Matrici: Definizioni e Proprietà.
|
|
- Cesarina Lillo
- 5 anni fa
- Visualizzazioni
Transcript
1 1 Matrici: Definizioni e Proprietà. Definizione: Matrice Si dice Matrice reale A del tipo (m, n) l insieme di mxn numeri reali disposti su m righe ed n colonne come segue: a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Definizione: Matrice NULLA Una matrice A si dice nulla se ha tutti gli elementi uguali a 0. La si indica sinteticamente anche con A=0 Definizione: Matrici dello stesso tipo Due matrici A e B si dicono dello stesso tipo se hanno lo stesso numero di righe e di colonne. Definizione: Matrici EGUALI Due matrici A e B si dicono eguali se hanno lo stesso numero di righe e di colonne e tutte le componenti corrispondenti identiche. La relazione di eguaglinza tra matrici gode delle proprietà Riflessiva A=A, Simmetrica se A=B segue B=A e Transitiva se A=B e B=C segue che A=C. Definizione: Matrice RIGA e Matrice COLONNA Si dice matrice (o vettore) riga/colonna una matrice con un unica riga/colonna, cioè una matrice del tipo (1, n)/(m, 1). Definizione: Matrice quadrata, diagonale principale e secondaria, elementi coniugati. Una matrice è quadrata se è del tipo (n,n); a 11 a 12 a 1n a 21 a 22 a 2n a n1 a n2 a nn Gli elementi a 11, a 22,, a nn costituiscono la diagonale principale, gli elementi a n1,, a 1n quella secondaria. Gli elementi a ik e a ki, con gli stessi indici ma in ordine inverso si dicono coniugati e i loro posti sono simmetrici rispetto alla diagonale principale. Definizione: Matrice Identità (o Unità) Una matrice Identità è una matrice quadrata del tipo (n,n) con tutti gli elemeti della diagonale principale uguali a 1 e tutti i restanti nulli
2 2 Definizione: Matrice Trasposta Si dice Matrice trasposta di A del tipo (mxn) e la si indica con A T la matrice ottenuta dalla A trasformando ordinatamente le righe di A in colonne di A T che sarà del tipo (nxm) A= a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A T = a 11 a 21 a m1 a 12 a 22 a m2 a 1n a 2n a mn Definizione: Somma di matrici La matrice somma di due matrici A e B dello stesso tipo mxn e una matrice C del tipo mxn ottenuta sommando gli elementi corrispondenti delle due matrici A e B. PROPRIETA delle matrici rispetto alla SOMMA L insieme delle matrici del tipo (m, n) formano un gruppo commutativo rispetto all operazione di somma: 1. La somma è una legge di composizione interna; 2. E associativa (A+B)+C = A+(B+C) 3. E commutatica A+B = B+A 4. Ha per elemento neutro la matrice Nulla A+ 0 = 0+A=A 5. Ogni matrice è dotata di un opposta ottenuta da A cambiando il segno di tutte le componenti e si indica con ( A) tale che A+(-A)=0 Vale inoltre la legge di semplificazione: se A+C = B+C segue che A=B Definizione: Prodotto di matrici La matrice prodotto di due matrici A e B è possibile solo se il numero di colenne della prima matrice coincide con il numero di righe della seconda. In altri termini A deve avere dimensione mxp, B pxn. Il prodotto è la matrice C del tipo (m,n) ottenuta moltiplicando i termini di ogni riga di A con i corrispondenti termini delle colonne di B e sommando i prodotti tra loro nel seguente modo: a 11 a 12 a 21 a 22 b 11 b 12 b 13 x b 21 b 22 b 23 = (a 11.b 11 +a 12.b 21 ) (a 11.b 12 +a 12.b 22 ) (a 11.b 13 +a 12.b 23 ) (a 21.b 11 +a 22.b 21 ) (a 21.b 12 +a 22.b 22 ) (a 21.b 13 +a 22.b 23 ) PROPRIETA delle matrici rispetto al PRODOTTO Se la prima matrice è del tipo (m, p) e la seconda (p, n) 1. il prodotto di due matrici è una legge di composizione interna; 2. E associativa (A*B)*C = A*(B*C)
3 3 INOLTRE NON vale la proprietà COMMUTATIVA A* B B * A (evidente se di ordini mxp e pxn con m diverso da n, ma non vale anche se le matrici sono nxn) NON vale la legge di annullamento del PRODOTTO A* B = 0 non segue A= 0 B = A = B 0 A* B 0 0 = = = NON vale la legge di semplificazione A = 2 0 B C A* B 2 4 A* C 2 4 = 3 4 = 1 1 = = = Vale la proprietà (A*B) T = B T *A T Vale la proprietà distributiva a sinistra del prodotto rispetto alla somma A*(B+C)=A*B+A*C Vale la proprietà distributiva a destra del prodotto rispetto alla somma (B+C)*A=B*A+C*A Definizione: Detrminate di una matrice quadrata Ad ogni matrice quadrata è associato un numero che si chiama determinante. Definizione: Minore complementare di un elemento di una matrice quadrata Si dice minore complementare di un elemento a ik di una matrice quadrata A di ordine n e lo si indica con M ik il determinante della matrice quadrata di ordine n-1 che si ottiene dalla A eliminando tutti gli elementi della riga e della colonna a cui appartiene a ik come segue: a 11 a 12 a 13 A= a 21 a 22 a 23 il minore compl. di a 11 è M 11 = a 31 a 32 a 33 a 22 a 23 a 32 a 33 a 11 a 12 a 13 a A= 21 a 22 a 23 il minore compl. di a 12 è [ ] a 31 a 32 a 33 M = 12 a 21 a 23 a 31 a 33 Definizione: Complemento algebrico di un elemento di una matrice quadrata Si dice complemento algebrico di un elemento a ik di una matrice quadrata A di ordine n e lo si indica con A ik il minore complementare M ik preceduto dal segno positivo se i+k è pari, negativo se dispari. A ik =(-1) i+k.m ik Il calcolo del determinante può essere definito ricorsivamente nel seguente modo: Il determinante di una matrice A del tipo(1,1) è il valore della sua unica componente e si indica con A = a ik
4 4 Il determinante di una matrice A del tipo(n,n) lo si ottiene come somma dei prodotti di ciascun elemento di una linea qualsiasi per il determinante del rispettivo complemento algebrico. Definizione: INVERSA di una matrice quadrata Si dice inversa di una matrice quadrata A, se esiste, la matrice A -1 tale che: A* A -1 = A -1 *A=I Teorema: di esistenza dell inversa di una natrice quadrata. Ogni matrice quadrata con determinante non nullo ammette un unica matrice inversa A -1. Regola per calcolare l inversa di una matrice: AIK Si determina una matrice [a ik ] tale che ogni elementoα IK = e si esegue la sua trasposta [a ki ]. In A altri termini A -1 =[ a ki ]. Esempio: A= A = 3 [a ik ]= A =[a ki ]= Verificare eseguendo A*A -1 =I Definizione: Matrice diagonale Si dice matrice diagonale una matrice quadrata che ha tutti i termini nulli tranne quelli della diagonale principale. Definizione: Matrice tringolare superiore (inferiore) Si dice matrice triangolare superiore (inferiore) una matrice quadrata che ha nulli i termini a ik=0 se i>k (a ik =0 se i<k) Mat. Diagonale a a a a 0 a22 0 Mat. Tringolare sup. 0 a a 0 0 a a a inferiore a21 a22 0 a31 a32 a 33 PROPRIETÀ dei determinati Una matrice quadrata e la sua trasposta hanno lo stesso determinante. Se una riga (o una colonna) di una matrice quadrata ha tutti gli elementi nulli il determinante è 0. Scambiando fra loro due righe (o due colonne) il determinante cambia di segno Se in una matrice quadrata due righe o due colonne hanno gli elementi proporzionali il determinante è nullo Se si moltiplicano gli elementi di una riga o colonna per una costante reale k, il determinante della matrice resta moltiplicato per k. Il determinante di una matrice non cambia se ad una linea si aggiuge una linea parallela moltiplicata per un numero k
5 5 Il determinanate della matrice prodotto è uguale al prodotto dei determinanti Una matrice con determinate nullo si dice singolare o degenere viceversa non singolare o regolare Il determinante di una matrice diagonale o triangolate è uguale al prodotto degli elementi della diagonale. PROPRIETA delle matrici quadrate di ordine n con determinate NON nullo rispetto al PRODOTTO L insieme delle matrici del tipo (n, n) formano un gruppo non commutativo rispetto all operazione di moltiplicazione: 3. il prodotto di due matrici del tipo (n,n) è una legge di composizione interna; 4. E associativa (A*B)*C = A*(B*C) 5. Ha per elemento neutro la matrice Identità A*I = I*A=A 6. Ogni matrice con determinante non nullo è dotata di un inversa che si indica con A -1 tale che A -1 *A=A*A -1 =I INOLTRE (per le matrici quadrate) NON vale la proprietà COMMUTATIVA NON vale la legge di annullamento del PRODOTTO se determinante di C non è nullo vale la legge di semplificazione: A*C = B*C segue che A=B Infatti C -1 esiste, quindi A*C*C -1 =B*C*C -1 da cui A*I=B*I da cui A=B Vale la proprietà (A*B) -1 =B -1 *A -1 Vale la proprietà distributiva a sinistra del prodotto rispetto alla somma A*(B+C)=A*B+A*C Vale la proprietà distributiva a destra del prodotto rispetto alla somma (B+C)*A=B*A+C*A
6 6 Progetto della classe matrici Sulla base delle proprietà elencate si potrebbe realizzare la seguente classe: Quali attributi: Quali costruttori: Quali metodi Statici e/o dinamici Matrice - double[][] A; +Matrice(double[][] a) ; +Matrice(double[]a, int c) ; +Matrice(int r, int c, double mn, double mx) ; +Matrice(int r, int c) ; +tostring() :String ; +sum(matrice b) : Matrice; +static sum(matrice a, b) : Matrice; +per(matrice b) : Matrice; +static per(matrice a, b) : Matrice; +opp() : Matrice; +det() : double; +inv() : Matrice; +mco() : Matrice; Esempio di metodo ricorsivo: metodo Fattoriale di N. Se N=0; fat(0)=1; (oppure N=1; fat(1)=1); Se N>1; fat(n)=n*fat(n-1); Ecco il metodo statico fattoriale in Java: Nella classe Mia codifico il metodo statico: public class Mia{ public static long fat(long n) { if (n==0) return 1; else return n*fat(n-1); esempio di invocazione nel main() long R=Mia.fat(7); System.out.println( R );
7 7 Soffermianoci sul determinante: Definizione ricorsiva di determinante Se n=1 segue det(a,1) = A[0][0]; se n>1 segue det(a,n) = n 1 0+ k ( 1) A[0][ k] det( A0 k, n 1) k = 0 ATTRIBUTO CLASSE: double[][] A; public double det() { // metodo dinamico della classe Matrice double d=0 ; if (A.length!= A[0].length) { System.out.print("Dim. Illegittima"); System.exit(1); else if (A.length==1) d=a[0][0] ; else for (int c=0 ; c<a.length; c++) if (c%2==0) d=d+a[0][c]*(mco(0,c)).det(); else d=d - A[0][c]*(mco(0,c)).det(); return d; public Matrice mco(int r, int c) { // restituisce la matrice coniugata di a(r,c) ; int R=A.length; int C=A[0].length; double[][] m=new double[r-1][c-1]; if (r<r && c<c) { for (int i=0; i<r; i++) { for (int j=0; j<c; j++){ if (i<r && j<c) m[i][j]=a[i][j]; else if (i>r && j>c) m[i-1][j-1]=a[i][j]; else if (i>r && j<c) m[i-1][j]=a[i][j]; else if (j>c && i<r) m[i][j-1]=a[i][j]; else { System.out.println("parametri illegittimi."); System.exit(1); Matrice Ris=new Matrice(m); return Ris; Esempio di invocazione nel main(); double[][] a={{1,3,{2, 5; Matrice M=new Matrice(a); double D=M.det(); System.out.println(D);
8 8 Sistemi lineari come modello applicativo per le matrici: Rappresentazione di un sistema con matrici. Un sistema lineare di n equazioni in n incognite a11x1 + a12 x a1 nxn = b1 a21x1 + a22x a2nxn = b2 (1)... an1x1+ an2x annxn = bn Può essere rappresentato dalle seguenti matrci A a11 a12... a1 n a a... a an1 an2... ann n = X x1 x... xn 2 = B b1 b... bn 2 = A matrice dei coefficienti, X vettore colonna delle incognite, B Vettore colonna dei termini noti. Si nota che, sulla base delle proprietà del prodotto definito sulle matrici, il sistema (1) può essere rappresentato dal prodotto a11 a12... a1 n x1 b1 a21 a22... a 2n x 2 b 2 A*X=B infatti * = (2) an1 an2... ann xn bn La scrittura del sistema (1) è identica alla (2). Esempio di sistema lineare in due incognite : x + y = (3) può essere scritto 1x 2y = * x y = 3 5 1x 1y 3 = 1x 2y 5 che coincide con (3) eseguendo il prodotto si ottiene: Risoluzione del sistema con il metodo della matrice inversa. Ricordando le proprietà del prodotto e dell esistenza della matrice inversa si possono eseguire le seguenti deduzioni: Se A 0 A quindi se A * X = B A A * X = A B I * X = A * B X = A * B Da queste deduzioni segue che la soluzione X di un sistema con determinante dei coefficienti A non nullo lo si ottiene moltiplicando l inversa A -1 per il vettore dei termini noti B.
9 9 Esempio soluzione sitema (3) x + y = 3 determinante A = 1 1 x 2y = IK [ α ] IK 2 1 A 1 1 = = A da cui [ α KI ] A = -1 matrice [ ] IK = = 1 1 α IK A = ovvero A da cui [ X ] = * = Algoritmo: Progettare un programma (e le classi necessarie) che risolva sistemi lineari nxn utilizzando il metodo dell inversa. Indicazioni per un prototipo della classe Sistema: Sistema - MC, MN, MCO :Matrice; + Sistema(a[][], b[]:double) + Sistema(a, b:matrice) + tostring() : String ; + solinversa() : Matrice ; (sai costruire un metodo per eseguire il prodotto di matrici? qual è l algoritmo migliore per determinare l inversa di una matrice? ) Risoluzione del sistema con il metodo di Cramer. Teorema di Cramer: Se il determinante A dei coefficienti del sistema è diverso da zero, il sistema ammette una ed una sola soluzione data da D1 D2 Dn x1 = x2 =... xn = A A A Dove D i rappresentano i determinanti che si ottengono dalla matrice dei coefficienti sostituendo la colonna i-esima con la colonna dei termini noti B. Esempio soluzione sitema (3) x + y = 3 A = 1 1 x 2y = = -1 D 1 = = 1 D = = x = = 1 y = = Algoritmo: Progettare un programma (e le classi necessarie) che risolva sistemi lineari nxn utilizzando il metodo di Cramer. Indicazioni per un prototipo della classe Sistema:
10 10 Sistema - MC, MN, MCO :Matrice; + Sistema(a[][], b[]:double) + Sistema(a, b:matrice) - sost(i : int) :Matrice + cramer() : Matrice ; + tostring() :String ; (sai costruire un metodo per calcolare il determinante di una matrice qual è il modo più efficiente? Sai costruire un metodo che sostituisca un vettore colonna di una matrice A nxn con il vettore dei termini noti B? ) Se non ci occupiamo dell EFFICIENZA il metodo di Cramer potrebbe essere: public Matrice cramer() { int N=MC.length; double D=MC.det() ; // determinante dei coefficienti double x[]=new double[n] ; // vettore delle soluzioni double dris[]=new double[n] ; // vettore dei determinanti ott. Sost. I termini noti. double tutti=0; // se tutti i dris[]=0, tutti=0; for (int i=0 ; i<n ; i++){ Matrice M=MC.sost(i); dris[i]=m.det(); tutti=tutti+math.abs(dris[i]); if (D!=) { for (int i=0 ; i<n ; i++) x[i]=dris[i]/d; else if (tutti==0) { System.out.println( Sistema indeterminato. ); System.exit(1); else { System.out.println( Sistema impossibile. ); System.exit(1); Matrice R=new Matrice(x,1); Return R; il main(), farebbe uso delle classi Matrice, Sistema e invocherebbe: double[][] a={{1,2,3,{1,0,1,{0,4,-2 ; double[] b={4,2,1 ; Sistema S=new Sistema(a,b); System.out.println(S); Matrice r=s.cramer(); System.out.println( r) ;
11 11 Risoluzione del sistema con il metodo della matrice Triangolare Superiore (Gauss). Regola di costruzione della matrice triangolare superiore: Si scrive la matrice dei coefficienti e si aggiunge ad essa la colonna dei termini noti a11 a12... a1 n b1 a21 a22... a2n b an1 an2... ann bn 1. SE a 11 = ZERO ALLORA Si scambia la 1 riga con una qualsiasi riga con il primo elemento diverso da ZERO a21 2. Si moltiplicano tutti termini della 1 riga per e si sottrae la riga così ottenuta a dalla seconda a11 a12... a1 n b1 * * * 0 a22... a2n b an1 an2... ann bn 3. Si ripete in generale la moltiplicazione della 1 riga per il termine e si sottrae la a11 riga così ottenuta dalla k.esima riga. Si ottiene: a11 a12... a1 n b1 * * * 0 a22... a2n b * * * 0 an2... ann bn * Si ripetono le operazioni (1) (2)(3) per la sottomatrice che inizia con a 22 e per le sottomatrici a* kk successive ottenendo una matrice triangolare superiore: 11 a K 1 a11 a12... a1 n b1 * * * 0 a22... a2n b ** ** ann bn Si ricava x n e si sostituisce a ritroso per ricavare le altre incognite. ** bn xn = ** ann Esempio soluzione sitema (3) x + y = inizio x 2y =
12 y 2 = = 2 1 sostituendo 2 nella 1 riga (1 1*2 3) e ricavando si ha x=3-2=1 Algoritmo: Progettare un programma (e le classi necessarie) che risolva sistemi lineari nxn utilizzando il metodo di Gauss. Indicazioni per un prototipo della classe Sistema: Sistema - MC, MN, MCO :Matrice; + Sistema(a[][], b[]:double) + Sistema(a, b:matrice) + gauss() : Matrice ; ((1)sai costruire un metodo per ottenere da una matrice COMPLETA (n,n+1) una matrice triangolare superiore, applicando correttamente le proprietà? (2) Sai sostituire a ritroso da una matrice triangolare superiore per ottenere le soluzioni? ) (1) in quale classe collocare il metodo (MATRICE o SISTEMA) (?).triangolagauss():matrice; (2) IDEM (?).sostritroso() : Matrice;
13 13 Risoluzione del sistema con il metodo della matrice Diagonale (Gauss-Jordan). Regola di diagonalizzazione: Si scrive la matrice dei coefficienti e si aggiunge ad essa la colonna dei termini noti a11 a12... a1 n b1 a21 a22... a2n b an1 an2... ann bn 1. SE a 11 = ZERO ALLORA Si scambia la 1 riga con una qualsiasi riga con il primo elemento diverso da ZERO ALTRIMENTI Si divide la 1 riga per a 11 * * * 1 a12... a1 n b 1 a21 a22... a2n b an1 an2... ann bn 2. Si moltiplicano tutti termini della 1 riga per a 21 e si sottrae la riga così ottenuta * * * 1 a12... a1 n b 1 * * * dalla seconda a a n b an1 an2... ann bn 3. Si ripete in generale la moltiplicazione della 1 riga per il termine a K1 e si sottrae la riga così ottenuta dalla k.esima riga. Si ottiene: * * * 1 a12... a1 n b 1 * * * 0 a22... a2n b * * * 0 an2... ann bn * Si ripetono le operazioni (1) (2)(3) per la sottomatrice che inizia con a 22 e per le sottomatrici a* kk successive e precedenti ottenendo una matrice diagonalizzata: ** o b 1 ** b ** bn L ultima colonna contiene il vettore delle soluzioni X Esempio soluzione sitema (3) x + y = inizio x 2y = ) Si divide la prima riga per a 11 =1 (nulla cambia). 2) Si moltiplica la 1 riga cosi ottenuta per a 21 = 1 ottenendo (-1-1 3).
14 14 3) La si sottrae dalla seconda ottenedo ) Si divide la seconda riga per a 22 = 1, e si ottiene (0, 1, 2). 2) Si moltiplica la seconda riga per a 12 =-1 (nulla cambia). 3) Si sottrae la seconda riga cosi ottenuta (0, 1, 2) dalla prima ottenedo (1 0 1). La matrice diagonalizzata sarà Le soluzioni sono nella terza colonna x=1 y=2. Algoritmo: Progettare un programma (e le classi necessarie) che risolva sistemi lineari nxn utilizzando il metodo di Gauss-Jordan. Indicazioni per un prototipo della classe Sistema: Sistema - MC, MN, MCO :Matrice; + Sistema(a[][], b[]:double) + Sistema(a, b:matrice) + gaussjordan() : Matrice ((1) sai costruire un metodo per diagonalizzare una matrice (n,n+1) applicando correttamente le proprietà? (2)Successivamente sai costruire un metodo per estrarre la colonna delle soluzioni?) 1) in quale classe collocare il metodo (MATRICE o SISTEMA) (?).diagonalegaussjordan():matrice; 2) IDEM (?).getcol(int i) : Matrice;
15 15 Complessità di calcolo e instabilità dei sistemi. La complessità Definizione : Si chiama complessità di calcolo in tempo di un algoritmo applicato a n dati e lo si indica con O(n) il numero di operazioni che è necessario eseguire perché l algoritmo termini. Tale numero deve essere espresso in funzione di n. La complessità viene distinta in complessità minima (caso migliore) complessità massima (caso peggiore) e complessità media (caso medio) Esempi: Se si costruisce un algoritmo di ricerca di un elemento su un array di n componenti la complessità in tempo sarà: minima O(n)=1 (eseguo solo una operazione di confronto se l elemento cercato è il primo) massima O(n)=n (eseguo n confronti se l elemento cercato è l ultimo) media O(n)=n/2 (se eseguo la ricerca per distribuzioni casuali avrò mediamente n/2 confronti) Se si costruisce un algoritmo di ordinamento bubble sort che si interrompe se dopo n-1 confronti non ho eseguito scambi la complessità in tempo sarà: minima O(n)=n-1 confronti) + 0 scambi (se i dati sono ordinati) massima O(n)=(n-1)+(n-2)+ +(1) (confronti) + (n-1)+(n-2)+ +(1) (scambi) =(n)(n-1) circa n 2 operazioni (se i dati sono in ordine inverso) media O(n)=sarà un valore mediano ma sempre dipendente da n 2 (se eseguo la ricerca per distribuzioni casuali) Conclusioni: Gli algoritmi con complessità proporzionale a n oppure n*log(n) sono buoni algoritmi.se la complessità di calcolo è proporzionale a (n 2 ) o superiore, al crescere di n il tempo di calcolo può diventare molto pesante. Se l algoritmo esegue operazione aritmetiche gli errori di arrotondamento possono diventare molto sensibili. Metodi di soluzione dei sistemi e complessità di calcolo: Il calcolo del determinante di una matrice, facendo uso della definizione ricorsiva, ha una elevata complessità (e quindi tempo elevato ed errori sensibili al crescere di n). Operazioni Somme + prodotti + n*(op_minore) Detrminante n=2 (2-1)+2+2*0=3 2!=2 n=3 (3-1)+3+3*3=14 3!=6 n=4 (4-1)+4+4*14 =63 4!=24 n=5 (5-1)+5+5*63=324 5!=120 n=6 (6-1)+6+6*324=1955 6!=720 Il metodo della matrice inversa deve fare i conti con il calcolo di molti determinanti (necessari per trovare l inversa) quindi, in assenza di metodi diversi (più rapidi) per invertire una matrice, dobbiamo soprassedere. Per la complessità di calcolo è opportuno scartare anche Cramer. E sempre necessario calcolare n+1 determinanti.
16 16 La complessità di calcolo del metodo di Gauss è quella preferibile. Anzi, con il metodo di Gauss si può anche trovare il determinante di una matrice abbassando notevolmente la complessità di calcolo rispetto all utilizzo della definizione ricorsiva di determinante. Il metodo di Gauss-Jordan esegue un numero circa doppio di operazioni rispetto al metodo di Gauss ma è molto utile per calcolare l inversa di una matrice perché riduce notevolmente la complessità di calcolo rispetto alla definizione matematica di inversa. L instabilità Anche utilizzando il metodo di Gauss si ottengo a volte risultati errati ovvero molto distanti da quelli corretti. In questi casi si dice che il sistema è instabile. Un sistema è instabile se ha un determinante molto prossimo allo ZERO. Non sempre si riesce ad evitare tale instabilità anche se parte di questa può essere annullata attraverso i metodi di Gauss e GausJordan calcolando preventivamente il determinante del sistema. Conclusioni: Per ragioni di complessità di calcolo si scarta il metodo di Cramer perché è sempre necessario calcolare n+1 determinanti. Rimangono accettabili nell ordine i metodi di Gauss, Gauss-Jordan e Inversa (nell ultimo caso solo se si determina A -1 con il metodo di Gauss-Jordan). Tecnica per determinare la Matrice Inversa (metodo di Gauss-Jordan) Il procedimento illustrato ha il pregio di abbassare la complessità di calcolo insita nella determinazione della matrice inversa, che per la definizione matematica, implica il calcolo di molti determinanti. Partendo dalla matrice (3,3) seguente: A = Si procede costruendo la matrice (3, 6) che contiene a destra la matrice identità: M = Ora si opera per ottenere a sinistra la matrice Identità, al termine dei calcoli la matrice (3,3) di destra conterrà la matrice inversa di quella di partenza. Ciclo di Colonna (colonna uno): Si fa perno su a 00 per rendere nulli tutti gli elementi sotto di esso. 1 operazione: se a 00 fosse ZERO occorre scambiare tutta la riga con una riga il cui primo elemento sia diverso da ZERO. 2 operazione: si normalizza la riga uno (R 0 ) dividendo tutti gli elementi per a 00 in modo che a 00 divenga 1 (in questo caso lo è già)
17 17 Ciclo di riga: (Seconda riga) 3 operazione: si ottiene la nuova seconda riga( R 1 )=R 1 -R 0 *a Ciclo di riga: (Terza riga) 4 operazione: si ottiene la nuova terza riga( R 2 )=R 2 -R 0 *a Ciclo di Colonna (colonna due): Si fa perno su a 11 per rendere nulli tutti gli elementi sotto e sopra di esso. 1 operazione: se a 11 fosse ZERO occorre scambiare tutta la riga con una riga il cui secondo elemento sia diverso da ZERO. 2 operazione: si normalizza la riga due (R 1 ) dividendo tutti gli elementi per a 11 in modo che a 11 divenga 1 (in questo caso si divide per 2) /2-1/2 1/ Ciclo di riga: (Terza riga) 3 operazione: si ottiene la nuova terza riga( R 2 )=R 2 -R 1 *a /2-1/2 1/ Ciclo di riga: (Prima riga) 4 operazione: si ottiene la nuova prima riga( R 0 )=R 0 -R 1 *a /2 1/2 1/ /2-1/2 1/ Ciclo di Colonna (colonna tre): 1 0 1/2 1/2 1/ /2-1/2 1/ Si fa perno su a 22 per rendere nulli tutti gli elementi sopra di esso. 1 operazione: se a 22 fosse ZERO il determinante sarebbe ZERO e il procedimento FINITO. (NON è possibile calcolare l inversa di un Determinante NULLO) 2 operazione: si normalizza la riga tre (R 2 ) dividendo tutti gli elementi per a 22 in modo che a 22 divenga 1 (in questo caso si divide per -1) 1 0 1/2 1/2 1/ /2-1/2 1/
18 18 Ciclo di riga: (Seconda riga) 3 operazione: si ottiene la nuova seconda riga( R 1 )=R 1 -R 2 *a /2 1/2 1/ /2-1 3/ Ciclo di riga: (Prima riga) 4 operazione: si ottiene la nuova prima riga( R 0 )=R 0 -R 2 *a /2 0 1/ /2-1 3/ Si è ottenuta la matrice identità e il procedimento ha termine con il seguente risultato: A =
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria p. 1
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria R. Vitolo Dipartimento di Matematica Università di Lecce SaLUG! - Salento Linux User Group Il programma OCTAVE per l
DettagliAppunti di Algebra Lineare. Antonino Salibra
Appunti di Algebra Lineare Antonino Salibra January 11, 2016 2 Libro di testo: Gilbert Strang, Algebra lineare, Edizioni Apogeo 2008 Programma di Algebra Lineare (2015/16) (da completare): 1. Campi numerici.
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliEsercitazioni di Reti Logiche. Lezione 1 Rappresentazione dell'informazione. Zeynep KIZILTAN zkiziltan@deis.unibo.it
Esercitazioni di Reti Logiche Lezione 1 Rappresentazione dell'informazione Zeynep KIZILTAN zkiziltan@deis.unibo.it Introduzione Zeynep KIZILTAN Si pronuncia Z come la S di Rose altrimenti, si legge come
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliMatematica con il foglio di calcolo
Matematica con il foglio di calcolo Sottotitolo: Classe: V primaria Argomento: Numeri e operazioni Autore: Guido Gottardi, Alberto Battaini Introduzione: l uso del foglio di calcolo offre l opportunità
DettagliVettori Algoritmi elementari di ordinamento
Dipartimento di Informatica e Sistemistica Antonio Ruberti Sapienza Università di Roma Vettori Algoritmi elementari di ordinamento Corso di Fondamenti di Informatica Laurea in Ingegneria Informatica (Canale
DettagliPierangelo Ciurlia, Riccardo Gusso, Martina Nardon
Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Pierangelo Ciurlia, Riccardo Gusso, Martina Nardon Esercizi di algebra lineare e sistemi di equazioni lineari con applicazioni
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliCorso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con
DettagliProgrammazione Orientata agli Oggetti in Linguaggio Java
Programmazione Orientata agli Oggetti in Linguaggio Java Classi e Oggetti: Metafora Parte a versione 2.2 Questo lavoro è concesso in uso secondo i termini di una licenza Creative Commons (vedi ultima pagina)
DettagliPre Test 2008... Matematica
Pre Test 2008... Matematica INSIEMI NUMERICI Gli insiemi numerici (di numeri) sono: numeri naturali N: insieme dei numeri interi e positivi {1; 2; 3; 4;...} numeri interi relativi Z: insieme dei numeri
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliProdotto elemento per elemento, NON righe per colonne Unione: M R S
Relazioni binarie Una relazione binaria può essere rappresentata con un grafo o con una matrice di incidenza. Date due relazioni R, S A 1 A 2, la matrice di incidenza a seguito di varie operazioni si può
DettagliEsercitazione Informatica I AA 2012-2013. Nicola Paoletti
Esercitazione Informatica I AA 2012-2013 Nicola Paoletti 4 Gigno 2013 2 Conversioni Effettuare le seguenti conversioni, tenendo conto del numero di bit con cui si rappresenta il numero da convertire/convertito.
DettagliMatematica B - a.a 2006/07 p. 1
Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +
DettagliPolinomio di secondo grado: Calcolo delle soluzioni di una equazione di secondo grado: import GraphicIO.*; public class Polinomio2 {
Polinomio di secondo grado: public class Polinomio2 GraphicConsole.println ("Inserisci i coefficienti interi del polinomio di secondo grado"); int a = GraphicConsole.readInt("a ="); int b = GraphicConsole.readInt("b
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliMetodi diretti per la soluzione di sistemi lineari
Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliRELAZIONI BINARIE. Proprietà delle relazioni Data una relazione R, definita in un insieme non vuoto U, si hanno le seguenti proprietà :
RELAZIONI INARIE Dati due insiemi non vuoti, A detto dominio e detto codominio, eventualmente coincidenti, si chiama relazione binaria (o corrispondenza) di A in, e si indica con f : A, (oppure R ) una
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
Dettagli9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU
9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto
DettagliESERCIZI DEL CORSO DI INFORMATICA
ESERCIZI DEL CORSO DI INFORMTIC Questa breve raccolta di esercizi vuole mettere in luce alcuni aspetti della prima parte del corso e fornire qualche spunto di riflessione. Il contenuto del materiale seguente
DettagliSESSIONE ORDINARIA 2007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE
SESSIONE ORDINARIA 007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE PROBLEMA Si consideri la funzione f definita da f ( x) x, il cui grafico è la parabola.. Si trovi il luogo geometrico dei
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliMETODI DI CONVERSIONE FRA MISURE
METODI DI CONVERSIONE FRA MISURE Un problema molto frequente e delicato da risolvere è la conversione tra misure, già in parte introdotto a proposito delle conversioni tra multipli e sottomultipli delle
DettagliCorso di Visione Artificiale. Matlab per Visione. Samuel Rota Bulò
Corso di Visione Artificiale Matlab per Visione Samuel Rota Bulò Cos'è Matlab? MATLAB MATLAB - - MATrix MATrix LABoratory LABoratory Ambiente Ambiente di di sviluppo sviluppo ed ed esecuzione esecuzione
DettagliCompito di SISTEMI E MODELLI. 19 Febbraio 2015
Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliAlgoritmi di Ricerca. Esempi di programmi Java
Fondamenti di Informatica Algoritmi di Ricerca Esempi di programmi Java Fondamenti di Informatica - D. Talia - UNICAL 1 Ricerca in una sequenza di elementi Data una sequenza di elementi, occorre verificare
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliCorso di Tecniche di Programmazione
Corso di Tecniche di Programmazione Corsi di Laurea in Ingegneria Informatica ed Automatica Anno Accedemico 003/004 Proff. Giuseppe De Giacomo, Luca Iocchi, Domenico Lembo Dispensa : Algoritmi di Ordinamento
DettagliCOMPITO DI LABORATORIO DI PROGRAMMAZIONE 2001-2002 17 Luglio 2002. Soluzione degli Esercizi
COMPITO DI LABORATORIO DI PROGRAMMAZIONE 2001-2002 17 Luglio 2002 degli Esercizi ESERCIZIO 1. Si consideri il seguente frammento di codice in linguaggio Java: int i=0, j=0; int[][] a=b; boolean trovato=false;
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliPROGRAMMA DI SCIENZE E TECNOLOGIE APPLICATE 2015/2016 Classe 2ª Sez. C Tecnologico
ISTITUTO TECNICO STATALE MARCHI FORTI Viale Guglielmo Marconi n 16-51017 PESCIA (PT) - ITALIA PROGRAMMA DI SCIENZE E TECNOLOGIE APPLICATE 2015/2016 Classe 2ª Sez. C Tecnologico Docente PARROTTA GIOVANNI
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliProgrammazione dinamica
Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliAlcuni Preliminari. Prodotto Cartesiano
Alcuni Preliminari Prodotto Cartesiano Dati due insiemi A e B, si definisce il loro prodotto cartesiano A x B come l insieme di tutte le coppie ordinate (a,b) con a! A e b! B. Es: dati A= {a,b,c} e B={,2,3}
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliCom è noto, le operazioni inverse dell addizione e della moltiplicazione, la sottrazione e la
GLI INSIEMI NUMERICI Com è noto, le operazioni inverse dell addizione e della moltiplicazione, la sottrazione e la divisione, non sempre si possono eseguire nell'insieme dei numeri naturali. Da ciò nasce
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliLa selezione binaria
Andrea Marin Università Ca Foscari Venezia Laurea in Informatica Corso di Programmazione part-time a.a. 2011/2012 Introduzione L esecuzione di tutte le istruzioni in sequenza può non è sufficiente per
DettagliARRAY BIDIMENSIONALI float [][] mx = new float[3][4]; (float []) [] mx = new float[3][4];
ARRAY BIDIMENSIONALI Si possono definire array di qualunque tipo di dato, quindi anche di altre array float [][] mx = new float[3][4]; ovvero.. (float []) [] mx = new float[3][4]; La loro motivazione (storica)
DettagliCategoria Student Per studenti degli ultimi due anni della scuola secondaria di secondo grado
Categoria Student Per studenti degli ultimi due anni della scuola secondaria di secondo grado. Risposta A). Il triangolo ABC ha la stessa altezza del triangolo AOB ma base di lunghezza doppia (il diametro
DettagliCorso di Informatica Corso di Laurea in Ingegneria Gestionale a.a. 2005-06 Secondo Compitino 17 Dicembre 2005
Studente (Cognome Nome): Matricola: Corso di Informatica Corso di Laurea in Ingegneria Gestionale a.a. 2005-06 Secondo Compitino 17 Dicembre 2005 Si noti che le soluzioni ai quesiti saranno considerate
DettagliRicerca Operativa 2. Introduzione al metodo del Simplesso
Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione
DettagliVBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.
Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?
DettagliIstituto Professionale di Stato per l Industria e l Artigianato Giancarlo Vallauri. Classi I C I G
Esercizi Estivi di Matematica a.s. 0/04 Istituto Professionale di Stato per l Industria e l Artigianato Giancarlo Vallauri Classi I C I G ALUNNO CLASSE Ulteriore ripasso e recupero anche nei siti www.vallauricarpi.it
DettagliKangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014
Kangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014 LIVELLO STUDENT K,M N CD BC A S1. (5 punti ) In figura si vede una circonferenza della quale i segmenti AB, BC e CD
DettagliStudente: SANTORO MC. Matricola : 528
CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice
DettagliCreare una funzione float square(float x). La funzione deve restituire il quadrato del parametro x.
Funzioni Esercizio 1 Creare una funzione float square(float x). La funzione deve restituire il quadrato del parametro x. Creare un altra funzione, di nome float cube(float x), che restituisce invece il
Dettagli10 - Programmare con gli Array
10 - Programmare con gli Array Programmazione e analisi di dati Modulo A: Programmazione in Java Paolo Milazzo Dipartimento di Informatica, Università di Pisa http://www.di.unipi.it/ milazzo milazzo di.unipi.it
DettagliInformatica Teorica. Macchine a registri
Informatica Teorica Macchine a registri 1 Macchine a registri RAM (Random Access Machine) astrazione ragionevole di un calcolatore nastro di ingresso nastro di uscita unità centrale in grado di eseguire
DettagliEsercizi di programmazione in C
Esercizi di programmazione in C Esercizio 1 Scrivere un programma in linguaggio C che legga da tastiera una sequenza di lunghezza ignota a priori di numeri interi positivi. Il programma, a partire dal
DettagliCorso di Fisica Generale 1
Corso di Fisica Generale 1 corso di laurea in Ingegneria dell'automazione ed Ingegneria Informatica (A-C) 9 lezione (23 / 10 /2015) Dr. Laura VALORE Email : laura.valore@na.infn.it / laura.valore@unina.it
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
Dettaglirazionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti
4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}
DettagliPROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI
PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA in termini generali: Dati in input un insieme S di elementi (numeri, caratteri, stringhe, ) e un elemento
DettagliCORSO DI LAUREA IN INGEGNERIA.
CORSO DI LAUREA IN INGEGNERIA. FOGLIO DI ESERCIZI 4 GEOMETRIA E ALGEBRA LINEARE 2010/11 Esercizio 4.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i
DettagliNORMALIZZAZIONE DI SCHEMI RELAZIONALI. Prof.ssa Rosalba Giugno
NORMALIZZAZIONE DI SCHEMI RELAZIONALI Prof.ssa Rosalba Giugno PROBLEMA GENERALE La progettazione concettuale e logica produce uno schema relazionale che rappresenta la realta dei dati nella nostra applicazione.
DettagliALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE
ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliELEMENTI DI GEOMETRIA ANALITICA: LA RETTA.
ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. Prerequisiti I radicali Risoluzione di sistemi di equazioni di primo e secondo grado. Classificazione e dominio delle funzioni algebriche Obiettivi minimi Saper
DettagliARRAY E STRINGHE. G. Frosini Slide 1
ARRAY E STRINGHE G. Frosini Slide 1 Array: VARIABILI ARRAY struttura dati costituita da elementi (anche nessuno, array vuoto) dello stesso tipo; tipo array: tipo degli elementi, non numero degli elementi;
DettagliCondizionamento del problema
Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliCorso di Laurea in Ingegneria Gestionale Esame di Informatica - a.a. 2012-13 25 luglio 2013
Cognome Nome Matricola Postazione PC Corso di Laurea in Ingegneria Gestionale Esame di Informatica - a.a. 2012-13 25 luglio 2013 Testo Il database di una banca è costituito da due vettori paralleli. Il
DettagliParte 1. Vettori di bit - AA. 2012/13 1.1
1.1 Parte 1 Vettori di bit 1.2 Notazione posizionale Ogni cifra assume un significato diverso a seconda della posizione in cui si trova Rappresentazione di un numero su n cifre in base b: Posizioni a n
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliEsercitazioni (a cura di R. Basili)
Esercitazioni (a cura di R. Basili) E1. Elementi di Algebra Insiemi Nozione intuitiva di insieme L'insieme vuoto Operazioni tra insiemi Domini Prodotto Cartesiano Proprieta' delle operazioni tra insiemi
DettagliCorso di Laurea in Ingegneria Gestionale Esame di Informatica a.a. 2012-13 14 giugno 2013
Cognome Nome Matricola Postazione PC Corso di Laurea in Ingegneria Gestionale Esame di Informatica a.a. 2012-13 14 giugno 2013 Testo Il database di una banca è costituito da due vettori paralleli. Il primo
Dettagli3) Il seguente numerale A1F0 in base 16 a quale numero in base 10 corrisponde?
Leggete attentamente le domande del test e date la/le vostra/e risposta/e. 1) Per quanto tempo la memoria RAM di un personal computer conserva le informazioni? Finchè lo hard disk funziona in modo corretto
DettagliInformatica B. Sezione D. Scuola di Ingegneria Industriale Laurea in Ingegneria Energetica Laurea in Ingegneria Meccanica
Scuola di Ingegneria Industriale Laurea in Ingegneria Energetica Laurea in Ingegneria Meccanica Dipartimento di Elettronica, Informazione e Bioingegneria Informatica B Sezione D Franchi Alessio Mauro,
DettagliAA 2006-07 LA RICORSIONE
PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella
DettagliBanchi ortogonali Casi importanti
anchi ortogonali anchi ortogonali Casi importanti Trasformata a blocchi (JPEG, MPEG) anchi a due canali (JPEG 000) anchi modulati Trasformata di Fourier a blocchi (OFDM) anchi coseno-modulati (AC3, MUSICAM)
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
Dettagli