Calcolo Numerico Esercizi Svolti Teorema Degli Zeri

Inserisci i parametri per applicare il teorema degli zeri e trovare gli intervalli contenenti le radici della funzione.

Introduzione al Teorema degli Zeri

Il teorema degli zeri (o teorema di Bolzano) è un risultato fondamentale dell’analisi matematica che garantisce l’esistenza di almeno una radice (zero) per una funzione continua in un determinato intervallo. Formalmente, il teorema afferma:

Sia f: [a, b] → ℝ una funzione continua in un intervallo chiuso [a, b]. Se f(a) e f(b) hanno segni opposti (cioè f(a) · f(b) < 0), allora esiste almeno un punto c ∈ (a, b) tale che f(c) = 0.

Questo teorema è alla base di molti metodi numerici per il calcolo approssimato delle radici di equazioni non lineari, come il metodo di bisezione, il metodo di Newton-Raphson e il metodo delle secanti.

Applicazioni Pratiche del Teorema

Il teorema degli zeri trova applicazione in numerosi campi:

• Ingegneria: Progettazione di strutture, analisi di stabilità, ottimizzazione di processi.
• Fisica: Risoluzione di equazioni del moto, calcolo di punti di equilibrio.
• Economia: Modelli di ottimizzazione, analisi di break-even.
• Informatica: Algoritmi di ottimizzazione, grafica computazionale.

Ad esempio, in ingegneria civile, il teorema viene utilizzato per determinare i punti di cedimento strutturale analizzando le funzioni di carico.

Metodi Numerici Basati sul Teorema degli Zeri

1. Metodo di Bisezione

Il metodo più semplice e robusto, che dimezza iterativamente l’intervallo [a, b] fino a raggiungere la tolleranza desiderata. La convergenza è lineare con velocità:

|cₙ – c| ≤ (b – a)/2ⁿ

dove cₙ è l’approssimazione alla n-esima iterazione e c è la radice esatta.

2. Metodo di Newton-Raphson

Metodo più efficiente che richiede la derivata della funzione. La formula iterativa è:

xₙ₊₁ = xₙ – f(xₙ)/f'(xₙ)

La convergenza è quadratica sotto opportune condizioni, il che lo rende molto più veloce del metodo di bisezione.

3. Metodo delle Secanti

Variante del metodo di Newton che approssima la derivata usando due punti precedenti:

xₙ₊₁ = xₙ – f(xₙ) · (xₙ – xₙ₋₁)/(f(xₙ) – f(xₙ₋₁))

Ha convergenza superlineare (ordine ~1.618) e non richiede il calcolo della derivata.

Confronto tra i Metodi Numerici

Metodo	Convergenza	Derivata Richiesta	Robustezza	Velocità	Costo Computazionale
Bisezione	Lineare (ord. 1)	No	Molto alta	Lenta	Basso
Newton-Raphson	Quadratica (ord. 2)	Sì	Media (dipende da x₀)	Molto veloce	Alto (derivata)
Secanti	Superlineare (ord. ~1.618)	No	Media	Veloce	Medio

La scelta del metodo dipende dal problema specifico:

• Usare la bisezione quando la funzione è costosa da valutare o la derivata è difficile da calcolare.
• Usare Newton-Raphson quando la derivata è facilmente calcolabile e si desidera convergenza rapida.
• Usare le secanti quando la derivata non è disponibile ma si vuole una convergenza più veloce della bisezione.

Esercizi Svolti sul Teorema degli Zeri

Esercizio 1: Verifica del Teorema

Testo: Verificare che la funzione f(x) = x³ – 3x + 1 soddisfa le ipotesi del teorema degli zeri nell’intervallo [0, 1] e determinare un’approssimazione della radice con tolleranza 10⁻⁴ usando il metodo di bisezione.

Soluzione:

1. Verifichiamo la continuità: f(x) è un polinomio, quindi continuo ovunque.
2. Calcoliamo f(0) = 1 > 0 e f(1) = -1 < 0. Poiché f(0)·f(1) = -1 < 0, per il teorema degli zeri esiste c ∈ (0,1) tale che f(c) = 0.
3. Applichiamo il metodo di bisezione con tolleranza ε = 10⁻⁴:

n	aₙ	bₙ	cₙ = (aₙ + bₙ)/2	f(cₙ)	|bₙ – aₙ|
0	0.0000	1.0000	0.5000	-0.3750	1.0000
1	0.0000	0.5000	0.2500	0.1719	0.5000
2	0.2500	0.5000	0.3750	-0.1289	0.2500
3	0.2500	0.3750	0.3125	0.0134	0.1250
4	0.3125	0.3750	0.3438	-0.0587	0.0625
5	0.3125	0.3438	0.3281	-0.0230	0.0312
6	0.3125	0.3281	0.3203	-0.0049	0.0156
7	0.3125	0.3203	0.3164	0.0043	0.0078
8	0.3164	0.3203	0.3184	-0.0003	0.0039
9	0.3184	0.3203	0.3193	0.0020	0.0019
10	0.3184	0.3193	0.3189	0.0009	0.0010

Dopo 10 iterazioni, otteniamo l’approssimazione c ≈ 0.3189 con f(c) ≈ 0.0009 e errore |b – a| ≈ 0.0010 < ε.

Esercizio 2: Applicazione del Metodo di Newton

Testo: Usare il metodo di Newton-Raphson per approssimare la radice di f(x) = eˣ – x² + 2 con x₀ = -1.5 e tolleranza 10⁻⁵.

Soluzione:

La derivata è f'(x) = eˣ – 2x. La formula iterativa diventa:

xₙ₊₁ = xₙ – (eˣⁿ – xₙ² + 2)/(eˣⁿ – 2xₙ)

n	xₙ	f(xₙ)	f'(xₙ)	xₙ₊₁	|xₙ₊₁ – xₙ|
0	-1.50000	0.105399	2.477876	-1.54283	0.04283
1	-1.54283	-0.00061	2.550040	-1.54260	0.00023
2	-1.54260	-0.00000	2.549786	-1.54260	0.00000

Il metodo converge in sole 2 iterazioni alla soluzione x ≈ -1.54260 con f(x) ≈ 0.

Errori e Limitazioni dei Metodi Numerici

Nonostante la potenza dei metodi numerici, esistono alcune limitazioni:

• Errori di arrotondamento: Dovuti alla rappresentazione finita dei numeri in virgola mobile.
• Convergenza a radici non desiderate: Alcuni metodi (come Newton) possono convergere a radici diverse da quella cercata.
• Dipendenza dalla scelta iniziale: Metodi come Newton richiedono una buona stima iniziale x₀.
• Funzioni non differenziabili: Newton non è applicabile se f'(x) = 0 in qualche punto.

Per mitigare questi problemi:

1. Usare aritmetica a precisione multipla per ridurre gli errori di arrotondamento.
2. Combinare metodi (es: bisezione + Newton) per garantire convergenza globale.
3. Analizzare graficamente la funzione per scegliere intervalli iniziali appropriati.

Risorse Accademiche e Approfondimenti

Per approfondire lo studio del teorema degli zeri e dei metodi numerici, consultare le seguenti risorse autorevoli:

• MIT OpenCourseWare – Intermediate Value Theorem and Applications (Massachusetts Institute of Technology)
• Numerical Analysis Lecture Notes – Chapter 2: Solving Equations (University of California, Davis)
• NIST Guide to Available Mathematical Software – Zero Finding (National Institute of Standards and Technology)

Queste risorse offrono una trattazione rigorosa degli argomenti, con dimostrazioni complete e ulteriori esempi applicativi.

Conclusione

Il teorema degli zeri rappresenta uno dei pilastri del calcolo numerico, fornendo le basi teoriche per la risoluzione di equazioni non lineari. La sua applicazione, combinata con metodi iterativi come la bisezione, Newton-Raphson o le secanti, permette di affrontare problemi complessi in diversi ambiti scientifici e ingegneristici.

Per ottenere risultati affidabili, è fondamentale:

1. Verificare sempre le ipotesi del teorema (continuità e cambio di segno).
2. Scegliere il metodo numerico più adatto al problema specifico.
3. Monitorare la convergenza e l’errore durante le iterazioni.
4. Validare i risultati con analisi grafiche o metodi alternativi.

La padronanza di queste tecniche è essenziale per qualsiasi studente o professionista che lavori con modelli matematici e simulazioni numeriche.