CORSO DI CALCOLO NUMERICO A.A

Documenti analoghi
Matematica elementare art.1 di Raimondo Valeri

Lezione 13. Anelli ed ideali.

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Numeri complessi Pag. 1 Adolfo Scimone 1998

Propagazione di errori

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Lezione 3. Gruppi risolubili.

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Lezione 4. La Variabilità. Lezione 4 1

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Indipendenza in distribuzione

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

FUNZIONI LOGICHE FORME CANONICHE SP E PS

Analisi dei Dati. La statistica è facile!!! Correlazione

Classi di reddito % famiglie Fino a Oltre Totale 100

), mentre l unico intero che divide 0 è 0. Enunciamo alcune proprietà di ovvia dimostrazione.

Capitolo 6 Gli indici di variabilità

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Appunti di. Elaborazione dei dati sperimentali

Caso studio 10. Dipendenza in media. Esempio

MEDIA DI Y (ALTEZZA):

Esercitazione 5 del corso di Statistica (parte 1)

Caso studio 12. Regressione. Esempio

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

Teoria dei Fenomeni Aleatori AA 2012/13

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

Lezione 4. Metodi statistici per il miglioramento della Qualità

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

Lezione 24. Campi finiti.

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

UNIVERSITA' DEGLI STUDI DI PADOVA DIPARTIMENTO DI FISICA "GALILEO GALILEI"

Università della Calabria

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

Capitolo 2 Errori di misura: definizioni e trattamento

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

Esercizi su Rappresentazioni di Dati e Statistica

Variabili casuali ( ) 1 2 n

Dott.ssa Marta Di Nicola

STATISTICA DESCRITTIVA

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

frazione 1 n dell ammontare complessivo del carattere A x

INDICI DI VARIABILITA

Attualizzazione. Attualizzazione

6. LA CONCENTRAZIONE

Lezione 20. Campi numerici ed anelli di Dedekind.

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Leasing: aspetti finanziari e valutazione dei costi

CAPITOLO III SISTEMI DI EQUAZIONI LINEARI

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

Elementi di Statistica descrittiva Parte II

Riassunto di teoria elementare degli errori

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

Lezione 1. I numeri complessi

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Elementi di Statistica descrittiva Parte III

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Geometria delle aree

Rappresentazione dei dati reali e teoria degli errori. N. Del Buono

Esercitazioni 1 - Analisi della tensione

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Premessa. Abbiamo più volte enfatizzato come questo processo di sintesi comporta un prezzo da pagare in termini di perdita di informazioni.

TRATTAMENTO STATISTICO DEI DATI ANALITICI

Regressione e Correlazione

MISURE E GRANDEZZE FISICHE

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Formulario e tavole. Complementi per il corso di Statistica Medica

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i

STUDIO DEL LANCIO DI 3 DADI

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA.

Capitolo 4 Le Misure di Centralità

1. Statistiche descrittive

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU

Google, ovvero: come diagonalizzare Internet

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

Le successioni: intro

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE

Dimostrazione. Sia V la matrice di Vandermonde: V = Risolvere il sistema lineare: Va = y risolvere: p(x i ) = y i dove:

Lezioni di Matematica 1 - I modulo

Appunti sull Aritmetica dei Calcolatori

Elementi di statistica descrittiva Parte III

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

L assorbimento e lo strippaggio

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a

Transcript:

CAPIT-0.DOC Versoe aggorata l goro 08/03/00 CORSO DI CALCOLO NUMERICO A.A. 1999-2000 ( Prof. A. Belle ) CAPITOLO 0 TEORIA DEGLI ERRORI I questo captolo c occuperemo della rappresetaoe de umer real ua base assegata, della loro rappresetaoe approssmata elle utà artmetche de computers e delle coseguee che tale approssmaoe produce ella esecuoe d ua sequea d calcol progettata per rsolvere u dato problema. 1. RAPPRESENTAZIONE POSIZIONALE DEI NUMERI REALI Sa dato u tero B, che chameremo base, ed u seme d B smbol dstt, C={0,1,2,...B-1}, che chameremo cfre della base B, rappresetat prm B umer ter, da 0 a B-1. E' oto che og umero reale x s può rappresetare, ella base B, co l seguete alleameto d cfre d B: x=a a -1...a 0,a -1 a -2... tededo co cò: x=a B +a -1 B -1 +...+a 0 B 0 +a -1 B -1 +a -2 B -2 +... (0.1) La rappresetaoe è uca quado s escluda l'alleameto perodco d perodo cocdete co la cfra massma della base. Ifatt s dmostra faclmete (utlado la somma della sere geometrca) che: 0,(B-1)(B-1)..(B-1) =1 Qud, accordo co la (0.1), ua rappresetaoe perodca d perodo B-1 cocde co la rappresetaoe otteuta cremetado d ua utà la cfra che precede l perodo, seguto dallo ero perodco (che aturalmete o s usa scrvere). Per esempo, ella base 8, s ha 1

2 x=453,6257777... = 453,626000... Quado le cfre che seguoo la vrgola soo tutte ulle l umero è tero, caso cotraro s dce decmale. I og caso l umero y=a a -1...a 0 rappreseta la parte tera d x metre l umero =0,a -1 a -2..., che rsulta sempre <1, e rappreseta la parte decmale. Il umero x è sempre dato dalla somma della sua parte tera co la parte decmale. E' evdete che l carattere tero o decmale d x, ed ache la separaoe della sua parte tera da quella decmale, o dpede dalla base B. D coseguea e camb d base è suffcete trasformare separatamete la parte tera e la parte decmale d x. A tale scopo osservamo che per u umero tero y=a a -1...a 0 s ha: y=a B +a -1 B -1 +...+a 1 B+a 0 =(a B -1 +a -1 B -2 +...+a 1 )B+a 0 da cu, essedo a 0 <B, s deduce che a 0 è l resto della dvsoe d y per B l cu quoete q 0 è dato da: q 0 =a B -1 +a -1 B -2 +...+a 1 A sua volta q 0 =(a B -2 +a -1 B -3 +...+a 2 )B+a 1. da cu s rcava che a 1 è l resto d q 0 /B. Così procededo, fo ad cotrare u quoete more d B, s ottegoo tutte le cfre della rappresetaoe cercata. Per u umero decmale =0,a -1 a -2... =a -1 B -1 +a -2 B -2 +... determaoe delle cfre è dverso. Moltplcado per la base s ha: l algortmo per la B=B(a -1 B -1 +a -2 B -2 +... )= a -1 +(a -2 B -1 +a -3 B -2 +... ). Essedo evdetemete (a -2 B -1 +a -3 B -2 +... )<1, la cfra a -1 rappreseta la parte tera del prodotto B, metre r 1 =a -2 B -1 +a -3 B -2 +... 2

3 e rappreseta la parte decmale. Aalogamete a -2 è otteuto come parte tera d Br 1 e così d seguto. I umer decmal s dstguoo perodc e o perodc. A loro volta umer perodc possoo essere dvs tra quell d perodo 0, e qud ft, e gl altr, ma quest ultma o e ua suddvsoe sgfcatva de umer. Ifatt e cambamet d base valgoo le seguet proposo: Se x è raoale, allora è perodco qualuque base. Se x è perodco ( qualche base) allora è raoale. D coseguea u umero perodco rmae tale qualuque base. La perodcta o è duque ua caratterstca della rappresetaoe ma dpede dalle propreta algebrche del umero. x raoale x perodco. I geerale o vee però coservato l carattere fto de umer perodc. S pes per esempo al umero x=1/3 che base 10 s esprme co 0,3333...ed base 3 co 0,1 (ma rcordamoc che 0,1 o e che l abbrevaoe coveoale d 0,1000..). 2. RAPPRESENTAZIONE "FLOATING POINT" E NUMERI DI MACCHINA E' evdete che la moltplcaoe o la dvsoe d u umero x per la sua base d rappresetaoe ha l'effetto d spostare la vrgola d ua posoe a destra o, rspettvamete, a sstra ella sua rappresetaoe posoale. Per esempo: x=a a -1...a 0,a -1 a -2... Bx=a a -1...a 0 a -1,a -2... D coseguea og umero reale x, eccetto lo ero, s potra rappresetare come: x=±b p b 0,b 1...b... co b 0 0 per ua opportua scelta dell'espoete p. Tale rappresetaoe de umer real è detta rappresetaoe ormale. Il umero p è detto espoete ed l umero b 0, b 1...b... è detto matssa d x. 3

4 Ne calcolator elettroc la base pù comuemete usata è B=2 e le cfre soo dcate co 0 ed 1. A volte s usao altre bas, ma le cfre relatve a queste bas soo sempre espresse forma bara (rappresetaoe msta). Per esempo base B=10 l umero x=945 sarà rappresetato attraverso la sequea delle sue tre cfre espresse forma bara: 1001 (=9), 0100 (=4), 0101 (=5): x= 1001 0100 0101. E' evdete lo spreco d memora t tale rappresetaoe msta ella quale og cfra, per essere espressa base 2, ha bsogo d 4 poso. Queste 4 poso o sarao ma sfruttate tutte le loro possbl cofgurao, pochè la cfra massma è 1001 (=9). Se la base è ua potea d 2, B=2 p allora la rappresetaoe msta è ottmale e cocde co quella base 2. Ad esempo base B=8 (p=3) cosderamo l umero x=537= 5 8 2 +3 8 1 +7 Le sue cfre, espresse forma bara, ecesstao d 3 poso e soo: 101 (=5) 011 (=3) 111 (=7) La rappresetaoe msta sarà duque: x=101 011 111. La stuaoe è ottmale quato le cfre della base 8 soo espresse da tutte e sole le tere d cfre bare E' facle verfcare che tale alleameto d cfre bare è lo stesso della rappresetaoe d x base 2. A tale scopo s osserv che 8=2 3 e potee d 2, s ha: 8 2 =2 6 e, svluppado le cfre d x x= (101) 2 6 +(011) 2 3 +(111)=(1 2 2 +0 2+1)2 6 +(0 2 2 +1 2+1)2 3 +(1 2 2 +1 2+1) = 1 2 8 +0 2 7 +1 2 6 +0 2 5 +1 2 4 +1 2 3 +1 2 2 +1 2+1. Qud l passaggo d x da base 2 a base 2 p s ottee drettamete raccogledo le cfre d x a grupp d p a partre dalla fe, ed esprmedo og gruppo co la corrspodete cfra della base 2 p 4

5 ESEMPIO: da base 2 a base 8 x= 11111101001 { { { { x= 3 7 5 1 ESEMPIO: da base 2 a base 16(=2 4 ). Suppoamo che le cfre della base 16 sao (0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F) x=1000111100101011 123 123 123 123 x= 8 F 4 B Poche regstr delle utà artmetche e dspostv d memora d u calcolatore cosetoo l'allocaoe d u umero fto d cfre bare o s possoo, geerale, memorare tutte le cfre preset ella rappresetaoe ormale del umero. Vegoo qud assegate delle poso d memora per l sego, per l'espoete e per la matssa del umero. Schematamo, per l mometo, la rappresetaoe del umero ella forma: sego espoete matssa L'seme M de umer rappresetabl tal modo su u determato calcolatore soo dett umer d maccha e la loro rappresetaoe, detta rappresetaoe vrgola moble o floatg pot, e del tpo: =±B p b 0,b 1...b t co b 0 0 Ovvamete M e u sottseme fto de umer real e s osserv che la dstaa tra due umer d maccha successv o e costate ma dpede dal umero stesso. Ifatt, detto l umero d maccha successvo a modulo s ha: = ±B p ( b 0,b 1...b t +0,0 1). - = B p 0,0 1 = B p-t Og calcolatore adotta ua partcolare rappresetaoe per propr umer d maccha e la fuoe che assoca al umero reale x l umero d maccha che lo rappreseta o che lo approssma vee dcata geercamete co =fl(x). 5

6 -------------------------------------------------------------------------------------------- Stadard IEEE L'ampea dello spao dedcato all'espoete ed alla matssa, oche le modalta della loro memoraoe, vara da calcolatore a calcolatore e e rappreseta ua caratterstca fodametale. Ua cofguraoe molto dffusa è quella stablta dallo stadard dell'ieee (Isttute of Electrcal ad Electroc Egeers) che assega u'area d 32 poso per la semplce precsoe e 64 per la doppa precsoe così dstrbute 1 posoe per l sego 8 o 11 poso per l'espoete 23 o 52 poso per la matssa. Nella semplce precsoe, le 8 poso bare dedcate all'espoete cosetoo d rappresetare umer da 0 a 2 8-1=255. I realtà gl estrem 0 e 255 soo rservat ad altr scop e qud umer utl soo compres tra 1 e 254. Se p è l'espoete della rappresetaoe ormale d x, ell'area oggetto verrà allocato l umero q=p+127. D coseguea p può varare tra -126 e 127. Per quato rguarda la matssa della rappresetaoe floatg pot d x, poche la parte tera e sempre 1, ello spao ad essa dedcato verra memorata solo la sua parte decmale. Pochè base 2 la matssa pù pccola è 1.00000...0 e la pù grade è 1.11111...1 (<2), l pù pccolo umero postvo rappresetable è 2-126 metre l pù grade è quas 2 128. Aalogamete el caso della doppa precsoe. Se durate le operao s va al d sotto o al d sopra d tal valor, l'utà artmetca segala rspettvamete errore d uderflow o overflow. Lo ero e rappresetato dalla sequea d 32 o 64 er. ---------------------------------------------------------- Se le cfre decmal della matssa d x soo umero superore a t dobbamo operare qualche approssmaoe per la sua memoraoe. Tra var mod d operare c soo sostaalmete 2 stratege, quella del trocameto e quella dello arrotodameto. Sa x =± 2 p 1,b 1...b t b t+1... l umero reale da memorare. Il trocameto cosste semplcemete el trascurare tutte le cfre decmal della matssa successve alla t-esma. Avremo qud: 6

7 tr(x)=± 2 p 1,b 1...b t e la sua memoraoe el regstro sarà: ± q b 1...b t co u errore x-tr(x) 2 p-t L'arrotodameto vece è defto el seguete modo: arr(x)=± 2 p 1,b 1...b t se b t+1 =0 arr(x)=± 2 p (1,b 1...b t +0,0 1) se b t+1 =1 I altre parole arr(x) e defto come l trocameto =tr(x) se la t+1 esma cfra è 0 oppure l umero d maccha successvo d tr(x) se la t+1 esma cfra è 1, e pu precsamete, quello de due che e pù vco ad x. Qud l errore sara al pù par alla metà della dstaa tra l umero e l suo successvo ( ). S osserv che, rspetto a modul, el prmo caso s ha ua approssmaoe per dfetto ( seso debole), el secodo per eccesso ( seso forte). I quest'ultmo caso s ha: arr(x)=± 2 p 1,b 1...b t ± 2 p 0,0...1 = ± 2 r 1,a 1...a t e la sua schemataoe sarà: sego espoete a 1...a t I umer tr(x) e arr(x) soo dett etramb rappresetao vrgola moble (floatg pot) del umero x. L'seme de umer rappresetabl su u determato calcolatore soo dett umer d maccha. Og calcolatore adotta ua rappresetaoe per propr umer d maccha e la fuoe che assoca al umero reale x l umero d maccha tr(x) oppure arr(x) vee dcata geercamete co fl(x) (approssmaoe: floatg pot del umero reale x). Voglamo ora aalare l'errore che s compe el sostture x co fl(x). Come abbamo ga osservato, rspetto a modul l trocameto è u'approssmaoe sempre per dfetto, metre ell'arrotodameto l tpo d approssmaoe dpede dalla prma cfra trascurata. Per quato rguarda l modulo dell'errore s ha: 7

8 x - tr(x) = 2 p 1,b 1...b t b t+1... - 2 p 1,b 1...b t = 2 p 0,0...0b t+1... 2 p-t x-arr(x) 1 - tr(x) 2p-t-1. 2 L ultma relaoe e gustfcata dal fatto che arr(x) e dato da tr(x) o dal suo successvo I geerale: -fl() ρ2 p-t 1 dove ρ= 1 2 el trocameto ell'arrotodameto L'errore dpede duque o solo dalla lughea t della matssa ma ache da p, coè dall'orde d gradea del umero. Per quato rguarda vece l'errore relatvo, pochè 2 p, s ha: -fl() ρ2 -t La quattà ε :=ρ2 -t è detta precsoe d maccha o epslo d maccha o utà d arrotodameto ed è u parametro caratterstco del calcolatore. I coclusoe la relaoe che lega u umero reale alla sua rappresetaoe fl() è: fl()=(1+u) co u ε (0.2) S vede faclmete che ε rappreseta l pù pccolo umero reale che sommato ad 1 da come rsultato u umero floatg maggore d 1. La cooscea d questo parametro è esseale per u cotrollo della propagaoe dell'errore ell'esecuoe de var algortm che vedremo el corso. L'epslo d maccha s può calcolare co l seguete algortmo: e=1 =0 whle 1+e > 1 e=e/2 =+1 ed prt (-1,2 * e) ed I valor output -1 e 2 * e soo rspettvamete l umero delle cfre decmal della matssa e l'epslo d maccha. La doppa precsoe dello stadard IEEE forsce l valore ε=2-52 =2.22044... 10-16. 8

9 3. OPERAZIONI DI MACCHINA E PROPAGAZIONE DEGLI ERRORI. E' charo che umer d maccha o soo u seme chuso rspetto alle operao elemetar. Coè l rsultato d ua operaoe artmetca tra due operad apparteet all'seme de umer d maccha o è ecessaramete u umero d maccha. Se per esempo s moltplca per 2 l pù grade umero d maccha ammssble l rsultato o sarà certamete u umero d maccha. Se s esegue la dvsoe d 1 per 3, pur essedo etramb gl operad umer d maccha l rsultato o lo è. Il prodotto d due umer co t cfre decmal è, geerale, u umero co 2t cfre decmal, e così va. Detta x y ua geerca operaoe tra due operad pres ell'seme de umer d maccha ( :M R, dove M è l seme de umer d maccha), dchamo co x y l rsultato forto dall'utà artmetca. Nell'esegure u'operaoe, che chameremo operaoe d maccha (*:M M), s commetterà geerale u'errore rspetto all'operaoe. Tale errore dpede dalla lughea de regstr dell'utà artmetca che possoo essere lugh fo al doppo de regstr d memora. Per le ostre aals faremo la seguete potes d lavoro: x y= fl(x y) I altre parole, ua operaoe d maccha cocde co l'approssmaoe floatg del rsultato dell' operaoe esatta. L'errore relatvo sarà, base alla (0.2), x y-x y =u co u ε. x y Qud ua sgola operaoe tra umer d maccha da luogo ad u errore relatvo dell'orde d ε ed è qud accettable dal puto d vsta dell'approssmaoe. Se però l rsultato d questa operaoe è a sua volta l dato d ua operaoe successva, l'errore sul dato s propagherà el rsultato fale. La msura d tale propagaoe dpederà da quato la secoda operaoe è sesble alle perturbao su dat. S cosdero per esempo le seguet formule, che possoo essere terpretate come tat algortm per l calcolo dello stesso umero: 2 1 2 + 1 = 99 70 2 = 3 = ( 2 1) 6 = ( 3 2 2) 3 = ( 2 7) 2 1 ( 2 + 1) 6 = 1 99 + 70 2 5 = = 0.0050506339... 9

10 Tutte rchedoo l calcolo prevetvo d 2 (=1,4142135...) che sarà ecessaramete dato forma approssmata. Suppoamo oltre che calcol ecessar per og formula sao esegut sea errore. Per esaltare l'effetto voluto cosderamo le seguet approssmao d 2 : 2 1.4 co errore relatvo u=0,01 2 1.414 co errore relatvo u=0.00015 S ottegoo seguet valor: 2 1.4 errore relatvo 1 2 1 2 + 1 ( 2 1) 6 2 ( 2 2) 3 3 3 ( 5 2 7) 2 4 3 2 1.414 errore relatvo 0,00463 0,1 0,0050441 0,002 0,004096 0,2 0,0050349 0,002 0,008 0,6 0,0050884 0,006 0 1 0,0049 0,002 5 99 70 2 1 200 0,02 3 1 ( 2 + 1) 6 6 7 0,00523 0,05 0,0050533 0,0006 1 99 + 70 2 0,0050761 0,0052 0,0050510 0,000074 Dalla precedete tabella s osserva che lo stesso errore sul dato 2 produce effett molto dvers sulle vare formule proposte. Alcue d esse rducoo l'errore sul dato, altre lo amplfcao eormemete. Le formule 5 e 7 soo rspettvamete la pù stable e la pù stable rspetto alle perturbao sul dato 2. I partcolare la formula 5 amplfca l'errore relatvo su 2 d u fattore 20.000 metre la formula 7 lo rduce d u fattore 0,5. Per capre l'orge d tale dverstà d comportameto, basta terpretare le 7 formule proposte come valor delle seguet fuo el puto x= 2 : x x 1 + 1 3 ; ( x 1) 6 ; ( 3 2x) 3 ; ( 5x 7) 2 ; 1 99 70x ; ( ) 6 x + 1 ; 1 99 + 70x E' charo che la formula corrspodete alla fuoe che possede la dervata x= grade, è quella che maggormete propaga l'errore sul dato. 2 pù Suppoamo pù geerale d avere de dat x 1, x 2,..,x ed ua fuoe d quest ultm che dcheremo co 10

11 =f(x 1, x 2,..,x ). Suppoamo ora d perturbare dat e d calcolare la fuoe f su dat perturbat: = f(x1,x2,...,x ) dove: x 1 =x1 (1+ε 1 ) x 2 =x2 (1+ε 2 )... x =x (1+ε ) Per effetto d tal perturbao su dat, otteamo ua perturbaoe relatva sul rsultato del tpo. Rguardo alla relaoe tra queste perturbao, damo la seguete defoe: Defoe: Dremo che l problema =f(x 1, x 2,..,x ) è stable (o be posto) se la perturbaoe sul rsultato è dello stesso orde d gradea delle perturbao su dat. Per ua stma della quattà - trocato a term del prm'orde: cosderamo lo svluppo d Taylor della fuoe f = f(x1,x2,...,x f f f ) = f(x1, x 2,..,x ) + x 1 ε 1 + x x 2 ε 2 +...+ x 1 x ε 2 x f f f = + x1 ε 1 + x x 2 ε 2 +...+ x 1 x ε 2 x - = x 1 f ε x 1 + x 2 1 f x 2 ε 2 +... + x f x ε Otteamo cos la seguete stma dell'errore relatvo su fuoe degl error relatv su dat: - =K 1 ε 1 + K 2 ε 2 +... + K ε dove umer K 1 = x 1 codoameto del problema. f, K x 2 = x 2 f... 1 K x = x f 2 x soo dett dc d 11

12 Gl dc K rappresetao fattor d amplfcaoe delle perturbao relatve su dat. Se K 1 dremo che l problema è stable o be posto, metre se qualche K >> 1 dremo che l problema è stable o mal posto. Cosderamo acora la formula 5 dell'esempo precedetemete trattato ed osservamo che la corrspodete fuoe 99-70x ha, x= 2, la dervata uguale a -70 e qud l'dce d codoameto è 2 70 K 0.00505... 20000 che corrspode esattamete all'amplfcaoe dell'errore che avevamo gà osservato. Ache per la formula 7 la precedete aals dffereale forsce u dce d codoameto perfettamete adeguato a rsultat della tabella ( K =0.5). Il lettore verfch che la moltplcaoe e la dvsoe soo operao be poste per og coppa d operad, metre la somma è be posta per operad d sego uguale. Per quado rguarda vece la somma d added dscord, coè la sottraoe, essa può essere mal codoata. Ifatt, dett e = x + y =x(1+εx ) + y(1+ε y ), s ha: =x+xεx + y + yε y = + xε x + yε y = x εx + y εy Se x ed y soo d sego opposto almeo uo degl dc d codoameto x/(=k 1 ) e y/(=k 2 ) è maggore d 1 e possoo essere grad quado la somma è pccola rspetto agl added. La sottraoe tra addet quas ugual è duque l'uca operaoe elemetare che rsulta stable S osserv che questo è esattamete cò che accade ella formula 5 degl esemp precedet. Cosderamo pù geerale u algortmo coè ua sequea ordata d operao elemetar co le qual s ottee la soluoe d u determato problema. Sccome og operaoe della sequea verrà eseguta come operaoe d maccha, 12

13 og passo d questa sequea da orge a due compoet d errore. La prma è dovuta all'approssmaoe delle operao d maccha e, accordo co la ostra potes d lavoro, o supera l'utà d arrotodameto. I qualche caso questa compoete d errore può essere ulla. La secoda, pù mportate e "percolosa", è dovuta alla propagaoe dell'errore accumulato fo al passo precedete. Essa dpede esclusvamete dalla atura stable o stable dell'operaoe che s compe el passo cosderato. Per meglo afferrare questo puto cosderamo l seguete esempo. Sa dato l problema =a + b + c per l quale cosderamo due possbl algortm: 1 algortmo: = (a + b) + c 2 algortmo: = a + (b + c) L'aals dell'errore el prmo algortmo forsce: ξ = fl(a + b) = (a + b)(1 + ε 1 ) = fl(ξ + c) = (ξ + c)(1 + ε2 ) ε 1 ε ε 2 ε da cu s ottee, trascurado l terme ε 1 ε 2 : = ((a + b)(1 + ε1 ) + c)(1 + ε 2 )= + (a + b)ε 1 + ε 2 (0.3) - = a + b ε 1 + ε 2 Per l secodo algortmo s ottee ua aaloga stma dell'errore relatvo del tpo: ' - = b + c ε' 1 + ε' 2 co ε' 1 ε e ε' 2 ε. E' evdete che tra due algortm è pù stable quello corrspodete al pù pccolo tra gl dc d codoameto a + b e b + c. S eseguao calcol e l'aals dell'errore de due algortm su seguet dat: a = 0,14254679 10-2 b =-0,18437533 10 2 c = 0,18436111 10 2. 13

14 Complemet alla teora degl error U approcco geerale per l'aals dell'errore d u algortmo applcato ad u assegato problema è forto dalla seguete aals all'detro. Essa s basa sul fatto che u algortmo per l calcolo d =f(x 1, x 2,..,x ) eseguto co operao d maccha forsce u rsultato effettvo corrspodete al valore esatto della fuoe f calcolata su dat perturbat x =x (1+ε ): = f(x1,x2,...,x ). L'aals all'detro cosste ello stmare valor ε term dell'utà d arrotodameto: ε =c ε. I umer c soo chamat dc d codoameto dell'algortmo. Defoe: U algortmo s drà stable o be codoato se forsce la soluoe esatta d u problema perturbato co error relatv ε dell'orde d gradea dell'utà d arrotodameto. Ua volta eseguta l'aals all'detro s esegue l'aals della stabltà del problema fuoe delle perturbao ε su dat. S ottee così la stma dell'errore: - =K 1 ε 1 + K 2 ε 2 +... + K ε =(K 1 c 1 + K 2 c 2 +... + K c )ε Co questa aals s può dstguere la stabltà o stabltà del problema da quella dell'algortmo. Nell'esempo precedete s vede, dalla (0.3), che l prmo algortmo equvale al calcolo d : = a(1 + σ) + b(1 + σ) + c(1+ε2 ) co σ 2ε e ε 2 ε metre l secodo equvale a: ' = b(1 + σ') +c(1 + σ') + a(1+ε'2 ) co σ' 2ε e ε' 2 ε 14

15 Gl algortm appaoo etramb stabl quato forscoo la somma esatta d tre added affett da ua perturbaoe o superore a 2ε. Quado s va però ad aalare l'effetto d tal perturbao sul problema =a+b+c s ottee: a + b σ + c = 2 ε 2 b + c a = σ ' + ε ' 2 per l prmo algortmo per l secodo algortmo. Rspetto a tal perturbao su dat, l problema può essere be o mal codoato, a + b b + c c a dpede dagl dc d codoameto,, e. Per valor propost d a,b e c l problema è mal codoato ed a cò è dovuta la dsastrosa propagaoe dell'errore che s rscotra. I partcolare s osserv che l prmo algortmo è peggore del secodo. Come applcaoe della teora svolta, suppoamo d voler calcolare l valore del polomo: p(x)=a x +a -1 x -1 +...+a 1 x+a 0 Cò può essere fatto sostaalmete due mod, attraverso lo schema aturale e lo schema d Horer. Schema aturale: dat: x, a 0,..., a s=1 p=a 0 per =1,2,..., fe scrv p s=s x p=p+a s Il costo computaoale è d somme e 2 moltplcao. 15

16 Schema d Horer: Il metodo d Horer s basa sul fatto che l polomo p(x) può essere scrtto ella seguete forma: p(x)=(..(((a )x+a -1 )x+a -2 )x+...+a 1 )x+a 0 da cò s rcava lo schema: dat: x, a 0,..., a p=a per =1,2,..., fe scrv p p=p x+a - U prmo vataggo dell'algortmo d Horer cosste el more costo computaoale che s rduce a somme ed moltplcao. Il prcpale vataggo però sta ella sua maggore stabltà rspetto allo schema aturale. Per vedere cò eseguamo le aals all'detro. Aals all'detro dello schema aturale: Idcado come al solto co f(w) l rsultato d maccha della fuoe f(w), s vede che l'ultmo passo dell'algortmo aturale è: Pochè : = 0 ax -1-1 = fl a ( ( ) x + fl a fl x x = 0-1 a x = 0 + fl a -1 a x = 0 + a fl x x -1 = 0 = -1 ( fl( x x ) ( 1+ ε ) -1 ( ( ))( 1+µ ) ( 1 ε ) + a x + -1 ( a x x )(1+ ρ )( 1+ µ ) ( 1+ ε = = ) 16

17-1 -2 x = x x ( 1ρ-1) =...= x ( 1ρ2)...( 1ρ -1) -1 s ottee: = 0 ax = -1 = ax + ax ( 1+ ρ2 )( 1+ ρ3 )...( 1+ ρ )( 1+µ ) ( 1+ ε ) 0 dove tutte le perturbao preset soo d modulo ferore all'utà d arrotodameto ε. Per semplfcare la otaoe ed calcol, suppoamo che per og prodotto d k perturbao d questo tpo s abba: k-1 (1+ λ ) ( 1+ kε). =0 S ottee qud: = 0 ax = -1 a x ( 1+ ε) a x ( 1+ ( +1) ε) 0 + Applcado rcorsvamete la formula appea trovata s ha: -1 = 0 ax dalla quale s ottee: = 0 ax = -2-1 a x ( 1+ ε) a x ( 1+ ε) 0 = -2 + -1-1 a x ( 1+ 2ε) + a x ( 1+ ( +1) ε) a x ( 1+ ( +1) ε) 0 Cotuado co le sosttuo s trova: = 0 ax -1 + 2 a ( 1+ ε) a x( 1+ ( +1) ε) + a x ( 1+ ( +1) ε) +... a x ( 1+ ( +1) ε) 0 1 2 + +. Abbamo qud scoperto che gl error d arrotodameto el metodo aturale hao l'effetto d produrre l valore, ello stesso puto x, d u polomo p'(x)=a' x +a' -1 x -1 +...+a' 1 x+a' 0 co coeffcet perturbat secodo le stme: a' 0 a 0 (1+ε) a' a (1+(+1)ε) =1,2,..., 17

18 Aals all'detro dello schema d Horer: Aalogamete a quato fatto per lo schema aturale, l'ultmo passo del cclo dello schema d Horer è: p = fl( a fl( x ) 0 p -1 co le stesse semplfcao del caso precedete, s ottegoo le stme: I modo aalogo s trova: da cu: p ( a0 fl( x p -1 ) ( ( x p )(1+ )) (1+ε) a 0-1 ε (1+ε) a (1+ ε) + x p (1+ 2 ε). 0-1 p -1 a(1+ ε) + xp (1+2) ε 1-2 p a (1+ ε) + x a (1+3 ε) + x p (1+4 ε ). 0 1 2-2 Procededo modo rcorsvo s ottee fe che lo schema d Horer equvale al calcolo esatto, ello stesso puto x, d u polomo p'(x)=a' x +a' -1 x -1 +...+a' 1 x+a' 0 co coeffcet perturbat secodo le stme: a' a (1+(2+1)ε) ì=0,1,...,-1 a' a (1+2ε). Per cocludere l'aals della stabltà e per poter fare u cofroto tra due schem occorre studare la stabltà del valore del polomo p(x) rspetto alle perturbaoe su coeffcet. L'aals dffereale per l polomo p, vsto come fuoe de suo coeffcet: p(x)= f(x,a 0,a 1,...,a ) 18

19 rspetto al polomo perturbato p(x)=f(x,a 0 (1+ε 0 ),a 1 (1+ε 1 ),...,a (1+ε )) forsce: p - p p = a 0 p f ε a 0 + a 1 0 p f ε a 1 +... + a 1 p f a ε = p 1 (a0 ε 0 +a 1 ε 1 x +...+a -1 ε -1 x -1 +a ε x ) dove ε soo le perturbao relatve su coeffcet. Per lo schema aturale s ha: p - p p = ε p (a 0 +(+1)(a 1 x +...+a x )) metre per lo schema d Horer s ha: p - p p = ε p (a 0 +3a 1 x +5a 2 x2...+(2-1)a -1 x -1 +2a x )). Dal cofroto s osserva che, sebbee per valor grad d x lo schema aturale appare geerale leggermete pù stable, lo schema d Horer è molto pù stable per valor d x pccol. Ioltre accade che elle comu applcao, qual le approssmao sere d potee, coeffcet de term d grado alto soo pccol e cò rduce l'evetuale vataggo dello schema aturale. 19

20 20