Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
|
|
- Silvio Pinna
- 4 anni fa
- Visualizzazioni
Transcript
1 Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 5. Determinazione numerica di autovalori e autovettori Si consideri il seguente problema: Data la matrice A R n n, si determinino gli scalari λ C (autovalori) e i vettori x R n (autovettori) tali che Ax = λx. Si cercano cioè quei vettori tali per cui l azione della matrice A su di essi porta ad un semplice allungamento o accorciamento del vettore stesso (in generale Ay non è parallelo a y). A parte casi patologici, una matrice ammette sempre n autovalori, eventualemente con molteplicità multipla, cioè non necessariamente coincidenti. Ad ogni autovalore è associato un autovettore. La determinazione degli autovalori è fondamentale in molte applicazioni ingegneristiche, come per la ricerca delle frequenze proprie di oscillazione di una struttura, o la compressione di una immagine jpg. Dal punto di vista continuo, gli autovalori sono le radici del polinomio caratteristico p λ := det(λi A). Come visto, il calcolo del determinante è proibitivo (se non per matrici di dimensione molto ridotta) e da qui la necessità di introdurre metodi numerici. Prima di discutere di questi, si introducono di seguito alcune proprietà continue che saranno utilizzate dai metodi numerici. Se si conoscesse l autovettore x, l autovalore corrispondente si potrebbe determinare con il quoziente di Rayleigh λ = xt Ax x 2. Di seguito gli autovalori e gli autovettori corrispondenti verranno indicati con λ i e x i, i = 1,...,n. Gli autovettori x i formano una base ortogonale dello spazion R n. Poichè gli autovettori sono definiti a meno di una costante (se x i è autovettore allora βax i = βλx i,β 0, cioè anche βx i è autovettore), essi formano in particolare una base ortonormale, cioè x T i x j = δ ij ove δ ii = 1 e δ ij = 0 se i j. Inoltre si ricorda che se A è triangolare, allora i suoi autovalori stanno sulla diagonale. Infine, si consideri una matrice C invertibile e si costruisca D := C 1 AC. Se λ e x sono una coppia di autovalore e autovettore per A, allora si ha DC 1 x = C 1 Ax = C 1 λx. Definendo y := C 1 x, si ottiene Dy = λy, 1
2 cioè λ è un autovalore anche per D. Due matrici che condivisono gli stessi autovalori si dicono simili. Le matrici A e C 1 AC sono simili. Metodo delle potenze. È un metodo iterativo che permette di determinare l autovalore di modulo massimo. Si faccia la seguente ipotesi λ 1 > λ 2 λ 3... λ n, cioè si assuma che l autovalore di modulo massimo sia isolato. Il metodo delle potenze consiste nei seguenti passi: Dato x (0), si costruisca y (0) = x(0). Di seguito si calcoli ad ogni passo k x (k) = Ay (k 1), λ (k) = (y (k) ) T Ay (k). Ogni iterazione di questo metodo costa n 2 essendo il grosso del tempo di calcolo nel prodotto matrice vettore Ay (k). Si veda di seguito perché tale metodo funziona. Si scriva x (0) come combinazione lineare degli autovettori x (0) = α j x j, con α j dei coefficienti opportuni. Allora, si ha con β (0) = 1. Per k = 1, si ottiene da cui segue y (0) = β (0) α j x j, x (1) = Ay (0) = β (0) α j λ j x j, y (1) = β (1) α j λ j x j, con β (1) 1 =. Procedendo in questo modo, si ottiene alla generica iterazione k: x (1) y (k) = β (k) α j λ k j x j, con β (k) 1 =. Riscrivendo la precedente relazione come... x (k) ( ) k y (k) = β (k) λ k 1 α 1x 1 + α j λ k j x j = λ k λj 1 β(k) α 1 x 1 + α j x j, λ 1 j=2 2 j=2
3 ed utilizzando l ipotesi di separatezza di λ 1, si ottiene ( ) k y(k) = k λk 1β (k) α 1 x 1, cioè y (k) tende ad allinearsi con l autovettore corrispondente all autovalore massimo. Poichè y (k) ha modulo pari a 1, prendendo anche l autovettore x 1 di modulo 1 (come visto in precedenza gli autovettori si possono sempre riscalare) si ha che k (y(k) ) T Ay (k) = x T 1 Ax 1 = xt 1 Ax 1 x 1 2 = λ 1, dove l ultima uguaglianza è dovuta al quoziente di Raylegh. Questo mostra come k λ(k) = λ 1. Si fa notare come l autovalore di modulo massimo per A 1 sia pari a λ n. Quindi, applicando il metodo delle potenze ad A 1 si ottiene un metodo che converge al reciproco dell autovalore di modulo minimo. Ciò permette quindi di stimare numericamente λ n. Si scriva di seguito il metodo: Dato x (0), si costruisca y (0) = x(0). Di seguito si calcoli ad ogni passo k x (k) = A 1 y (k 1), µ (k) = (y (k) ) T A 1 y (k). Si fa notare come ad ogni iterazione si debba calcolare l inversa di A. Tuttavia, come notato nel corso, non è possibile determinare l espressione esplicita dell inversa, a causa dell impraticabilità della formula di Cramer. Si riscriva allora il metodo equivalentemente come segue Ax (k) = y (k 1), µ (k) = (y (k) ) T A 1 y (k). L algoritmo è formalmente lo stesso, ma ora bisogna risolvere un sistema lineare cosa che sappiamo fare per via numerica (ad esempio con la fattorizzazione LU). Il costo quindi di ogni iterazione è maggiore che per il metodo delle potenze originarie. Tuttavia si fa notare come il sistema lineare Ax (k) = y (k 1) coinvolga sempre la stessa matrice A, la cui fattorizzazione viene quindi fatta off-line, fuori dal ciclo for. Per il calcolo dell ultimo passo, si fa notare come compaia il termine A 1 y (k), cioè x (k+1). L algoritmo viene quindi efficientemente riscritto nel seguente modo Ax (k+1) = y (k), µ (k) = (y (k) ) T x (k+1). 3
4 In ogni caso si ha k µ (k) = 1/λ n. Si consideri ora il caso in cui si voglia approssimare l autovalore più prossimo ad un certo numero χ. Applicando il metodo delle potenze alla matrice A 1 χ con A χ = (A χi), si approssima l autovalore minimo λ χ n di A χ. Poiché si ha che λ χ n = λ j χ per un qualche j, ponendo λ j = λ χ n + χ si ottiene l autovalore di A più vicino a χ. Come criterio di arresto si usa solitamente quello basato sull incremento λ (k) λ (k 1) λ (k) < ε. Metodo delle iterazioni QR. È ancora un metodo iterativo, ma a differenza di quello delle potenze permette di determinare tutti gli autovalori, non solamente uno alla volta. Proprietà: Data una matrice A, esistono una matrice ortogonale Q (cioè tale per cui Q T = Q 1 ) e una matrice triangolare superiore R, tali che A = QR (fattorizzazione QR). Si prenda Q (0) ortogonale e si definisca T (0) = ( Q (0)) T AQ (0). T (0) è ovviamente simile ad A per costruzione. Il metodo delle iterazioni QR consiste ad ogni iterata k nei seguenti passi Q (k) R (k) = T (k 1), R (k) Q (k). Il primo passo consiste nella fattorizzazione QR e deve essere svolto con un opportuno algortmo che non vediamo in questo corso. Il secondo passo consiste in un prodotto matrice-vettore. Vediamo di seguito perché tale metodo funziona. Si ha R (k) Q (k) = ( Q (k)) T ( Q (k) R (k) Q (k) = Q (k)) T T (k 1) Q (k). Allora, sostituendo nel termine a destra l espressione che si otterrebbe scrivendo T (k 1) in funzione di T (k 2), si ottiene e procedendo in questo modo si ottiene Ricordando l espressione di T (0) si ha infine (Q (k)) T ( Q (k 1)) T T (k 2) Q (k 1) Q (k) (Q (k)) T... ( Q (1)) T T (0) Q (1)... Q (k). (Q (k)) T (... Q (0)) T ( AQ (0)... Q (k) = Q (0)... Q (k)) T AQ (0)... Q (k). Definendo S (k) = Q (0)... Q (k), si osserva come S (k) sia ortogonale in quanto prodotto di matrici ortogonali. Allora, si ha che T (k) è simile ad A. Si può inoltre mostrare (ma si omette di seguito la dimostrazione) che T (k) ij = 0 i > j, k 4
5 cioè T (k) tende a diventare triangolare superiore. Ciò significa che con λ i gli autovalori di A. Il criterio di arresto in questo caso è T (k) ii = λ i, k (k) max T i>j ij < ε. Si può mostrare che la velocità di convergenza del metodo dipende da quanto gli autovalori siano separati: se due autovalori sono vicini, sulla riga corrispondente i valori sotto la diagonale faranno fatica a tendere a zero. 5
Autovalori 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
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
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
DettagliCALCOLO NUMERICO. Francesca Mazzia. Calcolo degli autovalori. Dipartimento Interuniversitario di Matematica. Università di Bari
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari Calcolo degli autovalori 1 Calcolo degli autovalori Gli autovalore e gli autovettore di una matrice quadrata
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2014-2015 Metodi per similitudine Matrici simili hanno gli stessi autovalori. Consideriamo trasformazioni per
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
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
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
Dettagli0 0 c. d 1. det (D) = d 1 d n ;
Registro Lezione di Algebra lineare del 23 novembre 216 1 Matrici diagonali 2 Autovettori e autovalori 3 Ricerca degli autovalori, polinomio caratteristico 4 Ricerca degli autovettori, autospazi 5 Matrici
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA PRIMO APPELLO, 15 GIUGNO 2010 VERSIONE A. 1 a 1. 0 a a 2
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA PRIMO APPELLO, 5 GIUGNO 2 VERSIONE A Esercizio Al variare del parametro reale a, si consideri l endomorfismo : R R definito dalle condizioni: a a a 2 a a 2 =,
DettagliCALCOLO NUMERICO Laurea di base in Ingegneria Elettronica ed Ing. delle Comunicazioni
CALCOLO NUMERICO Laurea di base in Ingegneria Elettronica ed Ing. delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2018-2019) XV Lezione del 02.04.2019 http://www.dmmm.uniroma1.it/ laura.pezza 1 Data A R
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. Definire la nozione
Dettagli8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
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
DettagliINGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012 MATTEO LONGO Esercizio 1. Al variare del parametro a R, si consideri l applicazione lineare L a : R R definita dalle
DettagliMetodi iterativi per il calcolo approssimato di autovalori
Universitá di Cagliari Facoltá di Ingegneria e Architettura Ingegneria Elettronica Magistrale Tesina del corso Ottimizzazione Metodi iterativi per il calcolo approssimato di autovalori Professore: Prof.
DettagliPolitecnico di Torino Facoltà di Architettura. Raccolta di esercizi proposti nelle prove scritte
Politecnico di Torino Facoltà di Architettura Raccolta di esercizi proposti nelle prove scritte relativi a: algebra lineare, vettori e geometria analitica Esercizio. Determinare, al variare del parametro
DettagliEsercizio 1 Sia. a n. X (k+1) = X (k) (2I AX (k) )
Esercizi per la parte Numerica e Algoritmica, Prof. Serra-Capizzano. Gli esercizi elencati sono da ritenersi come una palestra molto impegnativa: i testi di esame che saranno proposti non avranno una difficoltà
Dettagli- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.
Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e
DettagliAlgebra Lineare Autovalori
Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: sberrone@calvino.polito.it sandra.pieraccini@polito.it
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliRaccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia
Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia Nota Bene: Gli esercizi di questa raccolta sono solo degli esempi. Non sono stati svolti né verificati e servono unicamente da spunto
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
DettagliAM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI
AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI Sia A = (a ij ), i, j = 1,..., n matrice n n. Le soluzioni del sistema differenziale lineare di n equazioni nelle n incognite
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
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
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
Dettaglia = 37679, b = 37654, c = ,
Esercizi di Calcolo Scientico e Metodi Numerici 1. Dati i tre numeri si calcolino le quantità a = 37679, b = 37654, c = 5.874, (a + b) + c e a + (b + c) in un sistema in virgola mobile in base 1 con mantissa
DettagliGeometria BAER Canale A-K Esercizi 11
Geometria BAER 6-7 Canale A-K Esercizi Esercizio. Scrivere la matrice delle seguenti trasformazioni ortogonali del piano (a Proiezione ortogonale sulla retta x + y = (b Rotazione di π/4 seguita da riflessione
DettagliEsercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Autovalori ed Autovettori di una matrice Siano Se A = (a i,j ) i,j=1,...,n R n n, 0 x = (x i ) i=1,...,n R n λ R Ax = λx (1) allora λ è detto autovalore di
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,
DettagliUniversità di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011)
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011) ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola
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
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
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:
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,
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
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
Dettagli1. Lunedì 26/09/2016, 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. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 13 dicembre 2016 1. Lunedì 26/09/2016, 11 13. ore:
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
DettagliGeometria e algebra lineare 7/2/2018 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione
Geometria e algebra lineare 7//08 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione A Esercizio A Siano r la retta passante per i punti A = (0,, 0) e B = (,, ) ed s la retta
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:
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - 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
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica Corso di Geometria ed Algebra Docente F. Flamini Capitolo IV - 3: Teorema Spettrale degli operatori autoaggiunti e Teorema
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:
DettagliCenni sui metodi iterativi per sistemi lineari. Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015
Cenni sui metodi iterativi per sistemi lineari Analisi Numerica Prof. M. Lucia Sampoli a.a. 2014/2015 Metodi numerici per sistemi lineari Nei metodi diretti la presenza di eventuali elementi nulli nella
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) =
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 7 gennaio 204 Sia M = F (2, 3). Dopo aver mostrato che 20 M, determinare tutti gli elementi ξ M tali che: ξ > 20 Per ogni x R, sia:
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
DettagliESERCIZI PROPOSTI. det A = = per cui il sistema si può risolvere applicando le formule di Cramer, cioè: dove: = =
ESERCIZI PROPOSTI Risolvere i seguenti sistemi lineari )-0), utilizzando, dove possibile, sia il metodo di Cramer sia quello della matrice inversa, dopo aver analizzato gli esempi a)-d): 2x + + 4z 5 a)
DettagliMATRICI E OPERAZIONI
MATRICI E SISTEMI MATRICI E OPERAZIONI Matrici, somma e prodotto (definizioni, esempi, non commutatività del prodotto, legge di annullamento del prodotto Potenze e inverse di matrici quadrate (definizioni
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.
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
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
DettagliCdL in Ingegneria Industriale (F-O)
CdL in Ingegneria Industriale (F-O Prova scritta di Algebra lineare e Geometria- 0 Giugno 07 Durata della prova: tre ore. È vietato uscire dall aula prima di aver consegnato definitivamente il compito.
DettagliESAME DI GEOMETRIA E ALGEBRA INGEGNERIA INFORMATICA (PROF. ACCASCINA) PROVA SCRITTA DEL 4 LUGLIO 2000 Tempo assegnato: 2 ore e 30 minuti
ESAME DI GEOMETRIA E ALGEBRA INGEGNERIA INFORMATICA (PROF ACCASCINA) PROVA SCRITTA DEL 4 LUGLIO 000 Tempo assegnato: ore e 30 minuti PRIMO ESERCIZIO [7 punti] 1 Dimostrare che, per ogni naturale n, ciascuna
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
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
DettagliAutovalori ed autovettori di un endomorfismo
Autovalori ed autovettori di un endomorfismo Endomorfismo = applicazione (funzione) lineare da un spazio vettoriale V in sé stesso 1. Data una funzione lineare, scriverne la matrice associata dei coefficienti:
DettagliCalcolo di autovalori e autovettori
Calcolo di autovalori e autovettori Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 9 maggio 2017 Alvise Sommariva Introduzione 1/ 36 Autovalori Il problema del calcolo degli
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
DettagliCorso di Geometria Meccanica, Elettrotecnica Esercizi 11: soluzioni
Corso di Geometria 0- Meccanica Elettrotecnica Esercizi : soluzioni Esercizio Scrivere la matrice canonica di ciascuna delle seguenti trasformazioni lineari del piano: a) Rotazione di angolo π b) Rotazione
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.
DettagliCorso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche
Corso di Laurea in Fisica. Geometria. a.a. 2009-10. Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche Sia V uno spazio vettoriale reale. Sia 1. Osservazioni preliminari. : V V R un
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:
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.
DettagliLezione 25. La procedura GS termina correttamente se e solo se applicata ad una matrice invertibile.
Lezione 25 In questa lezione si conclude la descrizione della procedura per la ricerca di una fattorizzazione QR di una matrice e si discute un procedimento che utilizza tale procedura per la ricerca della
DettagliLa forma normale di Schur
La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
DettagliAppendice di esercizi in FORTRAN
Annamaria Mazzia Appendice di esercizi in FORTRAN Dipartimento di Ingegneria Civile Edile e Ambientale Università degli Studi di Padova Creative Commons Attribuzione-Non commerciale-non opere derivate
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 2015 VERSIONE A
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 015 VERSIONE A DOCENTE: MATTEO LONGO 1. Domande. Esercizi Esercizio 1 (8 punti). Al variare del parametro a R, considerare
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
DettagliEQUAZIONI DIFFERENZIALI
EQUAZIONI DIFFERENZIALI 1 Primo ordine - variabili separabili Sia dato il problema di Cauchy seguente: { y = a(x)b(y) Si proceda come segue y(x 0 ) = y 0 (1) Si calcolino le radici dell equazione b(y)
DettagliEsercizi di GEOMETRIA I - Algebra Lineare B = , calcolare A A t A + I
Esercizi di GEOMETRIA I - Algebra Lineare. Tra le seguenti matrici, eseguire tutti i prodotti possibili: 2 ( ) A = 0 3 4 B = 2 0 0 2 D = ( 0 ) E = ( ) 4 4 2 C = 2 0 5 F = 4 2 6 2. Data la matrice A = 0
DettagliPOTENZE DI MATRICI QUADRATE
POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
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
DettagliMetodi di Ottimizzazione
Metodi di Ottimizzazione Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famospaghi, @famoconti http://stegua.github.com Metodi di Ottimizzazione
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
Dettagli1. Martedì 27/09/2016, 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. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2016 1. Martedì 27/09/2016,
DettagliProva scritta di FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Vicenza, 27 giugno 2011 TEMA 1
Vicenza, 27 giugno 20 TEMA. Determinare, al variare del parametro reale a, una base del nucleo e una dell immagine dell endomorfismo L a di R definito da L a (x, y, z) = (x 2y + az, 2x + 4y + z, ( a)x
DettagliEsercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =
Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice
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
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliPreparazione orale analisi numerica:
Preparazione orale analisi numerica: CAPITOLO Errori (1): Ricavare il coefficiente di amplificazione: Sviluppare la serie di Taylor su di centro CAPITOLO Gerschgorin (4): Primo teorema di Gershgorin (Massimizzare
DettagliCapitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE
Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE 1. Matrici ortogonali Ricordiamo che, nel Cap. VII, abbiamo studiato le matrici di cambio di base in un R spazio vettoriale. In tale occasione, abbiamo
DettagliUniversità di Pisa. Corso di Laurea in Ingegneria Meccanica Geometria e Algebra Lineare
Università di Pisa Corso di Laurea in Ingegneria Meccanica Geometria e Algebra Lineare Cognome e Nome: Corso di studi: Anno di iscrizione: Numero di matricola: Scritto n. 1 del 016 Esercizio 1. Si studi
DettagliDefinizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che
Autovalori ed autovettori [Abate, 131] Sia f : V V un endomorfismo e λ R Se esiste v V non nullo tale che f(v) = λv, diremo che λ è un autovalore di f e che v è un autovettore di f associato a λ Lezioni
DettagliGEOMETRIA 1 Autovalori e autovettori
GEOMETRIA 1 Autovalori e autovettori Gilberto Bini - Anna Gori - Cristina Turrini 2018/2019 Gilberto Bini - Anna Gori - Cristina Turrini (2018/2019) GEOMETRIA 1 1 / 28 index Matrici rappresentative "semplici"
DettagliEs. 1 Es. 2 Es. 3 Es. 4 Es. 5 Totale
Es. 1 Es. 2 Es. Es. 4 Es. 5 Totale Analisi e geometria 2 rimo Appello Docente: 17 luglio 29 Cognome: Nome: Matricola: Tutte le risposte devono essere motivate. Gli esercizi vanno svolti su questi fogli,
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
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
Dettagli