Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame

Documenti analoghi
ISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB

Raccolta di Esercizi d esame ( di Calcolo Numerico) Prof. Laura Pezza. Equazioni non lineari

Calcolo Numerico Informatica Manolo Venturin A.A Guida all esame

2. Costruire un M function file di Matlab che calcola il valore del

Quale delle seguenti rappresentazioni del numero reale è in virgola mobile normalizzata?

2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:

Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie

Capitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo

Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari

A.A Prof. R. Morandi

Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a Prof. B.Paternoster

Integrazione numerica

CORSO DI LAUREA IN INFORMATICA CALCOLO NUMERICO Primo esonero - 20 Novembre

Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A

Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia

Elaborazione aut. dei dati

Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =

Corso di Matematica per la Chimica

Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013

Esercizio 1. Esercizio 2

Calcolo Numerico con elementi di programmazione

Facoltà di Scienze MM.FF.NN. Corso di Studi in Matematica- A.A Corso di ANALISI NUMERICA 1: Esempi di esercizi svolti

Gli errori nella risoluzione di un problema

Corso di Analisi Numerica - AN410. Parte 5: formule di quadratura. Roberto Ferretti

Alcuni esercizi in preparazione all appello scritto di Calcolo Numerico

Corso di Calcolo Scientifico

Capitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo. x k+1 = (x k ), k =0, 1,...,

Annamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su

Calcolo Numerico con elementi di programmazione

Corso di Matematica per la Chimica

Una Libreria di Algebra Lineare per il Calcolo Scientifico

Esercizi svolti di Calcolo Numerico. C. Fassino

Universita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni

RICHIAMI PER IL CORSO DI ANALISI NUMERICA

Corso di Matematica per la Chimica

Calcolo Numerico per Ingegneria. Corso estivo di Bressanone. Prof. L. Bergamaschi SOLUZIONE DELLA PROVA SCRITTA del

GLI ERRORI. Problema. valutare l'accuratezza del risultato di un calcolo e quindi l'affidabilità del risultato stesso. Prof.

Università Politecnica delle Marche - Facoltà di Ingegneria Ing. Informatica e Automatica - Ing. Logistica e Produzione

CALCOLO NUMERICO. Rappresentazione virgola mobile (Floating Point)

Introduzione al Calcolo Scientifico

1 Esercizi relativi al Capitolo 1

A. Quarteroni R. Sacco R Saleri MATEMATICA NUMERICA. Springer

Interpolazione. Corso di Calcolo Numerico, a.a. 2008/2009. Francesca Mazzia. Dipartimento di Matematica Università di Bari.

Corso di Analisi Numerica

Problema numerico. Relazione funzionale chiara e non ambigua tra dati iniziali e la soluzione. Dati iniziali e soluzione sono due vettori finiti

Distribuzione Normale

Laboratorio di Matematica Computazionale A.A Lab. 9

1 a Prova parziale di Analisi Matematica I (A) 16/11/2007

Corso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore

Corso di Analisi Numerica

Sistemi sovradeterminati

Numeri fixed point. La rappresentazione dei numeri interi: i numeri fixed point. Rappresentazione fixed point di un intero positivo N

Derivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)

Il metodo di Galerkin Elementi Finiti Lineari

1 Schemi alle differenze finite per funzioni di una variabile

Approssimazione di dati e funzioni

Interpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,

Distribuzione normale

Approssimazione di dati e funzioni

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a

Corso di Matematica per la Chimica

1 Risoluzione di sistemi lineari

Corso di Laurea in Ingegneria Informatica Anno Accademico 2012/2013 Analisi Matematica 1

Corso di Laurea in Ingegneria Gestionale Anno Accademico 2013/2014 Calcolo Numerico

Progetto Matlab N 2. Calcolo Numerico 6 CFU. Corso di Laurea in Ingegneria delle Comunicazioni 31/05/2014

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale

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

Autovalori ed autovettori di una matrice

Cancellazione numerica e zeri di funzione. Dott. Marco Caliari

Corso di Analisi Numerica

Tutorato di Chimica Analitica 2016/2017

COMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005

Nucleo Fondante Competenze-Conoscenze-Abilità Contenuti Metodi Materiali - Strumenti Raccordi disciplinari

Raccolta di esercizi di Calcolo Numerico

Corso di Calcolo Numerico

Regola dei trapezi. a, b punti fissi a priori. non fissi a priori (indeterminati) errore di integrazione. a, b

Corso di Calcolo Numerico

Note del corso di Laboratorio di Programmazione e Calcolo: Analisi della stabilità e della complessità computazionale di un algoritmo

MATEMATICA GENERALE Prova d esame del 4 giugno FILA A

Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a

1. Martedì 27/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità

Corso di Calcolo Numerico

COMPETENZE al termine della scuola secondaria di 1 grado (dalle Indicazioni Nazionali)

Corso di Calcolo Numerico

Simulazione. D.E.I.S. Università di Bologna DEISNet

Corso di Calcolo Numerico

Quali condizionisi si possono richiedere sulla funzione interpolante?

Corso di Calcolo Numerico

Corso di Calcolo Numerico

MAPPA DELLE COMPETENZE CODICE ASSE: PRIMO ANNO SECONDO ANNO

Aritmetica in Floating Point

INTERPOLAZIONE. Francesca Pelosi. Dipartimento di Matematica, Università di Roma Tor Vergata. CALCOLO NUMERICO e PROGRAMMAZIONE

Metodi computazionali per i Minimi Quadrati

CURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI. Scuola Secondaria di Primo Grado Matematica -

Università di Foggia - Facoltà di Economia. Prova scritta di Matematica Generale - Vecchio Ordinamento - 04 giugno 2002

Motivazioni. Sistemi lineari. Obiettivo. Il problema

L errore percentuale di una misura è l errore relativo moltiplicato per 100 ed espresso in percentuale. Si indica con e p e risulta: e ( e 100)%

OBIETTIVI DI APPRENDIMENTO DI MATEMATICA-SCUOLA SECONDARIA DI PRIMO GRADO

Transcript:

1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione finita: I : β = 10, t = 5, e min = 9 e max = 9. (a) Calcolare, in I, nell ipotesi in cui I sia caratterizzato dalla tecnica dell arrotondamento, i numeri seguenti: i. l epsilon macchina, ɛ; ii. la massima accuratezza relativa u; iii. ɛ x F, epsilon macchina relativo a x = 0.326718 10 2. (b) Illustrare, brevemente, il significato di ciascuna grandezza, in un sistema aritmetico a precisione finita. 2. Si supponga assegnata una matrice T, quadrata, di dimensione n, tridiagonale. (a) Qual è la complessità di tempo asintotica, richiesta da un algoritmo che esegue la fattorizzazione LU, senza pivoting, sfruttando la particolare struttura della matrice? (b) Quale sarebbe la complessità di tempo asintotica per la risoluzione di un sistema lineare avente T come matrice dei coefficienti? (c) Quale sarebbe la complessità di tempo asintotica per il calcolo dell inversa di T? 3. Sia assegnato l insieme di dati: {(x i, y i )} i=1,...,n (1) (a) Qual è il grado dell unico polinomio di Lagrange, interpolante gli n nodi? (b) Si consideri la formula di Newton per la costruzione del polinomio interpolante di Lagrange. Si descriva, brevemente, almeno uno schema di costruzione per la Tavola delle differenze divise. (c) Quali posizioni occupano, nella tavola, i coefficienti del polinomio interpolante? (d) Calcolare la complessità di tempo richiesta dall algoritmo per il calcolo dei coefficienti. (e) Descrivere una strategia implementativa efficiente, in termini di complessità di spazio, per la memorizzazione dei coefficienti del polinomio interpolante.

2 (f) Se si aggiunge un nodo all insieme dei dati, come si rappresenta la formula di Newton per il polinomio di Lagrange, interpolante gli n + 1 nodi, in funzione del polinomio interpolante gli n nodi? 4. Calcolare l indice di condizionamento relativo, C(f, x), della funzione f: f(x) = ln(x) x > 0, e specificare se il problema della valutazione di f in x = 1.05 risulta ben condizionato. 5. Considerato un sistema aritmetico a precisione finita: I : β = 10, t = 4, e min = 12 e max = 12 eseguire la sottrazione f.p. tra i due numeri seguenti: 0.1234 10 3 e 0.1233 10 3 Quante cifre significative presenta il risultato, ovvero quante se ne perdono nella rappresentazione del risultato? Si spieghi, brevemente, il fenomeno della cancellazione. 6. Sia assegnato l integrale definito: 1 0 x 2 dx (2) (a) Si fornisca la definizione di formula di quadratura e di formula di quadratura composita; si descriva, in particolare, come si rappresenta la formula trapezoidale composita su 4 sottointervalli dell intervallo [0, 1], specificando il passo ed i punti di discretizzazione dell intervallo. (b) Descrivere brevemente la strategia adattativa locale, specificando, in particolare, in che ordine avverrebbe la memorizzazione degli intervalli, in una struttura dati di tipo pila, in base al valore che la stima dell errore può assumere in ciascun sottointervallo. (c) Illustrare un opportuno critero di arresto per l implementazione della strategia descritta, motivando la scelta delle condizioni coinvolte (efficienza, accuratezza,...). (d) Implementare una strategia di tipo adattativo. In particolare, se si implementa una strategia adattativa locale, assegnando, in input, una tolleranza tol = 10 5 ed un massimo numero di valutazioni uguale a 1000, riportare nella tabella seguente gli estremi dei primi 5 intervalli esaminati ed i corrispondenti valori numerici dell errore di discretizzazione E[f] e della tolleranza locale. Rappresentare i risultati arrotondati alle prime 5 cifre significative. intervallo E[f] tolleranza locale

3 7. Si consideri assegnato l insieme K = {x 0 < x 1 < < x n < x n+1 } con i nodi x i, i = 1,..., n appartenenti all asse reale, x 0 = e x n+1 = +. (a) Quali sono le caratteristiche di cui deve godere una funzione s, definita su tutto l asse reale, perché soddisfi la definizione di spline cubica? (b) Sotto quali condizioni una spline cubica acquisisce l attributo di naturale? (c) Quali condizioni deve soddisfare perché sia interpolante i punti {(x i, y i )} i=1,...,n? 8. Assegnata la seguente matrice quadrata U triangolare superiore: 2 4 2 2 U = 0 2 10 6 0 0 2 4 0 0 0 2 Sfruttando elementi di software eventualmente già realizzati, calcolare l inversa U 1 di U e scrivere il risultato. Descrivere brevemente l algoritmo implementato al passo precedente, per il calcolo dell inversa di una matrice quadrata, di dimensione n, triangolare superiore. Stimare la complessità computazionale dell algoritmo implementato. Calcolare, specificando se si utilizza Matlab o un elemento di software sviluppato in laboratorio, l indice di condizionamento di U, µ (U). Si consideri un sistema di equazioni lineari avente U come matrice dei coefficienti; supponendo che il vettore dei termini noti, b, sia perturbato e che la sua approssimazione sia corretta a p cifre significative, ovvero b b 101 p (3) supponendo, inoltre, che i coefficienti della matrice U siano affetti da errore trascurabile ( U = 0), rappresentare µ (U) in notazione floating point normalizzata, in un sistema aritmetico a precisione finita caratterizzato dai parametri seguenti: esprimere l errore relativo F = (β = 10, t = 4, emin = 4, emax = 4) x x in funzione di µ (U) e della (3) e stimare il numero di cifre significative corrette nell approssimazione della soluzione del sistema. 9. Si consideri l integrale definito: I[f] = 2 0 (x 1) 2 dx (4)

4 (a) Scrivere l espressione della formula trapezoidale composita su m = 2 e m = 4 sottointervalli, per il calcolo numerico dell integrale I[f]. (b) Fornire una stima calcolabile dell errore di discretizzazione della formula T 4 [f], E 4 [f], sull intervallo [0, 2]. (c) Le formule di quadratura T 2 [f] e T 4 [f] sono di tipo innestato? Quale vantaggio computazionale offre l utilizzo di formule di tipo innestato? 10. Sia assegnato l insieme di dati: {(x i, y i )} i=1,...,5 (5) Rappresentare la spline cubica naturale interpolante i dati (5), in un intervallo del tipo [x i, x i+1 ], i = 1,..., 4 utilizzando la formula di Newton per il polinomio interpolante di Hermite, e negli intervalli (, x 1 ], [x n, + ). Se {(x i, y i )} i=1,...,5 = {( 2, 0), ( 1, 1), (0, 2), (1, 1), (2, 0)}, (6) calcolare i coefficienti della spline cubica naturale interpolante, in almeno 2 intervalli, del tipo [x i, x i+1 ], sfruttando i risultati forniti da un elemento di software matematico già sviluppato in laboratorio. Indicare, sul grafico riportato in Fig. 1, i valori della spline assunti in corrispondenza dei punti: z 1 = 1.5, z 2 = 0.5 z 3 = 0.5 z 4 = 1.5 2.5 2 1.5 1 0.5 0 0.5 2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 2.5 Figura 1: Rappresentare, in Fig. 1, l andamento della spline costruita nell intervallo [ 2, 2]. 11. Sviluppare un elemento di software matematico, che implementi il metodo di Archimede, per il calcolo di π.

5 Assegnato n, con 2 n numero di lati del poligono, stimare l errore di troncamento analitico commesso nell approssimazione di π. Calcolare l errore relativo commesso nell approssimazione di π, confrontando il valore restituito dall elemento di software elaborato con quello ottenuto utilizzando la funzione built-in atan, calcolando π come: π = 4 atan(1.) Descrivere la formula ricorrente con cui si calcola l approssimazione di π mediante il metodo di Archimede. L algoritmo descritto può ritenersi stabile? Motivare la risposta fornendo una stima del fattore di amplificazione dell errore presente sul dato, dopo 13 iterazioni. 12. Assegnati i campioni: x 0 1 2 3 4 5 6 y 10 13 16 19 22 25 28 si supponga che le ordinate siano generate da una funzione di cui non sia nota l espressione analitica e che tali valutazioni siano acquisite mediante uno strumento per cui risultino affette da errore, diventando, così : >> ynoise=y+randn(1,length(x)) (a) Assumendo che i dati siano le coppie (x(i), ynoise(i)) i=1,...,8 i. calcolare i coefficienti della parabola p, di migliore approssimazione nel senso dei minimi quadrati, specificando la funzione matlab utilizzata; ii. calcolare i coefficienti dell unico polinomio di Lagrange, q, interpolante i nodi assegnati, specificandone il grado e la funzione matlab utilizzata. iii. calcolare, utilizzando un elemento di software matematico già sviluppato, i coefficienti della spline s cubica naturale interpolante i nodi assegnati. Descrivere, brevemente l algoritmo implementato. (b) Valutare, in corrispondenza delle ascisse, i tre modelli definiti a partire dai dati perturbati, specificando, in particolare, l algoritmo di valutazione o le funzioni matlab utilizzate. (c) Calcolare, utilizzando matlab, gli errori relativi, in norma infinito, commessi nell approssimazione delle ordinate y = (y i ) i=1,...,8, non affette da errore, mediante i due modelli: E 1 = p y y E 2 = q y y E 3 = s y y con p = (p(x i )) i=1,...,7, q = (q(x i )) i=1,...,7, s = (s(x i )) i=1,...,7. (d) Confrontando gli errori calcolati al punto precedente, quale dei tre modelli risulta più attendibile, per il fitting dei dati, ovvero per l approssimazione della funzione che li ha generati? Questo risultato vale in generale?

6 (e) Facoltativo Valutando, in corrispondenza dei punti t = 0 : 0.1 : 10 i tre modelli, tracciarne il grafico riportando, in figura, anche le coppie (x, y). 13. Sia assegnata la matrice simmetrica: A = 22 2 12 15 2 47 18 10 12 18 25 21 15 10 21 47 (a) Verificare che la matrice A è definita positiva, applicando il criterio di Sylvester. Enunciare il criterio e specificare se la verifica è eseguita utilizzando funzioni del matlab o un elemento di software già sviluppato. (b) Descrivere l algoritmo più efficiente per fattorizzare la matrice nel prodotto di due matrici triangolari, illustrando, in particolare, in che modo si sfrutta la struttura della matrice sia nelle operazioni che lo costituiscono che nella strategia di memorizzazione di A e delle due matrici che costituiranno i fattori di A. 14. Sia assegnata la matrice a banda A = 1 1 0 0 0 2 1 1 0 0 3 1 3 1 0 0 1 3 2 1 0 0 1 2 1 con ampiezza di banda inferiore p = 2 e superiore q = 1: (a) Applicare l algoritmo di fattorizzazione LU con pivoting parziale alla matrice A. Descrivere le matrici risultanti dalla fattorizzazione ed il vettore contenente le informazioni sugli eventuali scambi eseguiti, applicando la strategia del pivoting. (b) Se la matrice è a banda, cosa si può dire sulla struttura delle matrici L ed U risultanti dalla fattorizzazione LU con pivoting? Quale sarebbe la struttura delle due matrici, se si applicasse l algoritmo di fattorizzazione LU senza pivoting parziale? (c) Descrivere brevemente la strategia del pivoting parziale e come incide, tale strategia, sulla stabilità dell algoritmo per la fattorizzazione LU.