Padova Dipartimento di Matematica. 16 settembre 2015
Analisi Numerica Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 16 settembre 2015 Alvise Sommariva Analisi Numerica 1/ 8 Nome del Corso Analisi Numerica (Laurea Triennale
Corso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso
Corso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso Marco Bramanti Politecnico di Milano December 20, 2017 Parte 3. Teoria della misura e dell
Esercizi di riepilogo 2 ( Verifica di analisi funzionale e serie di Fourier)
Esercizi di riepilogo 2 ( Verifica di analisi funzionale e serie di Fourier) Spazi Vettoriali e Funzionali 1. Determinare quali sei seguenti insiemi è uno spazio vettoriale rispetto alle usuali operazioni
3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
Modelli e Metodi Matematici della Fisica. Scritto 1
Modelli e Metodi Matematici della Fisica. Scritto 1 Cesi/Presilla A.A. 2 7 Canale 1 Cesi Presilla Nome Cognome Il voto dello scritto rimpiazza gli esoneri 1 2 3 penalità problema voto 1 2 3 4 5 7 8 penalità
Modelli e Metodi Matematici della Fisica. Scritto 2
Modelli e Metodi Matematici della Fisica Scritto Cesi/Presilla AA 6 7 Canale 1 Cesi Presilla Nome Cognome Il voto dello scritto rimpiazza gli esoneri 1 3 penalità problema voto 1 3 5 6 7 8 9 penalità ritardo
1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
Approssimazione 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
ANALISI MATEMATICA I, Compito scritto del 5/07/2016 Corso di Laurea in Matematica. COGNOME e NOME... MATR T
ANALISI MATEMATICA I, Compito scritto del 5/7/6 Corso di Laurea in Matematica COGNOME e NOME... MATR... 3 4 T Nelle risposte devono essere riportati anche i conti principali e le motivazioni principali.
Parte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
Approssimazione 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
Interpolazione. 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
Esercizi per il corso di Analisi 6.
Esercizi per il corso di Analisi 6. 1. Si verifichi che uno spazio normato (X, ) è uno spazio vettoriale topologico con la topologia indotta dalla norma. Si verifichi poi che la norma è una funzione continua