Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.3.6 Condizionamento del problema<br />
Dato un problema espresso tramite relazioni tra valori numerici, il condizionamento<br />
è un valore che quantifica di quanto viene amplificato l’errore in ogni computazione<br />
tra gli errori sui dati in ingresso e quelli sui dati in uscita. Possiamo<br />
formalizzare il problema come una funzione:<br />
dove<br />
x rappresenta i parametri di input<br />
f rappresenta la descrizione del problema<br />
y rappresenta i dati di output<br />
y = f(x) (2.21)<br />
Senza perdita di generalità possiamo assumere che x, y ∈ R e f : R → R con<br />
f ∈ C 2 Quindi possiamo formalizzare il problema matematico come<br />
dove<br />
˜x = ˜ f(˜x) (2.22)<br />
˜x rappresenta i dati di input perturbati, sia da errori di rappresentazione<br />
che da errori di misurazioni.<br />
˜f rappresenta il metodo numerico utilizzato per risolvere il problema, che<br />
può presentare errori di discretizzazione o convergenza oppure entrambi.<br />
˜y rappresenta i dati di output perturbati in quanto sia i dati di input che<br />
la funzione risultano perturbati.<br />
Risulta interessante quindi studiare come le perturbazioni sui dati in input<br />
affliggono i risultati, supponendo di usare un metodo numerico esatto.<br />
˜y = f(˜x) (2.23)<br />
Ovvero vogliamo valutare la differenza ˜y − y in funzione della differenza ˜x − x.<br />
Se consideriamo gli errori relativi possiamo riscrivere le due differenze in questo<br />
modo:<br />
˜x = x(1 + ǫx), ˜y = y(1 + ǫy) (2.24)<br />
Sviluppando il secondo membro in x delle 2.24, otteniamo<br />
y + yǫy = f(x) + f ′ (x)xǫx + O(ǫ 2 x ) (2.25)<br />
Tenendo conto della 2.21 possiamo sostituire ottenendo<br />
yǫy = f ′ (x)xǫx + O(ǫ 2 x )<br />
Se poi consideriamo uno studio al primo ordine si ottiene che:<br />
<br />
<br />
|ǫy| ≈ <br />
f ′ (x) x<br />
<br />
<br />
<br />
y ∗ |ǫx| ≡ k |ǫx| (2.26)<br />
K il fattore di amplificazione, che misura quanto gli errori sui dati in ingresso<br />
influiscano sui dati in uscita. Ci sono due casi interessanti:<br />
15