Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta

Documenti analoghi
Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

5.1 Controllo di un sistema non lineare

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

Laboratorio di Matematica e Informatica 1

Corso di. Gasdinamica II Tommaso Astarita

Specifica, progetto e verifica della correttezza di algoritmi iterativi. Ragionamenti su di un algoritmo. Il metodo delle asserzioni (Floyd)

Leggere i dati da file

4.6 Dualità in Programmazione Lineare

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

Scrivere programmi corretti

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

La sincronizzazione. (Libro) Trasmissione dell Informazione

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Analisi Numerica I, a.a Docente: M.Gaviano

PROVA SCRITTA DI MECCANICA RAZIONALE (13 gennaio 2017) (Prof. A. Muracchini)

Valutazione dei Benefici interni

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

VII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12

La soluzione delle equazioni differenziali con il metodo di Galerkin

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Statistica e calcolo delle Probabilità. Allievi INF

Calcolo della temperatura di uscita dal primo stadio del reattore di conversione del CO per abbattere il tenore di CO fino ad un valore fissato.

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Predimensionamento reti chiuse

2.1 Parabola nella forma canonica

Predimensionamento reti chiuse

3) Entropie condizionate, entropie congiunte ed informazione mutua

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Reti neurali feedforward

Regressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)

Sistemi Intelligenti Stimatori e sistemi lineari - III

Verifica reti con più serbatoi (II)

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Misure dirette utilizzate per il calcolo della misura indiretta X:

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni

Introduzione al Machine Learning

Allora v = v2 =

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Il problema della Propagazione delle Incertezze

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 22 settembre Attenzione:

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi

La teoria del consumo

Misure Topografiche Tradizionali

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 7: 6 marzo 2012

LA VARIABILITA. IV lezione di Statistica Medica

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Quinto test di autovalutazione di ANALISI DEI SISTEMI

Misure Ripetute ed Indipendenti

Algoritmi basati sulla tecnica Divide et Impera

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

MODELLISTICA DI SISTEMI DINAMICI

Introduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni

LABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro

Esercitazioni di Analisi Matematica Prof. A. Bonfiglioli

Modelli di utilità aleatoria

LA CORRENTE ELETTRICA CONTINUA

Geotecnica Esercitazione 1/2013

03/03/2012. Campus di Arcavacata Università della Calabria

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1.

y. E' semplicemente la media calcolata mettendo

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Prova scritta di Elettronica I 26 giugno 2001

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti

Analisi statistica degli errori casuali

Esercizio 1. Esercitazione 14 Dicembre 2012 Sistemi trifase e potenze R 3 R 1 R 2. simmetrico L 1 L 3

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009

Calibrazione. Lo strumento idealizzato

Classificazione di immagini con GRASS

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

Risposta in frequenza

Laboratorio di Matematica Computazionale A.A Lab. 2

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Classificazione di immagini con GRASS

( ) d R L. = ρ. w D R L. L 1 = -a -3 b + c + d T -2 = -a - c Risolvendo il sistema M 0 = a + b. In generale possiamo dire che

B - ESERCIZI: IP e TCP:

V n. =, e se esiste, il lim An

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Le quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

Transcript:

Metod ad un passo esplct con passo adattvo Metod Runge - Kutta Scrvere un programma che approssm l problema d Cauchy: u (t) = f(t, u), t 0 t T, u R d, u(t 0 ) = v per un sstema d equazon dfferenzal ordnare con un generco metodo esplcto ad un passo con passo adattvo; come prmo esempo s utlzz l metodo Runge- Kutta mmerso d Dormand-Prncesche d ordne 5(4). Per ch non avesse dee alternatve, s suggersce d organzzare l lavoro demandandolo alle seguent funzon: (evdenzate n azzurro alcune dfferenze rspetto al caso a passo fsso) l man (è lo stesso del metodo a passo fsso, chama solo una funzone dversa) deve defnre t 0, T, v, τ (prmo valore proposto dall utente), d leggere n nput l eventuale nome del fle su cu stampare valor della soluzone chamare la ODE_step_ad stampare l eventuale errore nello stesso fle, sotto al man, è utle scrvere sa la funzone f(t,u) che defnsce l problema, sa l eventuale funzone che fornsce la soluzone esatta.

la funzone che mplementa un generco metodo esplcto ad un passo con passo adattvo: possble dcharazone vod ODE_step_ad(vod(*effe)(Real*,Real,Real*),Real t,real T,Real v[], nt d, Real tau, vod (*Step_ad)(Real*,vod(*effe)(Real*,Real,Real*),Real, nt,real, Real* ), char *nome_fle, Real errmax[], vod(*sol)(real*,real), ) // // sgnfcato de parametr: // effe funzone f(t,u) che defnsce l problema // t t 0 // T T // v n ngresso v 0, n uscta l approssmazone d u(t) vettore lungo d // d numero d equazon // tau τ // Step_ad funzone che mplementa l sngolo passo d un metodo esplcto ad un passo e stma l errore locale //nome_fle array d caratter che contene l nome d un eventuale fle per le stampe // (parametro opzonale - da porre a zero nel prototpo) // errmax errore massmo su ogn componente - vettore lungo d (parametro opzonale - da porre a zero nel prototpo) // sol eventuale soluzone esatta del problema (parametro opzonale - da porre a zero nel prototpo)

deve: chamare una funzone set_par_ada che defnsca valor de parametr del metodo adattvo (τ max, ρ, q, toll, p); gestre l cclo sul tempo secondo l seguente algortmo (ved anche appunt del corso): whle (t n < T) chama Step_ad che fornsce U = Φ(t n+, t n )U n e la stma dell errore ε n p+ τ = mn (qτ n, τ max, ρ toll ε n τ n ) f(ε n <= toll) t n+ =t n + τ n, U n+ = U, τ n = mn(τ, T- t n+ ) n = n+ eventuale calcolo errore vero e gestone stampe su vdeo o fle else τ n = τ end f end whle

la funzone Step_ad che, nel nostro caso, mplementa l sngolo passo d un metodo Runge-Kutta mmerso e stma l errore locale E un esempo d funzone Step_ad qund le sua dcharazone deve accordars con l elenco d parametr dcharat n ODE_step_ad possble dcharazone vod Runge_Kutta_ad(Real v[],vod(*effe)(real*,real,real*),real t, nt d,real tau, Real *err) // // sgnfcato de parametr: // v n ngresso u n, n uscta u n+ // effe funzone f(t,u) che defnsce l problema // t t n // d numero d equazon // tau τ // *err puntatore alla varable err che conterrà, n uscta, la stma dell errore deve: calcolare l sngolo passo d un metodo Runge-Kutta mmerso u n = un + τf( tn, un, τ ) +, s F( t, u, τ ) = b K ( t, u), dove = K stmare l errore = + + f t cτ, u τ = a j K j s ε n = τ = ( b b ) K ved l eserctazone su metod Runge-Kutta a passo fsso per consgl su come strutturare l lavoro

la funzone che defnsce parametr del metodo a passo adattvo possble dcharazone vod set_par_ad(real *taumax, Real *ro, Real *q, Real *toll, nt *p) assegna valor d τ max, ρ, q, toll, p la funzone che defnsce l problema (ved eserctazone su metod a passo fsso) eventuale soluzone del problema (ved eserctazone su metod a passo fsso) Testare l algortmo sugl esemp ctat nelle eserctazon precedent. Qu allegate le matrc d Butcher d due metod Runge-Kutta d Dormand-Prncesche e, da scarcare dalla pag. web, le due corrspondent funzon che ne defnscono coeffcent