Frame. Frame. Otteniamo il concetto di frame a partire da quello di base di Riesz facendo cadere l ipotesi di indipendenza lineare
|
|
- Daniella Vecchi
- 5 anni fa
- Visualizzazioni
Transcript
1 Frame Frame Otteniamo il concetto di frame a partire da quello di base di Riesz facendo cadere l ipotesi di indipendenza lineare Un frame è quindi un insieme di vettori φ i tali che esistono A > 0 e B < tali che A x 2 x,φ n 2 B x 2 n Z ma i vettori φ i possono essere linearmente dipendenti. Q: Per quale motivo dovremmo complicarci la vita rinunciando all indipendenza lineare? A: Per avere robustezza! 1
2 La robustezza dei frame (1) Supponiamo di voler trasmettere la posizione di un punto sul piano trasmettendo le sue componeneti (rispetto ad una base prefissata) Se perdo una delle due coordinate (es. a causa di un errore non recuperabile), non posso più determinare la posizione del punto a a b a b? Dove?? 2 La robustezza dei frame (2) Supponiamo ora di mandare le componenti rispetto ad un insieme di tre vettori (necessariamente linearmente dipendenti tra loro) A causa della dipendenza lineare, una componente è inutile, dato che posso ricavarla dalle altre due Se però perdo una delle tre coordinate posso ancora determinare la posizione del punto a a b a b c c Qui! c 3
3 Frame: nomenclatura Se A = B (ossia, n x,φ n 2 = A x 2 per ogni x) il frame si dice stretto Se φ n = φ m per ogni n,m il frame si dice uniforme I frame stretti sono i parenti più prossimi delle basi ortonormali. 4 Frame: nomenclatura La mappa lineare F che ad un vettore x V associa la sequenza di valori x,φ n (Fx) n = x,φn è detta operatore di analisi (frame operator in inglese) La definizione di frame garantisce che Fx l 2 (Z) per ogni x V 5
4 L operatore di analisi a dimensione finita Se dimv <, l operatore di analisi può essere rappresentato da una matrice le cui righe sono i vettori φ n trasposti x,φ 1 φ t 1 x,φ 2. = φ t 2. x x,φ N } φ t {{ N } F La definizione di frame garantisce l indipendenza lineare delle colonne di F 6 Siano φ n e ψ n due frame Frame: nomenclatura Se esiste una trasformazione lineare invertibile L tale che ψ n = Lφ n per ogni n, i due frame si dicono equivalenti Se la trasformazione L è anche unitaria (ossia, Lx = x ), i due frame si dicono unitariamente equivalenti Due frame equivalenti condividono molte (anche se non tutte) delle caratteristiche interessanti in fase di codifica Due frame unitariamente equivalenti hanno gli stessi estremi A e B (prova: esercizio) 7
5 Frame Ricostruzione Ricostruzione da frame Supponiamo di aver codificato un punto sul piano con tre componenti Il legame tra le coordinate x 1, x 2 e le componenti y 1, y 2, y 3 é dato da una matrice F 3 2 y 1 F 11 F ] 12 y 2 = F 21 F [ x1 22 x y 3 F 31 F 2 32 Q: Come faccio a ricostruire il (x 1,x 2 ) a partire dalle sue componenti? In altre parole, come risolvo il sistema lineare qui sopra? 8
6 Ricostruzione da frame Il sistema che dobbiamo risolvere ha più equazioni che incognite è sovradeterminato Possono capitare due cose: La terna [y 1,y 2,y 3 ] è compatibile con le equazioni il sistema ha una soluzione La terna [y 1,y 2,y 3 ] non è compatibile con le equazioni il sistema non ha soluzione 9 Ricostruzione da frame: inversa sinistra Se siamo sicuri che il vettore y sia compatibile con le equazioni è sufficiente trovare una matrice F L tale che F L F = I (*) Moltiplicando ambo i membri del sistema otteniamo F L y = (F L F)x = x La matrice F L è detta essere un inversa sinistra di F? Ma cosa accade se il sistema non è coerente? 10
7 Ricostruzione da frame Q: Perché il sistema può non essere coerente? A: Perché non tutti gli y R 3 possono essere ottenuti come y = Fx. In altre parole, se y non appartiene a Im(F) (lo spazio generato dalle colonne di F) il sistema non è coerente Q: Ma sono io che genero y! Perché devo considerare il caso non coerente? A: Perché y potrebbe essere corrotto da rumore (es. di quantizzazione) 11 Ricostruzione da frame: il caso non coerente Sia ŷ = Fx + ε, con ε rumore. A causa di ε, ŷ non appartiene al piano Im(F) Una cosa è certa: la componente di ŷ ortogonale a Im(F) è tutta figlia del rumore Proietto ŷ su Im(F) y ^ Questo e rumore puro rumore rumore proiettato y "buono" 12
8 Riassumendo... Per risolvere un sistema sovradeterminato y = Fx 1. Proietto y su Im(F) 2. Applico una qualsiasi inversa sinistra alla proiezione ottenuta al passo precedente Nota: Il risultato è il vettore ˆx che minimizza la distanza y Fx 2 : soluzione ai minimi quadrati ˆx è il vettore che spiega meglio i dati y. 13 Ricostruzione ai minimi quadrati Orthogonal projection Plane of ammisible coefficient triplets y P F 1 Inverse map F x Three dimensional coefficient space Original two dimensional space 14
9 Minimi quadrati: esempio tipico Supponiamo di avere coppie (V n,i n ) di tensione/corrente relative ad una resistenza R In un caso ideale le coppie stanno su una retta, ciò non è vero in presenza di rumore err= + + δ 2 1 δ 2 δ V 3 Per determinare R scelgo la retta che minimizza la somma dei δ 3 quadrati degli scarti risolvo il sistema V 1 I V = R V 2 V N I N δ 1 δ 2 ai minimi quadrati I 1 I 2 I 3 15 Pseudo-inversa La combinazione proiezione + inversa sinistra è chiaramente una mappa lineare F è una particolare inversa sinistra di F F è detta la pseudo-inversa di F Q: Come si calcola la pseudo inversa in Matlab? A: Con pinv 16
10 Struttura di un inversa sinistra L unica condizione che un inversa sinistra deve soddisfare è di mappare ogni y Im(F) nell unico x tale che y = Fx Il comportamento di un inversa sinistra su Im(F) puó essere arbitrario 17 Struttura di un inversa sinistra Algoritmo per un inversa sinistra Decomponi y = y F + y con y F Im(F) e y Im(F) Sia x F l unica soluzione di y F = Fx F Sia x = Gy, dove G è una qualsiasi mappa lineare Restituisci x F + x Nota: Al variare di G ho inverse sinistre differenti La pseudo-inversa corrisponde a G = 0 18
11 Struttura di un inversa sinistra Proiezione su Im(F) y P y F F 1 x F x I P y G x Proiezione su Im(F) Taglia qui per avere la pseudo inversa 19 Pseudo-inversa: approccio assiomatico Definition 1. Se F soddisfa le condizioni F FF = F FF F = F (F F) t = F F (FF ) t = FF F è detta una pseudo-inversa di F Si dimostra che: Property 1. Ogni matrice ha una e una sola pseudo inversa. 20
12 Pseudo-inversa Dobbiamo verificare che la definizione assiomatica di pseudo-inversa corrisponda con l idea di soluzione ai minimi quadrati. È facile verificare che FF è idempotente e simmetrica (esercizio) è la proiezione su Im(F) Il vettore ˆx = F y è la soluzione ai minimi quadrati di y = Fx 21 Pseudo-inversa: un algoritmo F è a rango pieno per colonne F t F è invertibile È facile verificare (esercizio) che se F è a rango pieno per colonne, allora (F t F) 1 F t soddisfa gli assiomi della pseudo-inversa Dato che la pseudo-inversa è unica F = (F t F) 1 F t 22
13 Pseudo-inversa: proprietà La pseudo inversa gode di alcune facili proprietà 1. Se A è invertibile, allora A 1 = A 2. (A ) = A, (A t ) = (A ) t 3. Se c 0, (ca) = c 1 A 4. Se A è una proiezione o A = 0, allora A = A 5. Se U t U = V t V = I, allora (UAV ) = V t A U t 23 Pseudo-inversa: Attenzione! Attenzione: Non è in generale vero che (BC) = C B tale uguaglianza è però verificata in alcuni casi 1. Se B è m k e C è k n, dove k è il rango di BC. 2. Se B (o C) è una matrice ortogonale, ossia B t B = I. 24
14 Calcolo della pseudo-inversa: caso generale Se F non è a rango pieno per colonne, la formula F = (F t F) 1 F t non è più valida In questo caso possiamo calcolare la pseudo-inversa usando la decomposizione a valori singolari 25 Decomposizione a valori singolari Property 2. Ogni matrice complessa F (quadrata o rettangolare) può essere fattorizzata come F = USV t dove 1. U e V sono matrici quadrate ortogonali (UU t = VV t = I) 2. S = diag ( s 1,...,s k,0,...,0 ) con s 1 s 2 s k > 0 Inoltre, la matrice S è univocamente determinata da F. I valori s i sono i valori singolari di F 26
15 Decomposizione in valori singolari e pseudo-inversa Se F = USV t, S = diag ( s 1,...,s k,0,...,0 ) è la decomposizione in valori singolari di F, allora la pseudo-inversa di F è Prova: facile esercizio F = V S U t, S = diag ( 1/s 1,...,1/s k,0,...,0 ) 27 Decomposizione a valori singolari e limiti di un frame La decomposizione a valori singolari è utile anche per calcolare gli estremi A e B di un frame. Property 3. Sia F una matrice N M rappresentante un frame. Gli estremi di detto frame sono dove s i sono i valori singolari di F Prova: esercizio A = mins 2 k = s2 M B = maxs 2 k = s2 1 k k 28
16 Decomposizione in valori singolari e basi Tramite la decomposizione in valori singolari di F si possono ottenere basi ortonormali per Im(F) e Ker(F) Property 4. Se F è una matrice N M e F = USV t, S = diag ( s 1,...,s k,0,...,0 ) è la sua decomposizione in valori singolari, allora 1. Le prime k colonne di U sono una base ortonormale di Im(F) 2. Le ultime min(n,m) k colonne di V sono una base ortonormale di Ker(F) 29 Ricostruzione da frame: dimensione infinita Q: Come cambiano le cose se lavoriamo in spazi a dimensione infinita? A: Non molto... Tutti i ragionamenti fatti prima non sfruttavano l ipotesi di dimensione finita L unica accortezza è di sostituire la matrice trasposta con l operatore aggiunto 30
17 Ricostruzione da frame: dimensione infinita Sappiamo quindi che la ricostruzione ottima ai minimi quadrati la otteniamo tramite l operatore F = (F F) 1 F (*) Per calcolare (*) ci serve l operatore aggiunto di F Q: Come lo calcoliamo? 31 Sia x V e u l 2 (Z) Aggiunto dell operatore di analisi da cui Fx,u l 2 (Z) = (Fx) n u n n Z x,φ n V u n = n Z = x, n Z φ n u n V F u = φ n u n n Z Prodotto scalare su l 2 (Z) Definizione di F Linearità Nota: F mappa l 2 (Z) in V 32
18 Aggiunto dell operatore di analisi a dim < Operatore di analisi x,φ 1 x,φ 2. x,φ N = φ 1 t φ 2 t. φ N t x Sua trasposta φ 1 φ 2 φ N u 1 u 2. u N = n u n φ n 33 Il frame duale: definizione Esplicitando F si ottiene F y = (F F) 1 φ n y n n Z = φ n y n n Z Le funzioni φ n = (F F) 1 φ n, n Z formano il frame duale 34
19 Il frame duale: proprietà 1. In spazi a dimensione finita i vettori φ n sono le colonne di F 2. Il frame duale è un frame con estremi 1/B e 1/A 3. Il duale del duale di un frame è il frame stesso 35
Se però perdo una delle tre coordinate posso ancora determinare la posizione. Se A = B (ossia, n x,φ n 2 = A x 2 per ogni x) il frame si dice stretto
L roustezz dei frme (2) Supponimo or di mndre le componenti rispetto d un insieme di tre vettori (necessrimente linermente dipendenti tr loro) A cus dell dipendenz linere, un componente è inutile, dto
DettagliIl metodo dei minimi quadrati
Il metodo dei minimi quadrati 1 Posizione del problema Introduciamo la problematica con un semplice esempio pratico. Supponiamo di avere a disposizione una certa quantità x di oggetti tutti uguali tra
DettagliINGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 25 FEBBRAIO a a. A a = 1 a 0
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 5 FEBBRAIO 013 Esercizio 1. Al variare del parametro a R, si consideri la matrice A a = 1 a 0 a 1 0. 1 1 a (1) Si discuta al variare
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
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
DettagliGeometria I. Soluzioni della prova scritta del 19 settembre 2016
Geometria I Soluzioni della prova scritta del 9 settembre 6 Esercizio Consideriamo una forma bilineare simmetrica g : V V R su uno spazio vettoriale reale V di dimensione finita, una sua base B e la matrice
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
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
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
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
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
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:
DettagliGeometria per Fisica e Astrofisica
Geometria per Fisica e Astrofisica Soluzione esercizi - Foglio 3 Esercizio. Risolvere i seguenti sistemi lineari al variare dei parametri reali α β e k < < (a) x + y z = αx + αy + βz = x + y z = β. (b)
DettagliGeometria BAER I canale Foglio esercizi 3
Geometria BAER I canale Foglio esercizi 3 Esercizio. Discutere le soluzioni del seguente sistema lineare nelle incognite,, z al variare del parametro k. 3 + kz = k k + 3z = k k + z = Soluzione: Il determinante
DettagliGeometria BAER PRIMO CANALE Foglio esercizi 1
Geometria BAER PRIMO CANALE Foglio esercizi 1 Esercizio 1. Risolvere le seguenti equazioni lineari nelle variabili indicate trovando una parametrizzazione dell insieme delle soluzioni. a) x + 5y = nelle
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
Dettaglir 2 r 2 2r 1 r 4 r 4 r 1
SPAZI R n 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, y, z)
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliRegistro dell insegnamento
UNIVERSITÀ DEGLI STUDI Registro dell insegnamento Anno Accademico 2011/2012 Facoltà Ingegneria...................................... Insegnamento GEOMETRIA E ALGEBRA LINEARE.... Settore Mat03...........................................
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
DettagliIl problema lineare dei minimi quadrati
Il problema lineare dei minimi quadrati APPLICAZIONE: Il polinomio di migliore approssimazione nel senso dei minimi quadrati Felice Iavernaro Dipartimento di Matematica Università di Bari 15 Gennaio 2009
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
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
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
DettagliGeometria BAER Canale A-K Esercizi 8
Geometria BAER 6-7 Canale A-K Esercizi 8 Esercizio Si consideri il sottospazio (a) Si trovi una base ortonormale di U (b) Si trovi una base ortonormale di U U = L v =, v, v 3 = (c) Si scriva la matrice
DettagliCORSI DI LAUREA IN MATEMATICA E FISICA
CORSI DI LAUREA IN MATEMATICA E FISICA FOGLIO DI ESERCIZI # 6 GEOMETRIA 1 Esercizio 6.1 (Esercizio 5.1). Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Per esempio il vettore
DettagliAlgebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004
Algebra Lineare. a.a. 004-05. Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/1/004 Esercizio 1. Siano V e W due spazi vettoriali e sia F : V W un isomorfismo (quindi F è lineare e
DettagliFondamenti di Algebra Lineare e Geometria TEMA A
Fondamenti di Algebra Lineare e Geometria Ingegneria Aerospaziale ed Ingegneria dell Energia - Canale B Secondo Appello - luglio TEMA A Risolvere i seguenti esercizi motivando adeguatamente ogni risposta.
DettagliCORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI
CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione
Dettagli[Si può fare una dimostrazione valida per ogni scelta di u, che sfrutti solo la linearità del prodotto scalare]
Università di Bergamo Anno accademico 20182019 Primo anno di Ingegneria Foglio 7 Geometria e Algebra Lineare Sottospazi, basi e dimensione Esercizio 7.1. Sia u = (1, 1, 1) e si consideri il sottoinsieme
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
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.
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prima prova di esonero TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 011-01 Prima prova di esonero TESTO E SOLUZIONI 1. Per h, k R si consideri il sistema lineare kx 1 + hx + X 4 = 1
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,
Dettagli1 Esercizi di ripasso 2
Esercizi di ripasso. Sia P r : R R l endomorfismo che manda ogni vettore v R nella sua proiezione ortogonale sulla retta r passante per l origine di equazione x y =. Calcolare una matrice per P r. Determinare
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
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
Dettagli22 marzo Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
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
DettagliIl problema della migliore approssimazione. Teorema 3.2 Il problema 3.1 ammette sempre almeno una soluzione.
3. Spazi di Hilbert Wir müssen wissen. Wir werden wissen. Noi abbiamo il dovere di conoscere. Alla fine conosceremo.) David Hilbert 1862-1943) Il problema della migliore approssimazione Problema 3.1 Migliore
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
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
DettagliComplemento ortogonale e proiezioni
Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali
Dettagli11 settembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
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.
DettagliA. Languasco - Esercizi Matematica B - 2. Spazi Vettoriali e Trasformazioni lineari 1
A. Languasco - Esercizi Matematica B - 2. Spazi Vettoriali e Trasformazioni lineari 1 A: Spazi vettoriali e sottospazi Corso di Matematica B - Ingegneria Informatica Testi di Esercizi A1. Provare che l
DettagliSoluzione degli esercizi di algebra lineare (del 26 ottobre 2018)
Soluzione degli esercizi di algebra lineare (del 26 ottobre 28) Esercizio. Siano V un K-spazio vettoriale con base B = (v,..., v n ) e W un K-spazio vettoriale con base C = (w,..., w m ), e sia f : V W
DettagliEsercizi di geometria per Fisica / Fisica e Astrofisica
Esercizi di geometria per Fisica / Fisica e Astrofisica Foglio 3 - Soluzioni Esercizio. Stabilire se i seguenti sottoinsiemi di R 3 sono sottospazi vettoriali: (a) S = {(x y z) R 3 : x + y + z = }. (b)
Dettagli19 settembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliProdotto scalare, covarianza e controvarianza, tensore metrico
Prodotto scalare, covarianza e controvarianza, tensore metrico Marco Bonvini 29 settembre 2005 1 Prodotto scalare Sia V spazio lineare su R; dati u, v V il loro prodotto scalare, indicato con (u, v), è:
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
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
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
DettagliLezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
Dettagli3. Determinare dimensione a basi per l annullatore ker(f) e per il complemento. Esercizio 2. Sia V uno spazio vettoriale reale di dimensione finita d.
Esercizi --- 5-- Esercizio. Sia f =: L A : R 4 R 4, ove A = 3 e sia B =:.. Dimostrare che B è una base di R 4.. Determinare la matrice di L A nella base B. 3. Determinare dimensione a basi per l annullatore
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
Dettagli14 febbraio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliCorso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani
Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa
DettagliProdotto scalare, ortogonalitá e basi ortonormali
CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5
DettagliCorso di Geometria BIAR, BSIR Esercizi 4: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Esercizio. Sono dati i seguenti sistemi lineari omogenei nelle incognite x, y, z: { x + y z = x + y z = x + y z = S : x y + z =, S :, S 3 : x 3y =,
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
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
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
DettagliBasi matematiche per il Machine Learning
Basi matematiche per il Machine Learning Corso di AA, anno 2017/18, Padova Fabio Aiolli 04 Ottobre 2017 Fabio Aiolli Basi matematiche per il Machine Learning 04 Ottobre 2017 1 / 14 Probabilità Un esperimento
DettagliGE110 - Geometria 1. Prova in Itinere 2 27 Maggio 2010
GE110 - Geometria 1 Prova in Itinere 2 27 Maggio 2010 COGNOME e NOME : Problema 1: Problema 2: Problema 3: 1 2 Problema 1. Nello spazio affine reale A 5 R si fissi il riferimento affine canonico, e siano
Dettaglix + 2y = 3 3x + 4y = 7 ; v 2 = Determinare x ed y in modo tale che si abbia x v 1 + y v 2 = v 3. (c) Sia A la matrice ( 1
. (a) Risolvere il sistema lineare x + 2y x + 4y 7 (b) Siano v, v 2 e v i vettori v ( ) ; v 2 ( ( 2 ; v 4) 7) Determinare x ed y in modo tale che si abbia x v + y v 2 v. (c) Sia A la matrice ( ) 2 4 e
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
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
Dettagli5 settembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliEsame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 15 Settembre 2015 Cognome: Nome: Matricola:
Esame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 5 Settembre 5 Cognome: Nome: Matricola: Tutte le risposte devono essere motivate. Gli esercizi vanno svolti su
DettagliSottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.
Dettagli11 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliProdotto scalare e matrici < PX,PY >=< X,Y >
Prodotto scalare e matrici Matrici ortogonali Consideriamo in R n il prodotto scalare canonico < X,Y >= X T Y = x 1 y 1 + +x n y n. Ci domandiamo se esistono matrici P che conservino il prodotto scalare,
DettagliSistemi di Elaborazione dell Informazione 170. Caso Non Separabile
Sistemi di Elaborazione dell Informazione 170 Caso Non Separabile La soluzione vista in precedenza per esempi non-linearmente separabili non garantisce usualmente buone prestazioni perchè un iperpiano
Dettagli0.1 Complemento diretto
1 0.1 Complemento diretto Dato U V, un complemento diretto di U é un sottospazio W V tale che U W = {0} U + W = V cioé la somma di U con il suo complemento diretto é diretta, e dá tutto lo spazio vettoriale
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
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
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2010-11 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
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
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
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA b) Dal testo sappiamo già che si tratta di un isometria. Rappresentando i punti si vede che sia
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI GEOMETRIA 008/09 Esercizio.. Dati i punti i O0, 0), A, ), B, ), determinare l isometria fx, y) = x, y ) tale che fo) = O, fa) = A, fb)
Dettagli0.1 Coordinate in uno spazio vettoriale
0.. COORDINATE IN UNO SPAZIO VETTORIALE 0. Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base
DettagliI Compito di Geometria - Ingegneria Edile - 25 ottobre 2000 Tra parentesi [ ] è indicato il punteggio di ogni esercizio.
I Compito di Geometria - Ingegneria Edile - 25 ottobre 2000 Tra parentesi [ ] è indicato il punteggio di ogni esercizio. A [8] Sono date le matrici A M 34 (IR) e b M 31 (IR) A = 1 0 2 2 0 k 1 k, b = 1
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
Dettagli