REGISTRO DELLE LEZIONI DI
METODI NUMERICI PER LA BIOINGEGNERIA
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA BIOMEDICA
6 CFU - A.A. 2024/2025
DOCENTE: PROF. GIUSEPPE RODRIGUEZ
ULTIMO AGGIORNAMENTO: 29. ottobre 2024
1. Martedì 1/10/2024, 9–11. ore:
2(2)
Introduzione al corso. Discussione su prerequisiti, modalità d'esame e libro
di testo. Richiami. Modelli matematici e numerici. Problemi ben posti e
condizionamento. Algoritmi e loro proprietà. Origine e misura degli errori.
Spazi lineari e normati.
2. Giovedì 3/10/2024, 12–14. ore:
2(4)
Spazi lineari, combinazioni lineari, indipendenza lineare, basi. Spazi normati,
metrici, di Banach. Convergenza di successioni di vettori. Spazi di Hilbert,
ortogonalità. Matrici, autovalori e autovettori. Sistemi lineari, numero di
condizionamento, metodi diretti e iterativi. Fattorizzazione di Gauss e
sua applicazione alla risoluzione di sistemi. Sistemi rettangolari.
3. Martedì 8/10/2024, 9–11. ore:
2(6)
Riepilogo sistemi rettangolari ed esempi. Formulazione di un problema ai minimi
quadrati per un sistema sovradeterminato a rango pieno. Approssimazione di
funzioni. Approssimazione polinomiale discreta. Interpolazione e
approssimazione nel senso dei minimi quadrati. Esempio applicativo: decadimento
radioattivo.
4. Giovedì 10/10/2024, 12–14. ore:
2(8)
Approssimazione di dati sperimentali mediante funzioni esponenziali: il caso
lineare e quello nonlineare. Calcolo del gradiente di alcune funzioni espresse
in forma matriciale. Risoluzione di un problema ai minimi quadrati
sovradeterminato a rango pieno. Calcolo del gradiente della norma del residuo.
Sistema delle equazioni normali. Matrice pseudoinversa. Proprietà della
matrice . Cenni storici sul metodo di Cholesky.
5. Martedì 15/10/2024, 9–11. ore:
2(10)
RIepilogo. Costruzione dell'algoritmo di Cholesky. Pseudocodice dell'algoritmo.
Utilizzazione per la risoluzione di un problema ai minimi quadrati.
Complessità. Fattorizzazione QR completa e compatta. Risoluzione di un
sistema singolare quadrato. Conservazione del numero di condizionamento.
6. Giovedì 17/10/2024, 12–14. ore:
2(12)
Risoluzione nel senso dei minimi quadrati di un sistema lineare
sovradeterminato mediante la fattorizzazione QR. Confronto con la risoluzione
tramite le equazioni normali. L'operatore backslash in Matlab. Cenni
sul calcolo della fattorizzazione QR con l'algoritmo di Gram-Schmidt. Matrici
elementari di Householder. Calcolo ottimizzato della matrice . Cenni sul
fenomeno della cancellazione. Schema dell'algoritmo di Householder per la
fattorizzazione QR.
7. Martedì 22/10/2024, 9–11. ore:
2(14)
Riepilogo matrici elementari di Householder. Algoritmo di fattorizzazione QR di
Householder. Svolgimento dei primi tre passi e descrizione del passo generico.
Costruzione della matrice . Schema dell'algoritmo e mappa strutturale nel
caso di una matrice quadrata. Cenni sulla ottimizzazione dell'algoritmo.
Algoritmo nel caso di una matrice rettangolare. Complessità computazionale.
Matrici elementari di Givens. Schema dell'algoritmo di fattorizzazione QR di
Givens. Confronto con l'algoritmo di Householder.
8. Giovedì 24/10/2024, 12–14. ore:
2(16)
Laboratorio Matlab. Costruzione di un sistema lineare sovradeterminato con
soluzione assegnata. Risoluzione mediante l'operatore backslash,
equazioni normali con fattorizzazione di Cholesky, fattorizzazione QR applicata
al residuo. Realizzazione di una sperimentazione numerica al variare della
dimensione con grafico dell'errore e dei tempi di calcolo. Costruzione di una
matrice elementare di Householder.
9. Martedì 29/10/2024, 9–11. ore:
2(18)
Riepilogo problemi ai minimi quadrati. Il caso sottodeterminato a rango pieno.
Insieme delle soluzioni LSS. Condizione di ortogonalità verificata da una
LSS. Trasformazioni lineari, nucleo e immagine. I quattro sottospazi
fondamentali di una matrice. Interpretazione della condizione di
ortogonalità. Esempio geometrico. Le equazioni normali sono compatibili, ma
hanno infinite soluzioni. Espressione di una LSS in termini nel nucleo di .
Soluzioni di minima norma. Riformulazione ben posta del sistema lineare come
problema di minimo vincolato. Possibili alternative per la scelta di una
particolare soluzione in presenza di informazioni a priori di tipo fisico. Il
metodo dei moltiplicatori di Lagrange. Esempio.
Totale ore: 18 (lezione),
0 (esercitazione)
Giuseppe Rodriguez
rodriguez@unica.it