Calcolo Numerico Esercizi Svolti Scuola Superiore

Inserisci i valori per risolvere esercizi di calcolo numerico con soluzioni dettagliate.

Guida Completa al Calcolo Numerico per la Scuola Superiore

Il calcolo numerico rappresenta una branca fondamentale della matematica applicata che si occupa di sviluppare algoritmi per approssimare soluzioni di problemi matematici complessi. Nella scuola superiore, queste tecniche vengono introdotte per risolvere problemi che non ammettono soluzioni analitiche esatte o quando le soluzioni esatte sono troppo complesse da calcolare manualmente.

1. Fondamenti del Calcolo Numerico

Prima di addentrarci negli esercizi pratici, è essenziale comprendere alcuni concetti chiave:

• Errore assoluto e relativo: La differenza tra il valore approssimato e quello esatto
• Condizionamento di un problema: Sensibilità della soluzione ai dati di input
• Stabilità degli algoritmi: Come gli errori di arrotondamento si propagano
• Convergenza: Comportamento delle approssimazioni al crescere del numero di iterazioni

2. Metodi Numerici per la Risoluzione di Equazioni Non Lineari

Uno dei problemi più comuni nel calcolo numerico è trovare le radici di equazioni del tipo f(x) = 0. I metodi principali includono:

2.1 Metodo di Bisezione

Il metodo più semplice che si basa sul teorema degli zeri. Richiede:

1. Una funzione continua f(x) in [a,b]
2. f(a) e f(b) con segni opposti
3. L’intervallo viene dimezzato iterativamente

Errore massimo dopo n iterazioni: |b – a|/2ⁿ

2.2 Metodo di Newton-Raphson

Metodo più efficiente che utilizza la derivata della funzione:

x_n+1 = x_n – f(x_n)/f'(x_n)

Convergenza quadratica se la radice è semplice e la funzione è sufficientemente regolare.

2.3 Metodo delle Secanti

Variante del metodo di Newton che approssima la derivata:

x_n+1 = x_n – f(x_n)(x_n – x_n-1)/[f(x_n) – f(x_n-1)]

Confronto Metodi per Equazioni Non Lineari

Metodo	Convergenza	Derivata	Intervallo Iniziale	Velocità
Bisezione	Lineare	Non richiesta	Obbligatorio	Lenta
Newton-Raphson	Quadratica	Richesta	Punto iniziale	Molto veloce
Secanti	Superlineare (~1.62)	Approssimata	Due punti iniziali	Veloce

Fonte: Adattato da “Numerical Analysis” di Burden e Faires (2010)

3. Differenziazione ed Integrazione Numerica

3.1 Derivate Numeriche

Per approssimare la derivata di una funzione in un punto, si utilizzano le formule alle differenze finite:

• Differenza in avanti: f'(x) ≈ [f(x+h) – f(x)]/h
• Differenza all’indietro: f'(x) ≈ [f(x) – f(x-h)]/h
• Differenza centrale: f'(x) ≈ [f(x+h) – f(x-h)]/(2h)

L’errore di troncamento per la differenza centrale è O(h²), mentre per le altre è O(h).

3.2 Integrazione Numerica

I metodi principali per il calcolo approssimato di integrali definiti sono:

1. Metodo dei rettangoli (punto medio o estremi)
2. Metodo dei trapezi (errore O(h²))
3. Metodo di Simpson (errore O(h⁴))

La formula composita di Simpson è particolarmente efficiente:

∫_a^b f(x)dx ≈ (h/3)[f(x₀) + 4f(x₁) + 2f(x₂) + … + 4f(x_n-1) + f(x_n)]

dove h = (b-a)/n e n è pari.

4. Interpolazione Polinomiale

L’interpolazione consiste nel trovare un polinomio che passi esattamente per un insieme di punti dati. I metodi principali sono:

4.1 Polinomio di Lagrange

Dati n+1 punti (x_i, y_i), il polinomio è:

P(x) = Σ [y_i ∏_j≠i (x – x_j)/(x_i – x_j)]

4.2 Differenze Divise di Newton

Metodo più efficiente per aggiungere nuovi punti:

P(x) = f[x₀] + f[x₀,x₁](x-x₀) + f[x₀,x₁,x₂](x-x₀)(x-x₁) + …

Errore di Interpolazione

Se f(x) è (n+1) volte derivabile, l’errore è:

E(x) = f(x) – P_n(x) = [f⁽ⁿ⁺¹⁾(ξ)/(n+1)!] ∏(x – x_i)

dove ξ è un punto nell’intervallo di interpolazione.

5. Applicazioni Pratiche nella Scuola Superiore

Gli esercizi di calcolo numerico che si incontrano tipicamente includono:

• Calcolo approssimato di π usando serie o metodi probabilistici
• Soluzione numerica di equazioni trascendenti (es: x = cos(x))
• Calcolo di aree sotto curve non elementari
• Approssimazione di funzioni complesse con polinomi
• Studio numerico di fenomeni fisici (moto parabolico, decadimento radioattivo)

6. Errori Comuni da Evitare

Nella risoluzione degli esercizi, gli studenti spesso commettono questi errori:

1. Sottostima dell’errore: Non considerare come gli errori si accumulano
2. Scelta sbagliata del metodo: Usare Newton quando la derivata è costosa da calcolare
3. Passo troppo grande: Nei metodi alle differenze finite o di integrazione
4. Condizioni iniziali inadeguate: Per metodi iterativi come le secanti
5. Arrotondamenti prematuri: Durante i calcoli intermedi

7. Risorse per Approfondire

Per studiare ulteriormente il calcolo numerico, consultare queste risorse autorevoli:

• Numerical Methods – MIT OpenCourseWare (corso completo con appunti e esercizi)
• Applied Numerical Methods – UC Davis (testo online con implementazioni)
• NIST Guide to Numerical Computing (guida ufficiale del National Institute of Standards and Technology)

8. Esercizi Svolti con Soluzioni

Esercizio 1: Metodo di Bisezione

Problema: Trovare una radice di f(x) = x³ – x – 1 nell’intervallo [1, 2] con tolleranza 0.01.

Soluzione:

1. f(1) = -1, f(2) = 5 → segno opposto
2. Iterazione 1: c = 1.5, f(1.5) = 0.875 → nuovo intervallo [1, 1.5]
3. Iterazione 2: c = 1.25, f(1.25) = -0.234 → nuovo intervallo [1.25, 1.5]
4. Iterazione 3: c = 1.375, f(1.375) ≈ 0.302 → nuovo intervallo [1.25, 1.375]
5. Iterazione 4: c = 1.3125, f(1.3125) ≈ 0.024 → nuovo intervallo [1.25, 1.3125]
6. Iterazione 5: c = 1.28125, |b-a|/2 = 0.03125 > 0.01
7. Iterazione 6: c = 1.296875, |b-a|/2 ≈ 0.0156 < 0.01 → STOP

Risultato: La radice approssimata è x ≈ 1.30 con errore massimo 0.0156.

Esercizio 2: Integrazione con Simpson

Problema: Calcolare ∫₀¹ e^-x²dx con n=4 (h=0.25) usando la formula di Simpson.

Soluzione:

i	xi	f(xi)	Coefficiente	Termine
0	0.00	1.0000	1	1.0000
1	0.25	0.9394	4	3.7576
2	0.50	0.7788	2	1.5576
3	0.75	0.5129	4	2.0516
4	1.00	0.3679	1	0.3679
Somma				8.7347

Integrale ≈ (0.25/3) × 8.7347 ≈ 0.7279 (valore esatto ≈ 0.7468, errore ≈ 2.5%)

Esercizio 3: Interpolazione di Lagrange

Problema: Trovare il polinomio di Lagrange che interpola i punti (0,1), (1,0), (2,1).

Soluzione:

P(x) = 1·(x-1)(x-2)/[(0-1)(0-2)] + 0·(x-0)(x-2)/[(1-0)(1-2)] + 1·(x-0)(x-1)/[(2-0)(2-1)]

= (x² – 3x + 2)/2 + 0 + (x² – x)/2 = x² – 2x + 1

9. Implementazione con Strumenti Digitali

Oltre ai calcoli manuali, è utile sapere come implementare questi metodi con:

• Fogli di calcolo: Excel o Google Sheets per metodi iterativi semplici
• Python: Con librerie come NumPy e SciPy per implementazioni avanzate
• Calcolatrici grafiche: TI-Nspire o Casio ClassPad per visualizzazioni
• Software matematico: MATLAB, Mathematica o Octave per analisi complete

Il calcolatore in questa pagina implementa molti di questi metodi numerici e può essere utilizzato per verificare i risultati degli esercizi svolti manualmente.

10. Preparazione per l’Esame di Maturità

Per la seconda prova di matematica, il calcolo numerico può essere oggetto di:

• Questi teorici: Spiegazione dei metodi e analisi degli errori
• Problemi applicativi: Modelli matematici da risolvere numericamentel
• Quesiti pratici: Implementazione di algoritmi su dati forniti

Consigli per lo studio:

1. Memorizzare le formule principali ma comprendere la loro derivazione
2. Esercitarsi con dati reali (es: tabelle di valori sperimentali)
3. Confrontare i risultati con soluzioni analitiche quando possibile
4. Analizzare sempre l’errore commesso nelle approssimazioni