Trasformazioni elementari di Givens (rotazioni elementari)
|
|
- Ada Caselli
- 5 anni fa
- Visualizzazioni
Transcript
1 Trasformazioni elementari di Givens (rotazioni elementari) Si dice trasformazione elementare di Givens o matrice di rotazione elementare G ij di ordine n una matrice che coincide con l identità di ordine n eccetto nelle posizioni ij, ji, ii, jj, ove stanno due valori c, s dipendenti da un solo parametro φ: G ij = B@ c s ove c 2 + s 2 =, c = cos φ, s = sin φ. Essa esprime una rotazione di ampiezza φ nell iperpiano individuato dai versori e i, e j R n. s c CA Si osserva che: G ij x = y ove 8 < : y k = x k y i = c.x i + s.x j y j = s.x i + c.x j k i, j
2 E sempre possibile trovare un valore di φ per cui y j =. Basta trovare c ed s tale che Formule più stabili 8 c 2 + s 2 = > < y j = = s.x i + c.x j >: c = s = r r x i x 2 i +x2 x j j x 2 i +x2 j Se x i < x j, si pone t = x i x s = c = t.s j +t 2, Se x j < x i, si pone t = x j x c = s = t.c i +t 2, La complessità della trasformazione è di 4 prodotti.
3 Si osserva che premoltiplicare una matrice per G ij significa sostituire alle righe i e j una loro combinazione lineare: G ij A = B 8 < : b kl = a kl b il = c.a il + s.a jl b jl = s.a il + c.a jl Pertanto, si può dimostrare che: δ ii = c 2 + s 2 = k i, j; l =,, n l =,, n l =,.., n G ij G T ij = δ kl = (I) kl k i, j; l =, n δ ij = cs + cs = δ ji = sc + cs = δ jj = s 2 + c 2 = G ij è ortogonale. Infatti l inversa di G ij è G T ij. Postmoltiplicare A per una matrice G ij vuol dire sostituire alle colonne i e j una loro combinazione lineare: AG ij = B 8 < : b kl = a kl b ki = c.a ki s.a kj b kj = s.a ki + c.a kj l i, j; k =,, n k =,, n k =,.., n La complessità del prodotto di una matrice con una rotazione elementare è pari a O(4n) prodotti.
4 Data una matrice A, è possibile trovare G ij tale che B = G ij A abbia l elemento b ji =. 8 c 2 + s 2 = > < b ji = = s.a ii + c.a ji >: c = s = r r a ii a 2 ii +a2 a ji ji a 2 ii +a2 ji (è preferibile usare le formule stabili). Inoltre, con O(4n) prodotti, si trova: b kl = a kl b il = c.a il + s.a jl b jl = s.a il + c.a jl k i, j; l =,, n l =,, n l =,.., n
5 Fattorizzazione QR Teorema. Sia A una matrice m n. Esiste una matrice Q ortogonale di ordine m tale che A = QR ove R è una matrice trapezoidale superiore m n. Inoltre rango(a) = rango(r). La dimostrazione dell esistenza di Q è costruttiva. Data A R m n, è possibile costruire G 2, G 3,, G m tali che G m G 3 G 2 A = B@ x x x x x x x x x ove G 2 annulla l elemento (2, ), G 3 annulla (3, ),In seguito, premoltiplicando quanto ottenuto per opportune matrici: G 2m G 24 G 23 (G m G 3 G 2 A) si annulla la seconda colonna al di sotto della diagonale; premoltiplicando per: G 3m G 35 G 34 si annulla la terza colonna G 4m G 45 si annulla la quarta colonna G rm G rr+ ove, r = min(m, n) si ottiene una matrice trapezoidale superiore. In conclusione Y G ij A = R i=r,,;j>i Se m = n, la complessità computazionale è dell O(4n 3 /3) prodotti e somme e dell O(n 2 /2) radici quadrate. CA
6 Inoltre, posto Q T = Q i=r,,;j>i G ij, si ottiene A = QR Le rotazioni di Givens sono efficienti per ottenere la fattorizzazione QR di matrici sparse. Per esempio, per matrici tridiagonali sono sufficienti n rotazioni di Givens e si ottiene una R triangolare superiore con solo tre diagonali non nulle: G n n G 23 G 2 A = R = B@ x x x x x x x x x Si ottiene la fattorizzazione con una complessità pari a O(2n) prodotti e somme e O(n ) radici quadrate. In generale, Q = Y i=,,r;j>i e si può calcolare nel seguente modo: posto Q = I; per i =, 2,, r per j = i +,, m Q = Q G T ij end; end; G T ij CA
7 Risoluzione di un sistema Poichè Esempio. G 2 A = Ax = b A = QR QRx = b Rx = Q T b = A = G 2 = Y 2 2 c s s c c s s c A G ij b = 2/ 5 2s + c = s = / 5 Q 5/ 5 4/ 5 / 5 3/ 5 2/ 2/ 5 / 5 / 5 2/ 5 A A = R A
8 Inversa di una matrice Se A è fattorizzabile nella forma A = QR, occorre risolvere gli n sistemi AX = I QRX = I RX = Q T Ciò comporta 4O(n 3 /3) prodotti per la fattorizzazione (matrici di Givens), e O(n 3 /2) prodotti per la soluzione. Si può anche calcolare A mediante l inversione della matrice R (O(n 3 /6) prodotti), eseguendo poi il prodotto dell inversa di R con Q T (O(n 3 /2) prodotti): A = R Q T
9 Osservazioni Sia A una matrice m n, di rango n (m n). Allora esiste una e una sola matrice Q m n a colonne ortonormali (Q T Q = I) e una e una sola matrice R triangolare superiore di ordine n a elementi diagonali positivi tale che A = Q R. Dim. Poichè A T A è simmetrica definita positiva (A è di rango n), per il teorema di Cholesky esiste una e una sola matrice R triangolare superiore R di ordine n a elementi diagonali positivi tale che A T A = R T R Da R T A T A = R, posto Q T = R T A T Q = AR, si prova che Q è una matrice m n; Q T Q = R T A T AR = R T R T R R = I, ossia Q è a colonne ortonormali; Q è unica; se esistesse Q 2 a colonne ortonormali tale che A = Q 2 R 2, allora R 2 = R per l unicità del fattore di Cholesky e Q 2 = AR = Q segue l unicità di Q. Poichè A = QR per il teorema di fattorizzazione generale, segue che A = (Q Q 2 ) R = Q R = (Q D )(D R ) ove D è una matrice diagonale con δ i = se r ii > e δ i = se r ii <. Allora la fattorizzazione Q R, che è unica, è un caso particolare del teorema di fattorizzazione generale.
10 A = Q R (a a n ) = (q q n ) B@ r r 2 r n r 22 r 2n... r nn CA a = q r a 2 = q r 2 + q 2 r 22 a i = q r i + q 2 r 2i + + q i r ii a n = q r n + q 2 r 2n + + q n r nn Per l ortogonalità dei q i segue: r ij = q T i a j i j q i = a i P i j= r jiq j a i P i j= r jiq j, r ii = a i Xi j= r ji q j
11 Pertanto si possono ricavare i q i e gli r ij : q = a q = q q span{a } = span{q } r = q q 2 = a 2 (a T 2 q )q q 2 = q 2 q 2 r 2 = a T 2 q span{a, a 2 } = span{q, q 2 } r 22 = q 2 q 3 = a 3 (a T 3 q )q (a T 3 q 2)q 2 q 3 = q 3 q 3 r 3 = a T 3 q span{a, a 2, a 3 } = span{q, q 2, q 3 } r 23 = a T 3 q 2 r 33 = q 3 Processo di ortogonalizzazione di Gram-Schmidt: Dati n vettori linearmente indipendenti è sempre possibile generare n vettori ortonormali tali che span{a,, a i } = span{q,, q i } i =,, n Tuttavia l algoritmo di Gram Schmidt non è stabile se i vettori q,, q n non sono ben linearmente indipendenti. Per esempio se a 2 non è ben linearmente indipendente da a, fl(a 2 (a T 2 q )q ) può non essere ortogonale a q per un problema di cancellazione che amplifica l errore commesso nel calcolo di fl((a T 2 q )q ) (fl(a 2 ) e fl((a T 2 q )q ) sono circa uguali, ma il secondo termine può essere affetto da errore). In questo caso si ha che q e fl(q 2 ) non sono ortogonali. Di conseguenza fl(q ) T fl(q ) I.
12 .8.8 fl(a 2 (a 2 q ) T q ) q q q.4 a 2 (a 2 q )T q q a 2 a a 2 a a e a 2 sono ben linearmente indipendenti.6 a e a 2 non sono ben linearmente indipendenti Tuttavia, poichè Q e R sono unici, si possono determinare dal teorema di fattorizzazione generale che è stabile.
Trasformazione elementari di Givens
Trasformazione elementari di Givens dove Osservazione Esprime una rotazione di ampiezza ϕ Esempio (n=2) Osservazione Rotazione nel senso positivo degli archi In generale Il prodotto matrice vettore equivale
DettagliAltre trasformazioni elementari
Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens
Dettagli2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:
Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante
Dettagli10 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione QR
10 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione QR 101 Metodo di ortonormalizzazione di Gram-Schmidt Per descrivere il metodo di ortonormalizzazione di Gram-Schmidt occorre la
DettagliMatrici di permutazione
Matrici di permutazione Si dice matrice di permutazione elementare una matrice ottenuta dall identità scambiando due righe i e j o due colonne i e j. P ij =...... P ij ha come effetto di scambiare le righe
DettagliSISTEMI LINEARI. Ax = b
SISTEMI LINEARI Un sistema lineare di n equazioni algebriche in n incognite è esprimibile come: a 11 x 1 + a 1 x + a 13 x 3 +... + a 1n x n = b 1 a 1 x 1 + a x + a 3 x 3 +... + a n x n = b a n1 x 1 + a
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
DettagliEsercitazione 4 Sistemi lineari, pivoting
Esercitazione 4 Sistemi lineari, pivoting a.a. 218-19 Esercizio 1 (T) Quando viene utilizzato il pivoting parziale? La fattorizzazione ottenuta con il pivoting per colonne è unica? Si può applicare anche
Dettaglia. tatone corso di matematica applicata AL EX 1 Esercizi 1. Applicare l eliminazione di Gauss per risolvere il sistema di equazioni Au = v con
a. tatone corso di matematica applicata AL EX Esercizi. Applicare l eliminazione di Gauss per risolvere il sistema di equazioni Au = v con Calcolare anche la L. 0 5 20 3 20 v := 2 5 3 5 6 2. Calcolare
DettagliInversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
DettagliAlgebra Lineare - Autunno 2008
Algebra Lineare - Autunno 2008 Kieran O Grady 1 29 Settembre: Vettori geometrici Segmenti orientati ed equipollenza. Vettori geometrici. Somma e prodotto per uno scalare: definizione e proprietà algebriche.
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliSistemi di equazioni lineari. la soluzione è unica se det(a) 0 e vale
Sistemi di equazioni lineari a 00 x 0 + a 01 x 1 + a 02 x 2 = b 0 a 10 x 0 + a 11 x 1 + a 12 x 2 = b 1 a 20 x 0 + a 21 x 1 + a 22 x 2 = b 2 Per N equazioni N 1 j=0 a ij x j = b i i = 0, N 1 la soluzione
DettagliMotivazioni. Sistemi lineari. Obiettivo. Il problema
Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
Dettaglib vettore(termine noto) y* proiezione ortogonale di b
Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 205-206 Laboratorio 9 Metodo di Eliminazione Gaussiana per sistemi lineari Siano A R n n una matrice quadrata non singolare (det(a) 0) e b R n un vettore
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2015-2016 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare di insiemi contenute nel Teorema
DettagliProblema. Sistemi lineari. Problema. Problema. Quali sono i potenziali in ogni nodo? Leggi di Kirkoff e di Ohm:
Problema 4 Ω 3 3 Ω 2 2 Ω 40 V Sistemi lineari 2 Ω Ω 2 Ω Ω 5 6 7 8 Ω 4 Ω Ω 0 V Quali sono i potenziali in ogni nodo? 2 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 2 Ω Ω 2 Ω Ω 2 Ω Ω 2 Ω Ω
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliVolumi in spazi euclidei 12 dicembre 2014
Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
DettagliFacoltà di Scienze Statistiche, Algebra Lineare 1 A, G. Parmeggiani - Programma
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G. Parmeggiani - Programma Il testo di riferimento è: Appunti di Algebra Lineare, Gregorio, Parmeggiani, Salce 06/12/04 Matrici. Esempi. Tipi particolari
DettagliA.A. 2014/2015 Corso di Algebra Lineare
A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,
DettagliProblemi ai minimi quadrati
Seminario di matematica applicata avanzata Problemi ai minimi quadrati Sanna Mirko Matricola: 44464 Ingegneria elettrica ed elettronica Indice Introduzione - Il problema dei minimi quadrati - I vari tipi
Dettaglin +1 determinanti (D i, i =1,...,n e det A) n! prodotti per ciascun determinante n 1 moltiplicazioni per ciascun prodotto
METODI NUMERICI (A.A. 2007-2008) Prof. F.Pitolli Appunti delle lezioni sui sistemi lineari: metodi diretti; condizionamento Metodi diretti per la soluzione di sistemi lineari Metodi diretti Sono basati
DettagliInversa. Inversa. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una
DettagliSoluzione sistemi lineari
Soluzione sistemi lineari Laboratorio di programmazione e calcolo Chimica e Tecnologie chimiche Pierluigi Amodio Dipartimento di Matematica Università di Bari Soluzione sistemi lineari p. / matrice diagonale
DettagliPrima prova scritta di Geometria 1, 26 gennaio 2018
Prima prova scritta di Geometria 1, 26 gennaio 2018 1. Dimostrare che M A B : Hom(V,W) M(m n,k) è un isomorfismo (lineare, iniettivo e suriettivo), dove M A B associa a un applicazione lineare f : V W
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre
Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre SETTIMANA 4 (19 25 Ottobre) Matrici elementari Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang. Esercizio
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliRegistro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2018/2019 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 19 dicembre 2018 1. Mercoledì 26/09/2018, 15 17. ore:
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliMotivazione: Come si fa? Matrici simmetriche. Fattorizzazioni di matrici speciali
Motivazione: Fattorizzazioni di matrici speciali Diminuire la complessità computazionale = evitare operazioni inutili = risparmiare tempo di calcolo Diminuire l occupazione di memoria Come si fa? Si tiene
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 7 Intersezione e somma di sottospazi vettoriali 7.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://lucia-gastaldi.unibs.it page 1 Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo
Dettagli5. Richiami: R n come spazio euclideo
5. Richiami: R n come spazio euclideo 5.a Prodotto scalare Dati due vettori in R n, si misurano le rispettive lunghezze e l angolo (senza il segno) fra essi mediante il prodotto scalare. Il prodotto scalare
Dettagli1. Mercoledì 27/09/2017, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2017/2018 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2017 1. Mercoledì 27/09/2017,
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
Dettagli1 Risoluzione di sistemi lineari
Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
Dettagli1. Martedì 1/10/2013, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2013/2014 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2013 1. Martedì 1/10/2013, 12 14. ore:
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://lucia-gastaldi.unibs.it page 1 Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo
DettagliLEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.
LEZIONE 4 4 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
DettagliMIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI
MIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI A. SOMMARIVA Conoscenze richieste. Spazio vettoriale. Spazio normato. Vettori linearmente indipendenti. Sistemi lineari. Operatore delta di Kronecker. Conoscenze
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 24 febbraio 2008 Outline 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2014-2015 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare (associativa, distributiva
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliMatematica II, aa
Matematica II, aa 2011-2012 Il corso si e svolto su cinque temi principali: sistemi lineari, algebra delle matrici, determinati, spazio vettoriale R n, spazio euclideo R n ; per ogni tema descrivo gli
DettagliComplementi di Algebra e Fondamenti di Geometria
Complementi di Algebra e Fondamenti di Geometria Capitolo 3 Forma canonica di Jordan M. Ciampa Ingegneria Elettrica, a.a. 29/2 Capitolo 3 Forma canonica di Jordan Nel Capitolo si è discusso il problema
DettagliAutovalori e autovettori
Autovalori e autovettori Ax = λx x 0 Allora λ è un autovalore della matrice A corrispondente all autovettore x Risolviamo l equazione secolare det(a λi) = 0 Trasformazioni di similarità det(sas 1 λi) =
DettagliRegistro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2017/2018 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2017 1. Lunedì 25/09/2017, 11 13. ore:
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliCapitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 2017 1 Introduzione Gli esercizi di questo capitolo riguardano i seguenti
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre
Esercizi Di Geometria (BAER Canale Da consegnare Lunedi 9 Ottobre SETTIMANA 3 (2 8 Ottobre Moltiplicazione di matrici Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang Esercizio
Dettagli1 Spazi vettoriali. Sottospazi.
CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
Dettaglia a 1n A = a n1... a nn a 11 x a 1n x n = b 1 a n1 x a nn x n = b n ] sono determinati. 2- La matrice A = [ a ij
Recupero. 2, Determinanti. 1. Determinanti Consideriamo una matrice A = a 11... a 1n.. a n1... a nn quadrata di ordine n ad elementi in R. Sappiamo che sono equivalenti la affermazioni 1- tutti i sistemi
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliGeometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliCorso di Studi in Fisica. Geometria e Algebra Lineare II Prova scritta del 6 luglio 2009
Corso di Studi in Fisica Geometria e Algebra Lineare II Prova scritta del 6 luglio 009 Esercizio 1. Si considerino le matrici 3 1 1 3 1 1 A = 0 4 0, B = 3 1 3 1 1 3 0 a. (4 punti) Dimostrare che A e B
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliPROBLEMA. Costruire matrici quadrate contenute. Fare i determinanti delle matrici quadrate contenute in A
A = PROBLEMA 0 1 2 7 2 5 3 0 (2 4) Costruire matrici quadrate contenute in A (possibili solo matrici quadrate 2 2 e 1 1) Fare i determinanti delle matrici quadrate contenute in A Questo porta al concetto
DettagliGeometria BAER Test di autovalutazione del 31/10/18
Geometria BAER Test di autovalutazione del 3//8 LEGGERE ATTENTAMENTE PRIMA DI ANDARE ALL INIZIO DEL TEST ALLA PAGINA SUCCESSIVA. NON LEGGERE LE DOMANDE PRIMA DI INIZIARE IL TEST Il test NON É VALUTATO
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliPrima prova scritta di Geometria 1, 6 febbraio 2017
Prima prova scritta di Geometria 1, 6 febbraio 2017 1. Usando vettori e ortogonalità, dimostrare: i) Le due diagonali di un rombo (parallelogramma equilaterale) sono ortogonali. ii) Il teorema di Talete
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliNOME COGNOME MATRICOLA CANALE
NOME COGNOME MATRICOLA CANALE Fondamenti di Algebra Lineare e Geometria Proff. M. Imbesi - R. Sanchez - C. Zanella Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza TEMA 1 1. Scrivere la formula
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliCapitolo 7 Struttura metrica in R n Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 7 Struttura metrica in R n Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 27 Introduzione Gli esercizi di questo capitolo riguardano i seguenti argomenti: Data
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliErrata corrige. p. 10 riga 5 del secondo paragrafo: misurare
Errata corrige p. 9 esercizio 5. Modificare testo dell esercizio come segue: Dati una retta r e un punto P, esistono infiniti piani per P paralleli a r: si tratta dei piani che contengono la retta s per
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2011-12 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliNozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali, gli interi, i numeri
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
DettagliLe risposte vanno giustificate con chiarezza. 1) Nello spazio vettoriale V delle matrici 2 2 a coefficienti reali, considera le matrici A 1 = , A 4 =
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Matematica Esame di Geometria 1 con Elementi di Storia Prof. F. Tovena 30 gennaio 2015 Le risposte vanno giustificate con chiarezza. 1 Nello
Dettagli