• Non ci sono risultati.

Registro delle lezioni DATE h.

N/A
N/A
Protected

Academic year: 2021

Condividi "Registro delle lezioni DATE h."

Copied!
2
0
0

Testo completo

(1)

Università degli Studi dell’Insubria A.A. 2011/12

Corso di Laurea in Matematica - Corso di Laurea Specialistica in Matematica

Analisi Numerica III - Metodi Numerici in Informatica

Docente: Claudio Estatico

Registro delle lezioni

DATE h.

Febbraio

Martedì 28 h. 11-13 Ripasso interpolazione polinomiale (slide).

Mercoledì 29 h. 9-12 Ripasso interpolazione polinomiale (slide).

Marzo

Martedì 13 h. 11-14 Funzioni spline. Interpolazione. Metodo dei momenti per la costruzione di spline cubiche I.

Mercoledì 14 h. 9-11 Metodo dei momenti per la costruzione di spline cubiche II.

Spline naturali, complete, periodiche e matrici associate.

Martedì 20 h. 11-13 Convergenza, minimizzazione della norma dell’energia, quasi-localizzazione delle perturbazioni, stabilità delle spline cubiche.

Mercoledì 21 h. 9-11 Approssimazione di funzioni mediante minimi quadrati.

Caso continuo e caso discreto.

Martedì 27 h. 11-14 Approssimazione ai minimi quadrati discreti. Matrice di Vandermonde generalizzata. Metodo di Choleski. Metodo QR

con riflessioni di Householder: caso rango massimo.

Mercoledì 28 h. 9-11 Metodo QR con riflessioni di Householder: caso rango non massimo.

Metodo con decomposizione ai valori singolari (SVD) I.

Aprile

Martedì 03 h. 11-14 Metodo con decomposizione ai valori singolari (SVD) II.

Algoritmo per la determinazione della SVD.

Mercoledì 04 h. 9-11 Condizionamento del problema del calcolo dei valori singolari.

Martedì 17 h. 11-14 SVD e inversa generalizzata. Ripasso formule di quadratura interpolatoria di Newton-Cotes (slide).

(2)

Mercoledì 18 h. 9-11 Formule di quadratura gaussiana. Grado di esattezza.

Giovedì 19 h. 9-11 Proprietà delle formule di quadratura gaussiana. Grado di

esattezza massimo.

Settimana 23-27 aprile NO Lezioni

Maggio

Mercoledì 02 h. 16-19 Polinomi ortogonali, proprietà, esempi. Tecniche di raffinamento mediante estrapolazione di Richardson.

Giovedì 03 h. 9-11 Metodo di Romberg per formula dei trapezi. Controllo automatico dell’errore. Algoritmi di quadratura adattiva I.

Martedì 08 h. 11-14 Algoritmi di quadratura adattiva II.

Metodi numerici per equazioni differenziali ordinarie.

Equazioni alle differenze. Equazioni alle differenze lineari a coefficienti costanti omogenee.

Mercoledì 09 h. 9-11 Equazioni alle differenze lineari a coefficienti costanti non omogenee. Esempi di applicazione in vari ambiti.

Martedì 15 h. 11-14 Metodi ad un passo. Consistenza, convergenza, stabilità.

Metodi di Taylor.

Mercoledì 16 h. 9-11 Metodi Runge-Kutta (RK) espliciti a R stadi.

Costruzione di metodi a 2 stadi. Consistenza per i metodi RK.

Giovedì 17 h. 9-11 Intervallo e zona di stabilità assoluta. Stabilità dei metodi RK.

Martedì 22 h. 11-14 Stabilità assoluta per sistemi di equazioni differenziali.

Sistemi stiff. Metodi A-stabili.

Tecniche adattive per metodi ad un passo. Controllo automatico dell’errore mediante passi differenti. Scelta del passo ottimale.

Mercoledì 23 h. 9-11 Controllo automatico dell’errore mediante due metodi RK.

Metodo di Fehlberg. Metodi a più passi lineari. Innesco.

Giovedì 24 h. 9-11 Strategie Predictor-Corrector. Consistenza dei metodi a più passi lineari.

Martedì 29 h. 11-14 Ordine di consistenza dei metodi a più passi lineari.

Costruzione di metodi massimali. Ordine di consistenza dei Predictor-Corrector.

Mercoledì 30 h. 9-11 Controllo dell’errore nei metodi Predictor-Corrector.

Convergenza e zero stabilità. Zero stabilità e condizione sulle radici del I polinomio di stabilità. I barriera di Dalquist.

Giugno

Venerdì 08 h. 14-18 Costruzione di metodi ottimali. Stabilità assoluta dei metodi a più passi lineari. Esempi. Metodi A-stabili. II barriera di Dalquist. Metodi a più passi lineari VS metodi RK (consistenza, convergenza, stabilità, controllo dell’errore, flessibilità nel cambio del passo)

Totale h. 64

Riferimenti

Documenti correlati

Alvise Sommariva Metodi iterativi per la soluzione di sistemi lineari 48/ 81.. Supponiamo di dover risolvere il sistema lineare Ax = b.. Il metodo del gradiente coniugato ha

Se A ` e una matrice simmetrica e definita positiva di ordine n, allora il metodo del gradiente coniugato ` e convergente e fornisce in aritmetica esatta la soluzione del sistema Ax =

Se A ` e una matrice simmetrica e definita positiva di ordine n, allora il metodo del gradiente coniugato ` e convergente e fornisce in aritmetica esatta la soluzione del sistema Ax =

Se A ` e una matrice simmetrica e definita positiva di ordine n, allora il metodo del gradiente coniugato ` e convergente e fornisce in aritmetica esatta la soluzione del sistema Ax =

Il metodo SOR ha quale costante quasi ottimale w = 1.350; Il metodo del gradiente coniugato converge in meno iterazioni rispetto agli altri metodi (solo 5 iterazioni, ma si osservi

Si rimane un po’ sorpresi dal fatto che per w = 1.350 il numero di iterazioni fosse inferiore di quello fornito dal valore ottimale teorico w ∗ = 1.333.. Il fatto `e che questo

Per ogni valore di corrente di carico viene applicata all’ ingresso la tensione nominale 7V e misurata la tensione regolata, successivamente si decrementa il valore di tensione all’

Nei metodi diretti, la presenza di eventuali element nulli nella matrice non può essere sfruttata ai fini di ridurre il costo computa- zionale e l’occupazione