Appunti Calcolo Numerico Polito

Strumento avanzato per il calcolo numerico basato sui metodi insegnati al Politecnico di Torino

Appunti Completi di Calcolo Numerico – Politecnico di Torino

Il corso di Calcolo Numerico al Politecnico di Torino rappresenta una pietra miliare nella formazione di ingegneri e matematici applicati. Questo campo studia gli algoritmi per la risoluzione di problemi matematici continui attraverso operazioni discrete, fondamentali per le applicazioni scientifiche e ingegneristiche moderne.

Metodi per la Ricerca delle Radici

I metodi numerici per trovare le radici di equazioni non lineari sono tra gli argomenti più importanti del corso. Ecco una panoramica dei principali metodi insegnati:

1. Metodo di Bisezione: Il metodo più semplice e robusto, basato sul teorema degli zeri. Richiede solo la continuità della funzione e un intervallo [a,b] dove f(a) e f(b) hanno segni opposti.
2. Metodo di Newton-Raphson: Metodo iterativo che utilizza la derivata della funzione per una convergenza quadratica. Richiede la derivabilità della funzione.
3. Metodo delle Secanti: Variante del metodo di Newton che approssima la derivata, utile quando la derivata analitica è difficile da calcolare.
4. Metodo delle Corde: Combina aspetti dei metodi di bisezione e secanti, offrendo una convergenza più rapida della bisezione.

Confronto tra Metodi di Ricerca Radici

Metodo	Convergenza	Vantaggi	Svantaggi	Iterazioni Tipiche
Bisezione	Lineare	Sempre convergente, semplice	Lento, richiede intervallo iniziale	15-30
Newton-Raphson	Quadratica	Molto veloce vicino alla soluzione	Può divergere, richiede derivata	3-7
Secanti	Superlineare (~1.6)	Non richiede derivata, veloce	Può divergere, richiede 2 punti iniziali	5-12
Corde	Lineare/Superlineare	Più stabile di Newton	Richiede derivata, meno veloce di Newton	8-15

Dati basati su test con funzione f(x) = x³ – 2x – 5 con tolleranza 1e-6

Sistemi Lineari e Metodi Diretti

La risoluzione di sistemi lineari è un altro pilastro del calcolo numerico. Al Politecnico di Torino si studiano sia metodi diretti che iterativi:

• Eliminazione di Gauss: Il metodo diretto più comune, con complessità O(n³). Include strategie di pivoting per migliorare la stabilità numerica.
• Fattorizzazione LU: Decomposizione della matrice in una matrice triangolare inferiore (L) e superiore (U), utile per risolvere sistemi con multiple parti note.
• Metodo di Cholesky: Versione ottimizzata per matrici simmetriche e definite positive, con complessità O(n³/3).
• Metodo di Thomas: Versione specializzata per matrici tridiagonali, con complessità O(n).

Stabilità Numerica nei Metodi Diretti

Un concetto chiave nel corso è il numero di condizionamento di una matrice, che misura quanto gli errori sui dati si amplificano nella soluzione. Per una matrice A, il numero di condizionamento in norma 2 è:

cond₂(A) = ||A||₂ · ||A⁻¹||₂ = σ₁/σₙ

Dove σ₁ e σₙ sono rispettivamente il più grande e il più piccolo valore singolare di A.

cond₂(A)	Classificazione	Cifre Significative Perse	Esempio Tipico
1	Perfettamente condizionata	0	Matrice identità
10-100	Ben condizionata	0-1	Matrici diagonali dominanti
100-1000	Moderatamente condizionata	1-2	Matrici da problemi fisici
1000-10000	Mal condizionata	2-3	Matrici da interpolazione
> 10000	Molto mal condizionata	> 3	Matrici di Hilbert

Integrazione Numerica

L’integrazione numerica, o quadratura, è essenziale per calcolare integrali definiti quando non esiste una soluzione analitica. I metodi principali includono:

• Regola del Trapezio: Approssima l’integrale usando trapezi. Errore O(h³).
• Regola di Simpson: Usa parabole per approssimare la funzione. Errore O(h⁵), più accurato del trapezio.
• Quadratura di Gauss: Metodo più avanzato che usa punti e pesi ottimali per massimizzare la precisione con meno valutazioni di funzione.
• Metodi Adattivi: Regolano automaticamente il passo per mantenere l’errore entro una tolleranza specificata.

Al Politecnico di Torino si studia anche l’estrapolazione di Richardson, una tecnica per migliorare l’accuratezza combinando risultati con passi diversi.

Interpolazione e Approssimazione

L’interpolazione polinomiale e l’approssimazione ai minimi quadrati sono tecniche fondamentali per rappresentare dati discreti con funzioni continue:

• Interpolazione di Lagrange: Costruisce un polinomio che passa esattamente per tutti i punti dati.
• Interpolazione di Newton: Forma alternativa con vantaggi computazionali per l’aggiunta di nuovi punti.
• Spline Cubiche: Usano polinomi cubici a tratti per evitare le oscillazioni dei polinomi di alto grado.
• Minimi Quadrati: Trova la “migliore” approssimazione (in senso L²) quando i dati sono affetti da rumore.

Errore di Interpolazione

Per un polinomio interpolante pₙ(x) di grado n che interpola f(x) in n+1 punti, l’errore in un punto x è dato da:

E(x) = f(x) – pₙ(x) = (f⁽ⁿ⁺¹⁾(ξ)/(n+1)!) · Πᵢ₌₀ⁿ (x – xᵢ)

Dove ξ è un punto nell’intervallo contenente x e tutti i punti xᵢ. Questo mostra come l’errore dipenda dalla derivata (n+1)-esima di f e dalla distanza tra i punti.

Equazioni Differenziali Ordinarie

La risoluzione numerica di ODE è cruciale per la modellazione di sistemi dinamici. I metodi principali includono:

• Metodo di Eulero: Il più semplice, con errore locale O(h²) e globale O(h).
• Metodi di Runge-Kutta: Famiglia di metodi con maggiore accuratezza. RK4 ha errore locale O(h⁵) e globale O(h⁴).
• Metodi Multipasso: Come Adams-Bashforth e Adams-Moulton, che usano informazioni da passi precedenti.
• Metodi Impliciti: Come il trapezio implicito, più stabili per problemi stiff.

Un concetto chiave è la stabilità: un metodo è stabile se piccoli errori non crescono esponenzialmente. La regione di assoluta stabilità è particolarmente importante per problemi stiff.

Risorse Accademiche Consigliate

Per approfondire gli argomenti trattati nel corso di Calcolo Numerico al Politecnico di Torino, si consigliano le seguenti risorse autorevoli:

1. Dipartimento di Matematica del MIT – Offre materiali avanzati su analisi numerica e metodi computazionali.
2. National Institute of Standards and Technology (NIST) – Pubblica standard e linee guida per il calcolo numerico in applicazioni scientifiche.
3. Dipartimento di Matematica UC Davis – Contiene appunti e risorse su metodi numerici per equazioni differenziali.
4. Society for Industrial and Applied Mathematics (SIAM) – Organizzazione leader nella ricerca in matematica applicata e calcolo numerico.

Per gli studenti del Politecnico di Torino, è particolarmente utile consultare il portale della didattica dove sono disponibili le dispense ufficiali del corso e gli esercizi degli anni precedenti.

Applicazioni Pratiche del Calcolo Numerico

Le tecniche apprese nel corso hanno applicazioni in numerosi campi:

Ingegneria Aerospaziale

• Simulazione di flussi fluidodinamici (CFD)
• Ottimizzazione di traiettorie di volo
• Analisi strutturale di componenti

Finanza Quantitativa

• Valutazione di derivati finanziari
• Modelli stocastici per il risk management
• Ottimizzazione di portafogli

Bioingegneria

• Modellazione di sistemi biologici
• Analisi di immagini medicali
• Simulazione di farmacocinetica

Energia e Ambiente

• Modelli climatici e meteorologici
• Ottimizzazione di reti energetiche
• Simulazione di processi chimici

Consigli per gli Esami

Per superare con successo l’esame di Calcolo Numerico al Politecnico di Torino:

1. Comprendi i concetti fondamentali: Non limitarti a memorizzare le formule. Capisci perché un metodo funziona e quali sono i suoi limiti.
2. Pratica con gli esercizi: Il corso richiede molta pratica. Risolvi tutti gli esercizi delle dispense e degli esami precedenti.
3. Impara a valutare gli errori: Molte domande d’esame riguardano la stima dell’errore e la convergenza dei metodi.
4. Usa strumenti computazionali: Familiarizza con MATLAB o Python (con librerie come NumPy e SciPy) per implementare gli algoritmi.
5. Studia gli esempi applicativi: Il Politecnico spesso include domande che collegano la teoria a problemi reali.
6. Gestisci il tempo: Gli esami di solito hanno sia domande teoriche che esercizi pratici. Allenati a completare tutto nel tempo assegnato.

Ricorda che al Politecnico di Torino gli esami di Calcolo Numerico spesso includono:

• Dimostrazioni di convergenza (almeno a livello intuitivo)
• Analisi della complessità computazionale
• Implementazione pseudocodice di algoritmi
• Applicazione dei metodi a problemi concreti

Errori Comuni da Evitare

Gli studenti spesso commettono questi errori:

1. Ignorare le condizioni iniziali: Molti metodi (come Newton) richiedono buone approssimazioni iniziali per convergere.
2. Sottostimare l’errore di arrotondamento: In calcolo numerico, gli errori di macchina possono accumularsi e rovinare i risultati.
3. Usare metodi inadatti: Ad esempio, applicare il metodo di Newton a funzioni non derivabili o con derivate nulle.
4. Dimenticare il controllo degli errori: Sempre verificare che l’errore sia sotto la tolleranza richiesta.
5. Confondere precisione e accuratezza: Un metodo può essere preciso (ripetibile) ma non accurato (vicino al valore vero).

Prospettive Future nel Calcolo Numerico

Il campo del calcolo numerico è in continua evoluzione. Alcune tendenze attuali includono:

• Calcolo ad Alta Prestazione (HPC): Uso di supercomputer e GPU per risolvere problemi sempre più grandi.
• Metodi Meshless: Tecniche che non richiedono una griglia strutturata, utili per problemi con geometrie complesse.
• Machine Learning e Calcolo Numerico: Integrazione di tecniche di apprendimento automatico con metodi numerici tradizionali.
• Calcolo Quantistico: Sviluppo di algoritmi quantistici per risolvere problemi numerici in modo più efficiente.
• Incertezza Quantificata: Metodi per propagare e quantificare l’incertezza nei modelli computazionali.

Al Politecnico di Torino, alcuni gruppi di ricerca stanno lavorando su applicazioni avanzate come la simulazione di materiali innovativi e l’ottimizzazione topologica, dove il calcolo numerico gioca un ruolo chiave.

Conclusione

Il corso di Calcolo Numerico al Politecnico di Torino fornisce gli strumenti matematici e computazionali essenziali per affrontare problemi complessi in ingegneria e scienze applicate. La padronanza di questi metodi non solo è fondamentale per superare l’esame, ma rappresenta una competenza preziosa per la carriera professionale in qualsiasi campo tecnico-scientifico.

Ricorda che il calcolo numerico è sia una scienza che un’arte: comprendere la teoria è cruciale, ma anche l’esperienza pratica nell’applicare i metodi a problemi reali è altrettanto importante. Utilizza questo calcolatore interattivo per sperimentare con diversi metodi e parametri, e osservare come variano i risultati in funzione delle scelte effettuate.