• Non ci sono risultati.

ANALISI NUMERICA

N/A
N/A
Protected

Academic year: 2021

Condividi "ANALISI NUMERICA"

Copied!
1
0
0

Testo completo

(1)

ANALISI NUMERICA

LT e LM in Matematica, a.a. 2010/11, 7 cfu

Docente: M. Vianello, Dip.to di Matematica Pura e Applicata (laboratorio: M. R. Russo e A. Sommariva)

Programma del corso:

Densit`a e migliore approssimazione: convergenza della migliore approssi- mazione, teoremi di densit`a di Weierstrass (polinomi e polinomi trigonometrici), teorema di Jackson, teorema della proiezione ortogonale e applicazioni.

Interpolazione: il problema generale di interpolazione, insiemi unisolventi e formula determinantale di Lagrange, il caso polinomiale univariato e multivari- ato, costante di Lebesgue, stima fondamentale per l’errore di interpolazione, stabilit`a, cenni all’interpolazione polinomiale prodotto tensoriale, cenni ai punti di Fekete.

Polinomi ortogonali: ortogonalizzazione della base monomiale, relazione di ricorrenza, teorema degli zeri, polinomi ortogonali classici, polinomi di Cheby- shev.

Quadratura: formule di quadratura come funzionali, formule algebriche e com- poste, formule gaussiane, teorema di Polya-Steklov e corollari, stabilit`a, teorema di Stieltjes, cenni alle formule prodotto.

Algebra lineare numerica: teorema fondamentale di invertibilit`a e appli- cazioni (teorema di Gershgorin sulla localizzazione degli autovalori); metodi iterativi per sistemi lineari: teorema sulla convergenza delle approssimazioni successive, precondizionamento, metodo del gradiente, test di arresto dello step e del residuo; metodi per il calcolo di autovalori e autovettori: quoziente di Rayleigh, il metodo delle potenze e varianti, il metodo QR.

Algebra non lineare numerica: soluzione di sistemi di equazioni non lineari:

contrazioni e iterazioni di punto fisso, stime di convergenza e stabilit`a; il metodo di Newton, convergenza locale e velocit`a di convergenza, test di arresto dello step, Newton come iterazione di punto fisso.

Differenze finite per ODEs e PDEs: problemi ai valori iniziali: i metodi di Eulero (esplicito ed implicito), convergenza e stabilit`a nei casi Lipschitziano e dissipativo, il metodo trapezoidale (Crank-Nicolson), equazioni e sistemi stiff, stabilit`a condizionata e incondizionata; problemi ai valori al contorno: differenze finite per l’equazione di Poisson 1d e 2d, struttura del sistema lineare e conver- genza, considerazioni computazionali; il metodo delle linee per l’equazione del calore 1d e 2d, connessione con i sistemi stiff.

Laboratorio: esercitazioni in Matlab su: interpolazione e quadratura, metodi iterativi per sistemi lineari e per il calcolo di autovalori, differenze finite per problemi ai valori iniziali e al contorno (www.math.unipd.it/∼alvise/didattica).

per maggiori dettagli e la bibliografia si veda la dispensa online “Spunti di analisi numerica”: http://www.math.unipd.it/∼marcov/studenti.html

Riferimenti

Documenti correlati

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

in generale se moltiplichiamo una equazione per una costante e sommiamo il risultato membro a membro a un’altra equazione, otteniamo un nuovo problema che ha le stesse soluzioni

Si impone che la soluzione sol sia un vettore colonna che abbia lo stesso numero di righe dell’ordine della matrice, e tutte le componenti uguali a 1. Se sol ` e la soluzione

in generale se moltiplichiamo la i -sima equazione per una costante non nulla e sottraiamo il risultato membro a membro alla j -sima , ricaviamo una equazione che sostituita alla

Se la matrice A `e a predominanza diagonale (stretta) per righe, allora il metodo di Gauss-Seidel converge.. Teorema 1.47 (Convergenza G.-S. per matrici simmetriche e

mediante la gallery di Matlab, definisce una particolare matrice di Vandermonde di ordine n e la assegna ad A e di seguito un vettore b random, calcolando infine un approssimazione