Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ARITMETICA, ERRORI
Approssimare una funzione f , nota in forma analitica, significa sostituirla con una funzione f’
che le sia “vicina” in qualche senso e abbia una forma più semplice (per esempio,
polinomiale) su cui si possa facilmente operare.
Approssimare un insieme di dati (xi, yi) (ove, per esempio, yi = f(xi) e f non è nota
esplicitamente) significa determinare una funzione f’ che abbia un andamento analogo a
quello dei dati (o della funzione che ha generato i suddetti dati).
Assegnati n + 1 punti (xi , yi ), con le ascisse distinte tra loro, esiste uno e un sol polinomio
pn (x) di grado minore o uguale a n interpolante i dati assegnati, ovvero soddisfacente le
condizioni di interpolazione:
Per far si che un polinomio interpolante sia uniformemente convergente, bisogna trovare dei
nodi che garantiscano questa proprietà.
Le spline cubiche S3 (x) sono funzioni polinomiali a tratti di grado locale 3 molto utilizzate
nelle applicazioni. Per determinare S3 (x) è necessario assegnare 4 condizioni per ciascun
sottointervallo, tante quanti sono i coefficienti che definiscono la spline in ogni sottointervallo,
quindi 4n condizioni. Dalla definizione di spline mancano due condizioni, per garantire
l’esistenza e unicità delle spline cubiche.
la CONVERGENZA uniforme delle spline interpolanti, a differenza dei polinomi interpolanti,
è comunque GARANTITA qualunque sia la funzione continua f e qualunque sia la scelta dei
nodi xi per h → 0.
SISTEMI LINEARI
Sia x = (x1 , . . . , xn )T ∈ R(n) un vettore colonna e sia A = (aij) i=1,...,m, j=1,...,n ∈ R(m,n)
una matrice di dimensioni m × n. Nel seguito verranno considerate le seguenti NORME di
vettore e matrice:
METODI NUMERICI:
Si descrivono ora alcuni metodi numerici e gli algoritmi, che implementano i suddetti metodi,
per la risoluzione di sistemi lineari di ordine n. Per ciascun algoritmo verrà fornito il COSTO
COMPUTAZIONALE, ovvero il numero di operazioni aritmetiche (addizioni e moltiplicazioni)
che esso richiede per la sua esecuzione. Nel caso dei sistemi lineari il costo è legato alla
dimensione n del sistema e, in generale, viene quantificato il numero di operazioni per valori
di n grandi.
FATTORIZZAZIONE PA=LU
il metodo delle eliminazioni di Gauss, quando non richiede scambi, realizza la fattorizzazione
della matrice A (A=LU) ove U è la matrice triangolare superiore del sistema equivalente al
sistema di partenza e L è la matrice triangolare inferiore dei moltiplicatori con diagonale
unitaria. In caso di scambi, il metodo delle eliminazioni diGauss realizza la seguente
fattorizzazione della matrice A (PA=LU) ove U è triangolare superiore, L è triangolare
inferiore con diagonale unitaria e P è una matrice di permutazione, definita dagli scambi
richiesti dal metodo.
Il PIVOTING PARZIALE è quella strategia che permette di garantire una maggiore
accuratezza della soluzione RIARRANGIANDO LE RIGHE AD OGNI PASSO IN MODO DA
AVERE NUMERI MAGGIORI NELLA DIAGONALE. Esso è superfluo quando A è diagonale
dominante per colonne oppure simmetria definita positiva.
Si osservi che, se i fattori Q e R non sono noti, tale procedura non è conveniente dal punto
di vista del costo computazionale, perché il calcolo dei suddetti fattori richiede un numero di
operazioni aritmetiche superiore a quello richiesto dal calcolo dei fattori della fattorizzazione
PA = LU.
Una matrice simmetrica A di ordine n è definita positiva se, e solo se, i suoi autovalori sono
tutti positivi.
● Se λ1 = −λ2 , cioè se esistono due autovalori distinti di ugual modulo massimo, allora
in generale il metodo delle potenze non converge.
● Se λ1 e λ2 sono complessi e coniugati, cioè se esistono due autovalori complessi
distinti di ugual modulo massimo, allora il metodo delle potenze non converge
perché, cosı̀ come è stato formulato, non può convergere ad autovettori e autovalori
complessi.