Sei sulla pagina 1di 5

Metodi Numerici e Calcolo Scientifico (02IHZ) ESERCIZI PROPOSTI

Significato di eventuali caratteri speciali:

: esercizi pi`u difficili

Sistemi lineari

1. Sia dato il sistema lineare Ax = b, con

A

=

3 2

0 1

0

6

1

0

2

  ,

b =

5

0

2

.

Ultimo aggiornamento: October 8, 2018

(a)

Calcolare la soluzione del sistema usando il metodo di eliminazione gaussiana on pivoting parziale per righe.

(b)

Scrivere la fattorizzazione P A = LU .

(c)

Utilizzare la fattorizzazione P A = LU precedentemente calcolata per risolvere il sistema lineare Ax = c con c = (3, 1, 2) T .

2. Sia dato il sistema lineare Ax = b, con

A

=

0

4

1

2

2

1

1

1

3

  ,

b =

1

1

3

.

(a)

Risolverlo con un metodo diretto opportuno.

(b)

Individuare un metodo iterativo convergente per la sua soluzione, dopo aver, eventualmente, manipolato opportunamente la matrice del sistema.

(c)

Usare un metodo diretto opportuno per risolvere il sistema lineare Ax = b , con b = (3, 5, 5) T .

3. Sia dato il sistema lineare Ax = b, con

A

=

7 2

3 6

2

1

3

2

4

  ,

b =

6

7

5

.

(a)

(b)

(c)

(d)

Stabilire se il metodo di Jacobi `e applicabile per la risoluzione del sistema lineare.

Stabilire se il metodo di Jacobi converge.

Eseguire due passi del metodo a partire da una approssimazione iniziale x (0) scelta a piacere. Si monitorizzi l’andamento del metodo, calcolando l’errore commesso (e (k) = x (k) x ) in una qualche norma di vettore, tenuto conto del fatto che la soluzione esatta `e x = (1, 1, 1) T .

Ripetere i punti precedenti con il metodo di Gauss-Seidel.

`

4. E assegnato il sistema lineare Ax = b con

A

=

3

0

6

0

1

3

1

0

0

2

,

b =

0

1

0

.

5.

6.

7.

(a)

Stabilire se il metodo di Jacobi `e applicabile al sistema dato.

(b)

In caso di risposta affermativa al punto precedente, stabilire se il metodo di Jacobi converge, se applicato al sistema in questione.

(c)

In caso di risposta affermativa ai punti precedenti, effettuare due passi del metodo di Jacobi partendo da un vettore iniziale a scelta. Si monitorizzi l’andamento del metodo, calcolando l’errore commesso (e (k) = x (k) x ) in una qualche norma di vettore, tenuto conto del fatto che la soluzione esatta `e x = (0, 1, 0) T .

`

E

assegnato il sistema lineare Ax = b con

A

=

3

0

6

0 1

1

0

3

0

2

  ,

b =

0

1

0

  .

(a)

Stabilire se il metodo di Gauss-Seidel `e applicabile al sistema dato.

(b)

In caso di risposta affermativa al punto precedente, stabilire se il metodo di Gauss-Seidel con- verge, se applicato al sistema in questione.

(c)

In caso di risposta affermativa ai punti precedenti, effettuare due passi del metodo di Gauss- Seidel partendo da un vettore iniziale a scelta. Si monitorizzi l’andamento del metodo, cal- colando l’errore commesso (e (k) = x (k) x ) in una qualche norma di vettore, tenuto conto del fatto che la soluzione esatta `e x = (0, 1, 0) T .

`

E

assegnato il sistema lineare Ax = b con

(a)

(b)

(c)

A =

2

0

4

0

1

0

1

2

1

2

,

b =

0

1

0

.

Stabilire se il metodo di Gauss-Seidel `e applicabile al sistema dato.

In caso di risposta affermativa al punto precedente, stabilire se il metodo di Gauss-Seidel con- verge, se applicato al sistema in questione.

In caso di risposta affermativa ai punti precedenti, effettuare due passi del metodo di Gauss- Seidel partendo da un vettore iniziale a scelta. Si monitorizzi l’andamento del metodo, cal- colando l’errore commesso (e (k) = x (k) x ) in una qualche norma di vettore, tenuto conto del fatto che la soluzione esatta `e x = (0, 1, 0) T .

`

E assegnato il sistema lineare Ax = b con

A = 2

1

0

1

2

2

0

4

2

,

b =

0

0

2

.

(a)

Stabilire se il metodo di Gauss-Seidel `e applicabile al sistema dato.

(b)

In caso di risposta affermativa al punto precedente, stabilire se il metodo di Gauss-Seidel con- verge, se applicato al sistema in questione.

8. Sia dato il sistema lineare Ax = b, con

A =

  1

0

0

2

0

1

0

1

0

0

3

0

1

0

0

4

 

,

b =

 

0

1

0

3

 

la cui soluzione esatta `e x = (1, 0, 0, 1) T .

2

(a)

Analizzare la convergenza del metodo di Gauss-Seidel.

(b)

Effettuare alcuni passi del metodo a partire dal vettore iniziale x 0 = (0, 0, 0, 0) T .

9. Sia dato il sistema lineare Ax = b, con

A =

  1

0

2

0

1

0

1

0

0

0

3

0

1

0

0

1

4

 

,

b =

0

2

3

0

la cui soluzione esatta `e x = (0, 1, 1, 0) T .

10.

(a)

Analizzare la convergenza del metodo di Gauss-Seidel.

(b)

Effettuare alcuni passi del metodo a partire dal vettore iniziale x 0 = (0, 0, 0, 0) T .

`

E

assegnata la matrice

A

=

1

2

2

0

4

0

0

0

0

2

1

0

0


0

1

3

 

.

Analizzare la convergenza del metodo di Gauss-Seidel nella risoluzione del sistema lineare Ax = b, con b qualunque.

11.

`

E assegnata la matrice

A

=

4

0

0

0

1

8

2

0

0

2

1

0

1

0

1

3

.

Analizzare la convergenza del metodo di Gauss-Seidel nella risoluzione del sistema lineare Ax = b, con b qualunque.

12. Sono assegnati

A =

0

1

2

0

1

1

0

0

2

0

0

1

4

1

2

1

,

b =

3

1

0

1

,

c =

2

1

2

1

.

(a)

Si determini la fattorizzazione P A = LU usando la strategia di pivoting parziale.

(b)

Risolvere i sistemi lineari Ax = b e Ax = c usando la fattorizzazione P A = LU .

13.

Ripetere l’esercizio 12 con

A =

14. Sono assegnati

0

1

2

0

1

1

0

0

A =

2

0

0

8

5

1

0

1

4

1

2

1

1

4

0

0

,

0

1

3

0

3

b =

0

0

0

6

,

1

2

2

0

,

b =

c =

5

2

3

1

5

2

2

1

.

(a)

Calcolare la fattorizzazione LU della matrice A

(b)

Sfruttando la fattorizzazione LU , calcolare la soluzione del sistema lineare Ax = b

(c)

Perch´e non `e necessario effettuare la strategia di pivoting, nel calcolare la fattorizzazione LU della matrice A?

Soluzioni

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

(a) Soluzione x = (1, 0, 2) T .

(b) P

=

0

1

0

0

0

1

1

0

0

, L =

1

1 2

0

1

1

0 2

0

0

1

  , U

=

6

0

0 2

0 0

2

2

1

  . (c) Soluzione

x = (0, 1, 1) T .

(a) Usare eliminazione gaussiana o fattorizzazione LU, in entrambi i casi con pivoting poich´e la matrice non `e n´e

simmetrica definita positiva n´e a predominanza diagonale per colonne. Visto il punto (c) che segue, conviene usare

fattorizzazione LU. Soluzione: x = (1, 1, 1) T . (b) Permutando la prima e seconda riga, risultano applicabili e convergenti sia Jacobi che Gauss-Seidel. (c) Soluzione x = (1, 1, 1) T .

= 0. (b) Si, poich´e A `e a predominanza diagonale per righe. (c)

(a) Si, poich´e la matrice D `e invertibile essendo a ii (d) Si - Si -

(a) Si. (b) Si: la matrice non `e a predominanza diagonale ma il raggio spettrale della matrice d’iterazione `e ρ(B J ) =

1/3 < 1. (c)

(a) Si. (b) Si: la matrice non `e a predominanza diagonale n´e simmetrica (quindi non pu`o essere simmetrica definita

positiva). Si pu`o calcolare ρ(B J ) = 1/3 < 1. Applicando il Teorema di Stein-Rosenberg si ha quindi ρ(B GS ) <

ρ(B J ) < 1. (c)

(a) Si. (b) No. Si pu`o calcolare ρ(B J ) = 2 > 1. Applicando il Teorema di Stein-Rosenberg si ha quindi ρ(B GS ) >

ρ(B J ) > 1, quindi neanche il metodo di Gauss-Seidel converge.

(a) Si. (b) No. Si pu`o calcolare ρ(B J ) = 3 > 1 e il metodo di Jacobi quindi non converge. Poich´e la matrice `e

tridiagonale con elementi sulla diagonale non nulli si ha quindi ρ(B GS ) = ρ(B J ) 2 = 3, quindi neanche il metodo di Gauss-Seidel converge.

(a) A non `e n´e a predominanza diagonale n´e simmetrica (definita positiva), quindi occorre analizzare la matrice di

iterazione. Poich´e sono soddisfatte le ipotesi del Teorema di Stein-Rosenberg, si pu´o studiare il metodo di Jacobi, che

risulta convergente con raggio spettrale ρ(B J ) = spettrale ρ(B GS ) < 1 2 < 1. (b)

(a) A non `e n´e a predominanza diagonale n´e simmetrica (definita positiva), quindi occorre analizzare la matrice di

iterazione. Poich´e sono soddisfatte le ipotesi del Teorema di Stein-Rosenberg, si pu´o studiare il metodo di Jacobi, che risulta divergente con raggio spettrale ρ(B J ) = 2. Quindi il metodo di Gauss-Seidel `e divergente avendo raggio spettrale ρ(B GS ) > 2 > 1. (b)

La matrice `e tridiagonale con elementi diagonali non nulli. Ci si pu`o quindi ricondurre a studiare il raggio spettrale

2 1 . Quindi il metodo di Gauss-Seidel `e convergente avendo raggio

per il metodo di Jacobi. Gli autovalori della matrice di iterazione B J sono λ = 0 con molteplicit`a 2, λ = ±i 2, quindi

ρ(B J ) = 2 e ρ(B GS ) = ρ(B J ) 2 = 2 quindi il metodo di Gauss-Seidel non converge.

La matrice soddisfa le ipotesi del Torema di Stein-Rosenberg. Ci si pu`o quindi ricondurre a studiare il raggio spettrale

per il metodo di Jacobi. Gli autovalori della matrice di iterazione B J sono λ = 0 con molteplicit`a 2, λ = ± 2/2,

quindi ρ(B J ) = 2/2 < 1 e ρ(B GS ) < ρ(B J ) = 2/2 quindi il metodo di Gauss-Seidel converge.

12.

(a)

(b)

x = (0, 1, 1, 0) T

U =

0

1

  ,

0

0

2

0

0

0

2

0

4

1

 

0

0

2

0

e x = (1, 0, 1, 0) T

L =

0

1

  ,

2

1

1

0

0

0

0

1

1

2

0

0

0

1

 

1

0

P = P 13

4

13. (a)

U =

2

0

0

0

0

1

0

0

0

0

8

0

2

0

1

15

4

,

L =

1

1

2

0

0

0

1

0

1

0

0

1

1 4

0

0

0

1

,

P = P 34 P 13

14.

(b) x = (1, 1, 0, 0) T

(a)

scambio di righe.

e x = (0, 1, 0, 1) T

(b)

(c) Perch´e essendo A a predominanza diagonale per colonne, la strategia di pivoting non porta a nessuno

5