5 a lezione - laboratorio a.a 2004-2005 Corso di Laurea ING. MECCANICA.

Slides:



Advertisements
Presentazioni simili
- le Medie la Moda la Mediana
Advertisements

8) GLI INTERVALLI DI CONFIDENZA
Laboratorio di Matematica Applicata Parte 3
Derivate per lo studio di funzione
Equazioni non lineari Gabriella Puppo.
Democritos 2007 IL CAOS Ing. Marco Affinito.
LE SUCCESSIONI Si consideri la seguente sequenza di numeri:
MATEMATICA PER L’ECONOMIA
Integrazione Corso: Analisi Numerica Anno Accademico:
Meccanica 5 31 marzo 2011 Lavoro. Principio di sovrapposizione
8 a lezione - laboratorio a.a Esercizi Preparziale Corso di Laurea ING. MECCANICA.
3 a lezione - laboratorio a.a Corso di Laurea Ingegneria MECCANICA.
1 4 a lezione - laboratorio a.a Corso di Laurea Ingegneria MECCANICA.
6a lezione - laboratorio
6. Catene di Markov a tempo continuo (CMTC)
Pattern Recognition con Reti Neurali MLP
Esercitazione MATLAB (13/5)
Lezione 3) Cenni di teoria dell’elasticità, sforzi e deformazioni, l’equazione delle onde elastiche.
Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie di analisi.
Continuità delle funzioni. Funzione continua in un punto Sia y=f(x) una funzione definita in un intervallo, aperto o chiuso, e sia x 0 un punto interno.
ANALOGICO-DIGITALI (ADC) DIGITALE-ANALOGICI (DAC)
PER FUNZIONI DI PIÙ VARIABILI - 2.
Ottimizzazione non lineare non vincolata: Metodi iterativi di eliminazione ed interpolazione per ottimizzazione di funzione di una variabile maggio '11.
Interpolazione polinomiale a tratti
Metodi iterativi G. Puppo.
Metodi iterativi semplici G. Puppo. Riassunto Problema del fill-in Memorizzazione di matrici sparse Metodo di Jacobi.
Metodi FEM per problemi ellittici lineari a tratti Gabriella Puppo.
Metodi numerici per equazioni lineari iperboliche Gabriella Puppo.
Metodi conservativi per equazioni iperboliche
Soluzione di equazioni non lineari
Il moto armonico Altro esempio interessante di moto è quello armonico caratterizzato dal fatto che l’accelerazione è proporzionale all’opposto della posizione:
Rotazione di un corpo rigido attorno ad un asse fisso
Seminario su clustering dei dati – Parte II
Lezione X EQUILIBRIO Termodinamica chimica a.a Termodinamica chimica a.a
Sistemi Peer To Peer (P2P) Avanzati Gennaro Cordasco Gennaro Cordasco
LO STRATO DI EKMAN Corso: Idrodinamica delle Grandi Masse
Studente Claudia Puzzo
Lezione 5 Domande: Laverage path length di Chord con 2^b identificatori e N=2^b nodi è (giustificare la risposta) Laverage path length di Chord con 2^b.
Esercizio n.15 a) Utilizzare due metodi iterativi, tra cui il Newton-Raphson, per risolvere leq. f (x) = 0 con: f (x) = x 3 + 2x x 20, partendo da.
1 5 a -6 a lezione di laboratorio Laurea Specialistica in Ingegneria MATEMATICA Laurea Specialistica in Ingegneria MATEMATICA a.a
11 a bis lezione di laboratorio Laurea Specialistica in Ingegneria Matematica Ingegneria dei Sistemi Energetici Laurea Specialistica in Ingegneria Matematica.
Num / 36 Lezione 9 Numerosità del campione.
Codifica binaria Rappresentazione di numeri
Rappresentazione di numeri relativi (interi con segno)
Conversione binario - ottale/esadecimale
Conversione binario - ottale/esadecimale
Parte I (Sensori) Stima sperimentale dei parametri in regime statico
GRAFICO DI UNA FUNZIONE
METODI NUMERICI PER LA RICERCA DEGLI ZERI DI UNA FUNZIONE
Di Crosara Andrea. Ci proponiamo di trovare una strategia risolutiva per lequazione di secondo grado completa dove a, b, c, sono tutti diversi da 0. Utilizziamo.
Metodi matematici per economia e finanza. Prof. F. Gozzi a.a. 2009/10
PREMESSE DELL’ANALISI INFINETISIMALE
LE PROGRESSIONI.
Milano, 17 Dicembre 2013 Informatica B Informatica B Matlab Laboratorio del 14/01/2014 Responsabili di laboratorio: Gianluca Durelli:
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Metodi matematici per economia e finanza. Prof. F. Gozzi
Process synchronization
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Teorema derivabile almeno n volte (con n maggiore o uguale a 2) in x0 e sia x0 un punto stazionario per f tale che: allora: x0 è un pto di minimo relativo.
Esercizio n.11 Utilizzare il metodo della bisezione per risolvere l’eq. f (x) = 0 con: a) f (x) = (x/2)2  sin x ; con x  (1.5,2) e 2 cifre decimali.
F U N Z I O N I Definizioni Tipi Esponenziale Logaritmica
1 Equazioni non lineari Data una funzione consideriamo il problema di determinare i valori x tali che Tali valori sono solitamente chiamati zeri o radici.
ALGORITMO PER IL CALCOLO DELLA RADICE QUADRATA DI UN NUMERO METODO DI NEWTON Carlo Platella
Teoremi sulle funzioni derivabili 1. Definizione di massimo globale x0x0 f(x 0 ) Si dice massimo assoluto o globale di una funzione il più grande dei.
Breve trattazione della Serie di Mac – Laurin ISTITUTO ISTRUZIONE SECONDARIA SUPERIORE “E.Medi” Galatone di Michele Caprio Classe 5 A st Liceo Scientifico.
Raccogliamo x al primo membro e 2 al secondo:
ESPONENZIALI E LOGARITMI
Esponenziali e Logaritmi
Integrali indefiniti.
Metodi di ricerca approssimata dello zero di una funzione F(z) = 0.
Transcript della presentazione:

5 a lezione - laboratorio a.a Corso di Laurea ING. MECCANICA

Esercizio 1 a) si analizzino in [-10 10], le proprietà di f ( x ) atte a determinare le soluzioni dellequazione data; b) si enunci, per ogni metodo, almeno un teorema di convergenza e si calcoli la prima radice positiva, utilizzando i metodi di: punto fisso, bisezione e Newton; c) si riporti, per ciascun metodo, una tabella riassuntiva dei risultati. Data lequazione:

Punto a: proprietà di f ( x ) è funzione pari (simmetrica rispetto allasse y), infatti f ( x ) = f ( - x ) Si cercano le radici solo in [0, 10], le altre si ottengono per simmetria.

Grafico di f (x) in [-10,10] x=linspace(-10,10); %100 punti y=(x.^2-4).*cos(x)+4*... x.*sin(x); plot(x,y,[-10 10],... [0 0],'r') grid %fplot( (x^2-4)*cos(x)+4*... x*sin(x),[-10,10]), grid hold on fplot('0*x',[-10,10],r)

Punto b: valutazione di f (x) in [0,2] fplot((x^2-4)*cos(x)+4*x*sin(x),[0,2]) hold on fplot(0*x,[0,2],r), grid hold off Si può restringere lintervallo di lavoro intorno al valore 0.8 ad esempio Si consideri ora il problema, posto nella forma consistente:

Come è stata ottenuta la forma consistente? Dallequazione: Dividendo entrambi i membri per e Portando le altre quantità a secondo membro, si ottiene: Da cui, applicando la funzione inversa di tan ad Entrambi i membri, si ottiene la x = g(x) data.

Metodo del punto fisso: convergenza Hp:, I = [a,b], ed inoltre: Th : 2. a. b. La successione converge a

Punto b: verifica delle ipotesi:Hp.1 g(0.76)= , g(0.85)= g( x ) è funzione decrescente in [0.76,0.85], Hp.1: Per potere dire ciò è fondamentale la proprietà di monotonia!!!

Punto b: verifica Hp.2 è funzione decrescente in [0.76,0.85], quindi ha il max in x = Sono quindi soddisfatte le Hp. del Teorema di convergenza. La convergenza è alternata. Hp. 2:

Stima della costante asintotica Per la convergenza alternata, il criterio di arresto sullincremento delle iterate dà informazioni sullerrore e quindi è valido. Il metodo è lento! Si prevedono molte iterate!

x=[ ]; % vettore di valutazione dg=4./(4+x.^2); % vettore derivata prima % il massimo del modulo è nella prima %componente fattore=abs(dg(1))/(1-abs(dg(1))) fattore= % il criterio sullincreme. % delliterata sarebbe buono anche in caso % di convergenza monotona Stima di: Risulta:

Punto b: istruzioni punto fisso x0=0.85; nmax=30; toll=1e-12; g='atan((4-x.^2)./(4*x))'; fun='(x.^2-4).*cos(x)+4*x.*sin(x)'; [xvect,xdiff,fx,it,p,c]=Punto_fisso(x0,nmax,toll, fun,g); Superato il numero massimo di iterazioni Numero di Iterazioni : 30 Radice calcolata : e-001 Ordine stimato : Fattore di riduzione :

Punto c: tabella riassuntiva punto fisso iter=0:it; fprintf('%2d %22.15f %15.3e %15.3e\n',[iter;xvect';xdiff';fx']) e e e e e e e e e e e e e e e e e e e e e e-003 xvect ci mostra la conv. alternata del metodo

Stima del numero di iterazioni x=0.76;toll=1.e-12; dg=-4./(x.^2+4); err1=abs(xvect(1)-xvect(2)); k=log(toll*(1-abs(dg))/abs(err1))/log(abs(dg)) k =

Risultati con nmax = k stimato x0=0.85; nmax=201; toll=1e-12; g='atan((4-x.^2)./(4*x))'; fun='(x.^2-4).*cos(x)+4*x.*sin(x)'; [xvect,xdiff,fx,it,p,c]=Punto_fisso(x0,nmax,toll, fun,g); Numero di Iterazioni : 169 Radice calcolata : e-001 Ordine stimato : Fattore di riduzione :

Punto b: istruzioni bisezione a=0.76;b=0.85; nmax=50; toll=1e-12; fun='(x.^2-4).*cos(x)+4*x.*sin(x)'; [xvect,xdiff,fx,it,p,c]=bisezione(a,b,nmax,toll,fun); Numero di Iterazioni : 36 Radice calcolata : e-001 Ordine stimato : Fattore di riduzione :

Punto c: tabella riassuntiva metodo bisezione iter=1:it; fprintf('%2d %22.15f %15.3e %15.3e\n',[iter;xvect';xdiff';fx']) e e e e e e e e e e e e e e e e e e e e e e-012

x 0 =b a Metodo di Newton x1x1 x2x2

Grafico di f ( x ) in fplot((x^2-4)* cos(x)+4*x*sin(x), [0.76,0.85]),grid title(Andamento di f)

Teorema 1: convergenza locale del metodo di Newton

Teorema 2: convergenza globale del metodo di Newton

Verifica delle ipotesi di convergenza f(0.76)= df=6*x.*cos(x)... -(x.^2-8).*sin(x);

Proprietà di f in ddf=-8*x.*sin(x)-(x.^2-14).*cos(x);

Verifica ulteriori ipotesi per avere la convergenza globale Sono verificate tutte le ipotesi del Teorema 2

Punto b: istruzioni Newton estremo di Fourier: x0=0.85; nmax=30; toll=1e-12; fun='(x.^2-4).*cos(x)+4*x.*sin(x)'; dfun='6*x.*cos(x)-(x.^2-8).*sin(x)'; [xvect,xdiff,fx,it,p,c]=newton(x0,nmax,toll,fun, dfun); Numero di Iterazioni : 4 Radice calcolata : Ordine stimato : Fattore di riduzione :

Punto c: tabella riassuntiva metodo di Newton iter=0:it; tab=[iter;xvect';xdiff';fx']; fprintf('%2d %22.15f %15.3e %15.3e\n',tab) it soluzione xdiff fx e e e e e e e e e e-016 xvect ci mostra la convergenza monotona del metodo