Tutoraggio VI — Analisi Numerica II Esercizio 1. Considera il sistema lineare 4x1 − x2 − x4 = 0 −x1 + 4x2 − x3 − x5 = 5 −x2 + 4x3 − x6 = 0 −x 1 + 4x4 − x5 = 6 −x 2 − x4 + 4x5 − x6 = −2 −x3 − x5 + 4x6 = 6 a. Di quali proprietà gode la matrice dei coefficienti (non singolare, definita positiva, a diagonale strettamente dominante)? b. Cosa si può quindi dire sulla convergenza dei metodi di Jacobi e GaussSeidel? c. Utilizzando la funzione Matlab jacobi.m applica il metodo di Jacobi con x0 uguale al vettore nullo per approssimare la soluzione del sistema lineare con una tolleranza di 10−5 . d. Utilizzando la funzione Matlab gauss seidel.m applica metodo di Gauss-Seidel con x0 uguale al vettore nullo per approssimare la soluzione del sistema lineare con una tolleranza di 10−5 . Esercizio 2. Il sistema lineare x1 + 2x2 − 2x3 = 7 x1 + x2 + x3 = 2 2x1 + 2x2 + x3 = 5 ha soluzione (1, 2, −1)t . a. Verifica che ρ(Tj ) < 1. b. Utilizzando la funzione Matlab jacobi.m applica il metodo di Jacobi con x0 uguale al vettore nullo per approssimare la soluzione del sistema lineare con una tolleranza di 10−5 . c. Verifica che ρ(Tg ) = 2. d. Utilizzando la funzione Matlab gauss seidel.m applica il metodo di Gauss-Seidel con x0 uguale al vettore nullo per approssimare la soluzione del sistema lineare con una tolleranza di 10−5 . 1 Esercizio 3. Costruisci, utilizzando opportuni comandi Matlab, la matrice A i cui elementi sono dati da 2i se j= i, i = 1, 2, . . . , 80 j = i + 2, i = 1, 2, . . . , 78 se 0.5i j = i − 2, i = 3, 4, . . . , 80 ai,j = j = i + 4, i = 1, 2, . . . , 76 0.25i se j = i − 4, i = 5, 6, . . . , 80 0 altrimenti e il vettore b di elementi bi = π, per i = 1, . . . , 80. Quale classe di metodi ritieni più opportuno utilizzare per risolvere il sistema Ax = b? Risolvi il sistema utilizzando tali metodi. Esercizio 4. Considera il sistema lineare 3.9x1 + 1.6x2 = 5.5 6.8x1 + 2.9x2 = 9.7 Sia x = (1, 1)t la soluzione esatta e x̃ = (0.98, 1.1)t una soluzione approssimata. Calcola kx − x̃k in norma 1, 2 e infinito verifica che kx − x̃k ≤ K(A) kb − Ax̃k . kAk NOTA: tale disuguaglianza si può utilizzare per trovare una maggiorazione dell’errore relativo della soluzione kb − Ax̃k kx − x̃k ≤ K(A) . kxk kbk 2