Codifica a blocchi mediante trasformate
|
|
- Cornelia Riccardi
- 4 anni fa
- Visualizzazioni
Transcript
1 Codifica a blocchi mediante trasformate Consideriamo una tecnica di compressione che divide un immagine in piccoli blocchi non sovrapposti di uguale dimensione (per es. 8 8) ed elabora i blocchi indipendentemente utilizzando una trasformata 2-D. Una trasformata lineare e reversibile (come la trasformata di Fourier) viene utilizzata per mappare ogni blocco o sottoimmagine in un insieme di coefficienti della trasformata, che vengono successivamente quantizzati e codificati. Per trasformare i dati dell immagine può essere utilizzata una grande varietà di trasformate. la codifica a blocchi mediante trasformata è usata in JPEG, M-JPEG, MPEG-,2,4, H.26, H.262, H.263 e H.264, DV e HDV, VC-
2 Codifica a blocchi mediante trasformata
3 Trasformate per le immagini digitali 3
4 Cos è una trasformata? La trasformata è un operazione matematica che ci permette di passare da uno spazio di funzioni ad un altro. Nel caso di spazi vettoriali la trasformata corrisponde ad un cambio di base. Le immagini si possono pensare come elementi di uno spazio vettoriale. Pertanto possono essere rappresentate come combinazione lineari di una base dello spazio. 4
5 Base canonica Tipicamente si usa la base canonica per rappresentare le immagini digitali raster. Questo significa che l immagine originale sarà scritta come combinazione lineare di matrici con un solo valore e i restanti a =
6 Cambio di base Nulla vieta di utilizzare un altra base per rappresentare la stessa immagine. L operazione di Trasformata nel caso discreto, ci permette di utilizzare un altra base, fornendoci gli strumenti per il calcolo dei nuovi coefficienti a a 2 a 3 a 4 a 5 a 6 b b 2 b 3 = a + b + b 4 b 5 b 6 a 7 a 8 a 9 b 7 b 8 b 9 + i i i 2 i 3 i 4 i 5 i 6 i 7 i 8 i 9 6
7 Base qualunque per un immagine In generale possiamo scrivere un immagine I di dimensione N N, come: N N I = a i,j B i,j i=0 j=0 Dove a i,j è l elemento di posto i, j della matrice dei coefficienti A, e B i,j sono gli elementi della base B 7
8 Perché usare una Trasformata? La nuova matrice dei coefficienti potrebbe godere di alcune proprietà caratteristiche della Trasformata utilizzata. Queste proprietà possono rendere più semplice ed efficiente il trattamento delle immagini. Operazioni di compressione, enhancement, individuazione di elementi significativi, ne sono un esempio. 8
9 Quante e quali Trasformate? Esistono teoricamente infinite trasformate. Tra queste moltissime sono note e utilizzate in svariati campi. Nel dettaglio ne vedremo alcune con buone proprietà per il trattamento delle immagini digitali: Haar Walsh/Hadamard Fourier 9
10 Cosa caratterizza un Trasformata? ) Lo spazio di funzioni a cui vogliamo passare: rappresenta il cuore della trasformata e consiste nell insieme delle funzioni elementari attraverso cui descrivere la funzione originale. Tutte le proprietà utili dipendono da questo spazio. 2) Complessità nella computazione: non possiamo fare a meno di considerare il carico computazionale, poiché discuteremo di trattamento di immagini digitali. Per questo ci sono proprietà desiderabili, quali ad esempio l ortogonalità delle funzioni elementari. 0
11 Trasformata di Haar Quale spazio di funzioni utilizza? Ovviamente lo spazio delle funzioni di Haar! Ci concentreremo solo sul caso discreto a due dimensioni, ma vedremo che è strettamente legato al caso continuo ad una dimensione.
12 Funzioni di Haar Le funzioni di Haar H k di ordine k sono definite come segue: H 0 (t) = ppp 0 t < H (t) = ss 0 t < 2 ss 2 t < La funzione non è definita per valori di t esterni all intervallo 0, H 2 p +n t = 2 p 2 p ppp ppp n n t < 2p 2 p n p t < n + 2 p 0 aaaaaaaaaa Dove: p =, 2, 3, e n = 0,,, 2 p 2
13 Funzioni di Haar Le funzioni così definite saranno gli elementi fondamentali del nuovo spazio. Nel caso discreto come comportarsi? Basta valutare la funzione per un insieme discreto di valori di t. Se ci servono N valori prendiamo le t appartenenti all insieme {0, N, 2 N,, N N } 3
14 Funzioni di Haar Costruzione base nel caso discreto Se abbiamo un vettore di N elementi, serve nel caso peggiore una base di cardinalità N. Quindi dobbiamo calcolare almeno N funzioni di Haar ed ognuna per N valori di t. Procediamo prendendo le funzioni di ordine 0,,, N- ed i valori di t = 0, N, 2 N,, N N. 4
15 Trasformata di Haar Caso discreto per N=4 H 0 0 = H 0 4 = H = H = H 0 = H 4 = H 2 4 = H 3 4 = H 2 0 = 2 H 2 4 = 2 H = 0 H = 0 H 3 0 = 0 H 3 4 = 0 H = 2 H = 2 H 0 = H = H 2 = H 3 =
16 Trasformata di Haar 2D Il passaggio a due dimensioni è molto semplice. Gli elementi della base devono essere matrici N N. Per ottenere la matrice H i,j si usano i vettori monodimensionali H i e H j. H i,j = H i H j T 6
17 Trasformata di Haar Caso discreto per un certo N Le matrici appena costruite saranno quelle della nuova base. Servono dunque i coefficienti. I vettori invece possono essere raccolti in una matrice. Questa matrice è importantissima. Essa infatti descrive una trasformazione lineare che ci permette di ottenere la matrice dei nuovi coefficienti A. 7
18 Trasformata di Haar Caso discreto per N=4 Riversando i vettori H i nelle righe di una matrice otteniamo H: H = Se I è la matrice originale e H T la trasposta di H, la matrice dei nuovi coefficienti A sarà (per un qualsiasi N): A = H I H T 8
19 Trasformata di Haar Caso discreto per un certo N Viene da se che nel caso in cui ci serva il singolo coefficiente A i,j : A i,j = H i T I H j Fare i calcoli per ogni i e j ci fornisce infatti la matrice A 9
20 Trasformata di Haar -2D Allora se abbiamo un immagine I di dimensione N N, per N = 4 la matrice dei nuovi coefficienti A sarà: A = H I H T A = I T 20
21 Antitrasformata L Antitrasformata non è altro che una trasformata che permette di tornare allo spazio originale. Nel caso delle immagini è essenziale tornare indietro dopo aver eseguito il task richiesto. E desiderabile che le coppie Trasformata- Antitrasformata siano veloci da calcolare. 2
22 Trasformata di Haar Nel caso della trasformata di Haar potrebbe tornarci utile la proprietà di ortogonalità. Diremo che H è ortogonale se H H T = H T H = I d. Dove I d è la matrice identità. In altre parole la matrice inversa e la trasposta corrispondono. Questo in generale non è vero, ma se moltiplichiamo la matrice H per N la proprietà diventa vera. 22
23 Trasformata di Haar N=4 Quindi per N=4, H diventa: H = Ovviamente la formula per ottenere A non cambia, ma non dimentichiamoci di usare sempre la stessa H una volta fissata. Inoltre il coefficiente moltiplicativo non modifica le proprietà della Trasformata in esame 23
24 (Anti)Trasformata di Haar 2D Se la proprietà di ortogonalità è soddisfatta possiamo ritornare all immagine originale I molto semplicemente, infatti: I = H T A H Dimostrare! 24
25 Trasformata di Haar Basi 2D 8 8 La base per la trasformata di Haar nel caso di matrici 8 8. Poiché si tratta di una versione adatta ad essere visualizzata, i pixel bianchi sono i valori positivi, i neri i valori negativi e i grigi valori uguali a 0. 25
26 Trasformata di Walsh Utilizza come spazio di funzioni quello delle funzioni di Walsh. Come vedremo, nel nostro caso la funzione assumerà solo 2 valori: - e. Questa caratteristica ha portato a diverse definizioni per le funzioni di Walsh. 26
27 Funzioni di Walsh Definizione ricorsiva Le funzioni di Walsh di ordine n sono definite ricorsivamente nel seguente modo: W 0 (t) = ppp 0 t < 0 aaaaaaaaaa W 2j+q t = ( ) j 2 +q [W j (2t) + j+q W j (2t )] con q = 0 o e j = 0,, 2, 27
28 Funzioni di Walsh Definizione tramite funzioni di Rademacher Le funzioni di Walsh di ordine n sono definite attraverso le funzioni di Rademacher nel seguente modo: m+ WW n t = R i (t) i=,b i 0 Dove R i è la funzione di Rademacher di ordine i, m + è il numero di bit necessari a rappresentare n in binario e b i è l i-esimo bit della rappresentazione in binario di n. 28
29 Funzioni di Rademacher Le funzioni di Rademacher di ordine n sono definite nel seguente modo: R 0 t = ppp 0 t R n t = sign sin(2 n ππ) ppp 0 t Dove sign(x) è la funzione segno, definita come: sign x = ppp x > 0 ppp x < 0 0 ppp x = 0 29
30 Funzioni di Walsh Le funzioni così definite saranno gli elementi fondamentali del nuovo spazio. Nel caso discreto come comportarsi? Basta valutare la funzione per un insieme discreto di valori di t. Se ci servono N valori prendiamo le t appartenenti all insieme {0, N, 2 N,, N N } 30
31 Funzioni di Walsh Costruzione base nel caso discreto Se abbiamo un vettore di N elementi, serve nel caso peggiore una base di cardinalità N. Quindi dobbiamo calcolare almeno N ordini di funzioni di Walsh ed ognuna per N valori di t. Procediamo prendendo le funzioni di ordine 0,,, N- ed i valori di t = 0, N, 2 N,, N N. 3
32 Trasformata di Walsh Caso discreto per N=4 W 0 0 = W 0 4 = W = W = W 0 = W 4 = W 2 4 = W 3 4 = W 2 0 = W 2 4 = W = W = W 3 0 = W 3 4 = W = W = W 0 = W = W 2 = W 3 = 32
33 Trasformata di Walsh 2D Il passaggio a due dimensioni è identico a quello della trasformata di Haar. Gli elementi della base devono essere matrici N N. Per ottenere le matrici della base W i,j si usano i vettori monodimensionali W i e W j. W i,j = W i W j T 33
34 Trasformata di Walsh Caso discreto per un certo N Le matrici appena costruite saranno quelle della nuova base. Servono quindi i coefficienti. In modo analogo alla trasformata di Haar, si possono usare i vettori calcolati per costruire la matrice di trasformazione. 34
35 Trasformata di Walsh Caso discreto per N=4 Riversando i vettori W i nelle righe di una matrice otteniamo W: W = Se I è la matrice originale e W T la trasposta di W, la matrice dei nuovi coefficienti A sarà (per un qualsiasi N): A = W I W T 35
36 Trasformata di Walsh Caso discreto per un certo N Viene da se che nel caso in cui ci serva il singolo coefficiente A i,j : A i,j = W i T I W j Fare i calcoli per ogni i e j ci fornisce infatti la matrice A 36
37 Trasformata di Walsh - 2D Allora se abbiamo un immagine I di dimensione N N, per N = 4 la matrice dei nuovi coefficienti A sarà: A = W I W T A = I T 37
38 Trasformata di Walsh Anche nel caso della trasformata di Walsh l ortogonalità della matrice di trasformazione sarebbe desiderabile. Possiamo garantire che W W T = W T W = I d? Come per Haar ci basta moltiplicare la matrice W per N. 38
39 Trasformata di Walsh N=4 Quindi per N=4, W diventa: W = 4 Anche in questo caso ricordiamoci di usare la stessa W una volta scelta (che sia quella «aggiustata» o meno). 39
40 (Anti)Trasformata di Walsh 2D Se la proprietà di ortogonalità è soddisfatta possiamo ritornare all immagine originale I esattamente come per l antitrasformata di Haar, infatti: I = W T A W La dimostrazione è identica a quella per Haar! 40
41 Trasformata di Walsh Basi 2D 8 8 La base per la trasformata di Walsh nel caso di matrici 8 8, calcolata tramite la funzione ricorsiva (la prima). Poiché si tratta di una versione adatta ad essere visualizzata, i pixel bianchi sono i valori positivi ed i neri i valori negativi. 4
42 Trasformata di Walsh/Hadamard Problema! La funzione ricorsiva può essere computazionalmente onerosa! Idea: costruire direttamente matrici ortogonali composte da soli e - a meno di una costante moltiplicativa. Hadamard trovò un modo, ma sotto un vincolo molto stringente. L algoritmo funziona solo per matrici di dimensioni N, con N potenza di 2. 42
43 Matrici di Hadamard Le matrici sono definite ricorsivamente: HH HH HH N HH N 2N HH N HH N 43
44 Trasformata di Walsh/Hadamard Attenzione! Le matrici costruite con le funzioni di Walsh ricorsive, tramite Rademacher e tramite l algoritmo di Hadamard NON sono uguali. Tuttavia la prima e la terza possono essere utilizzate efficacemente per il calcolo della Trasformata e dell Antitrasformata. La seconda (Rademacher), necessità di alcuni accorgimenti per garantire l ortogonalità. 44
45 Trasformata di Fourier Utilizza le funzioni trigonometriche complesse nella forma: U n t = e i2πππ Ricordiamo che: e ix = cos x + i sin x 45
46 Funzioni trigonometriche Costruzione base nel caso discreto Se abbiamo un vettore di N elementi, serve nel caso peggiore una base di cardinalità N. Quindi dobbiamo calcolare almeno N funzioni trigonometriche ognuna per N valori di t. Procediamo prendendo le funzioni di ordine 0,,, N- ed i valori di t = 0, N, 2 N,, N N. 46
47 Trasformata di Fourier Caso discreto per N=4 U 0 0 = U 0 4 = U = U = U 0 = U 4 = i U 2 4 = U 3 4 = i U 2 0 = U 2 4 = U = U = U 3 0 = U 3 4 = i U = U = i U 0 = U = i U 2 = U 3 = i i i 47
48 Trasformata di Fourier 2D Il passaggio a due dimensioni è identico a quello della trasformata di Haar e Walsh. Gli elementi della base devono essere matrici N N. Per ottenere le matrici della base U i,j si usano i vettori monodimensionali U i e U j. U i,j = U i U j T 48
49 Trasformata di Fourier Caso discreto per un certo N Le matrici appena costruite saranno quelle della nuova base. Servono quindi i coefficienti. In modo analogo alla trasformata di Haar e Walsh, si possono usare i vettori calcolati per costruire la matrice di trasformazione. 49
50 Trasformata di Fourier Caso discreto per N=4 Riversando i vettori U i nelle righe di una matrice otteniamo U: U = i i i i Vale la stessa regola dei casi precedenti, ma poiché la matrice U è simmetrica (per ogni N), allora U = U T. Ergo: A = U I U T = U I U 50
51 Trasformata di Fourier Caso discreto per un certo N Viene da se che nel caso in cui ci serva il singolo coefficiente A i,j : A i,j = U i T I U j Fare i calcoli per ogni i e j ci fornisce infatti la matrice A 5
52 Trasformata di Fourier - 2D Allora se abbiamo un immagine I di dimensione N N, per N = 4 la matrice dei nuovi coefficienti A sarà: A = U I U T = U I U A = i i i i I i i i i 52
53 Trasformata di Fourier Nel caso della trasformata di Fourier la matrice di trasformazione è simmetrica. L ortogonalità non basta, poiché siamo in presenza di numeri complessi. Serve che la matrice sia unitaria. Una matrice U si dice unitaria se U U H = U H U = I d dove U H è la trasposta coniugata. Anche in questo caso se moltiplichiamo U per otteniamo la proprietà. N 53
54 Trasformata di Fourier N=4 Quindi per N=4, U diventa: U = 4 i i i i Anche in questo caso ricordiamoci di usare la stessa U una volta scelta (che sia quella «aggiustata» o meno), e che il coefficiente moltiplicativo non distrugge le proprietà dello spazio di funzioni della Trasformata. 54
55 (Anti)Trasformata di Fourier 2D Adesso se U è una matrice unitaria possiamo ritornare all immagine originale I in maniera piuttosto semplice, infatti: I = U H A U H 55
56 Trasformata di Fourier Base 8 8 (parte reale) 56
57 Trasformata di Fourier Base 8 8 (parte immaginaria) 57
58 Trasformata di Fourier Formula diretta I coefficienti della trasformata di Fourier per un immagine N N possono anche essere calcolati con la seguente formula: N N F u, v = N f x, y e iiπxx+yy N x=0 y=0 Questa corrisponde esattamente al calcolo dei prodotti riga per colonna tra l immagine originale e la matrice di trasformazione costruita. 58
59 (Anti)Trasformata di Fourier Formula diretta I coefficienti dell immagine originale N N, partendo dai coefficienti nello spazio di Fourier, possono anche essere calcolati con la seguente formula: N N f x, y = N F u, v eiiπxx+yy N u=0 v=0 Questa corrisponde esattamente al calcolo dei prodotti riga per colonna tra la matrice dei coefficienti di Fourier e la matrice di trasformazione inversa. 59
60 Caratteristiche Trasformata di Haar Ogni coefficiente della trasformata di Haar si riferisce ad aree limitate dell immagine originale. Pertanto azzerare un coefficiente ci fa perdere l informazione su una zona in particolare. Possiamo sfruttare questa caratteristica per eliminare zone non interessanti (compressione) oppure per individuare elementi in aree particolari. E alla base del famoso algoritmo Viola-Jones, usato in Computer Vision per il face-detection. 60
61 Caratteristiche Trasformata di Walsh A differenza della trasformata di Haar, ogni coefficiente codifica un insieme di dettagli relativo all intera immagine. Pertanto azzerare un coefficiente ci fa perdere l informazione su tutta l immagine, ma suddividendo la perdita nell intera matrice. Possiamo sfruttare questa caratteristica per eliminare dettagli non interessanti (compressione). La base di Walsh è usata in telecomunicazioni, ed in particolare per la multiplazione CDM (Code Division Multiplexing). 6
La codifica digitale
La codifica digitale Codifica digitale Il computer e il sistema binario Il computer elabora esclusivamente numeri. Ogni immagine, ogni suono, ogni informazione per essere compresa e rielaborata dal calcolatore
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
DettagliLezione del 24 novembre. Sistemi lineari
Lezione del 24 novembre Sistemi lineari 1 Nelle lezioni scorse abbiamo considerato sistemi di equazioni lineari dei seguenti tipi: un equazione in un incognita; una, due o tre equazioni in due incognite;
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)
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliCos è una wavelet? Applicazioni della trasformata wavelet. Analisi multirisoluzione
Cos è una wavelet? Applicazioni della trasformata wavelet Analisi multirisoluzione Tre tecniche: Piramidi di immagine Trasformata di Haar Codifica per sottobande Il numero totale di pixel nel caso di una
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
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
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
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
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
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
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
Dettaglie non ci possono chiaramente essere minori di ordine più grande per cui il rango per minori è 2. Rango per pivot: Svolgiamo la riduzione
18 ottobre 2011 1. Per le matrici seguenti calcolare il rango per minori, il rango per pivot, il rango per righe ed il rango per colonne. Verificare che si ottiene sempre lo stesso numero. Determinare
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)
DettagliForme bilineari simmetriche
Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
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,
DettagliTrasformata wavelet. 1 Introduzione. 2 Filtri wavelet di Daubechies
Trasformata wavelet Introduzione L pari della trasforamta di Fourier veloce (FFT), la trasformata wavelet discreta (DWT) è un operazione veloce e lineare che opera su un vettore di dati di lunghezza pari
DettagliMatematica Discreta I
Matematica Discreta I 5 Febbraio 8 TEMA A Esercizio Sia data la matrice A M (R) A = (i) Calcolare gli autovalori di A (ii) Determinare una base di R composta di autovettori di A (iii) Diagonalizzare la
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
Dettagli2. Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse, quando è possibile:
aa 5-6 Esercizi 5 Basi dimensione e coordinate Soluzioni Apostol: Sezione 5 Esercizi 6a 7 8 9 Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse quando è possibile: i
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
DettagliEsercizi 3, 1. Prof. Thomas Parisini. Esercizi 3, 3 Regola:
Esercizi 3, 1 Esercizi 3, 2 Esercizi Stabilità per sistemi a tempo continuo Analisi degli autovalori Analisi del polinomio caratteristico, criterio di Routh-Hurwitz Stabilità per sistemi a tempo continuo
DettagliStabilità per sistemi a tempo continuo
Esercizi 3, 1 Stabilità per sistemi a tempo continuo Analisi degli autovalori Analisi del polinomio caratteristico, criterio di Routh-Hurwitz Calcolo di Esercizi 3, 2 Esercizi Stabilità per sistemi a tempo
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
DettagliLA CODIFICA DELL INFORMAZIONE. Prof. Enrico Terrone A. S: 2014/15
LA CODIFICA DELL INFORMAZIONE Prof. Enrico Terrone A. S: 2014/15 Lo schema di Tanenbaum Il livello al quale ci interessiamo in questa lezione è il linguaggio macchina, l unico dove le informazioni e istruzioni
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliLA CODIFICA DELL INFORMAZIONE
LA CODIFICA DELL INFORMAZIONE Prof. Enrico Terrone A. S: 20/2 Lo schema di Tanenbaum Il livello al quale ci interessiamo in questa lezione è il linguaggio macchina, l unico dove le informazioni e istruzioni
DettagliGeometria A. Università degli Studi di Trento Corso di laurea in Matematica A.A. 2017/ Maggio 2018 Prova Intermedia
Geometria A Università degli Studi di Trento Corso di laurea in Matematica A.A. 7/8 Maggio 8 Prova Intermedia Il tempo per la prova è di ore. Durante la prova non è permesso l uso di appunti e libri. Esercizio
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
DettagliIsometrie e cambiamenti di riferimento
Isometrie e cambiamenti di riferimento Isometrie Le isometrie sono trasformazioni del piano o dello spazio che conservano angoli e distanze. Esempi sono le rotazioni del piano, le riflessioni in una retta
Dettagli0.1 Soluzioni esercitazione IV, del 28/10/2008
1 0.1 Soluzioni esercitazione IV, del 28/10/2008 Esercizio 0.1.1. Risolvere, usando il teorema di Cramer, i seguenti sistemi lineari 2x + y + z = 0 x + 3z = 1 x y z = 1 kx + y z = 1 x y + 2z = 1 2x + 2y
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
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dei numeri relativi
Codice BCD Prima di passare alla rappresentazione dei numeri relativi in binario vediamo un tipo di codifica che ha una certa rilevanza in alcune applicazioni: il codice BCD (Binary Coded Decimal). È un
DettagliParte 3, 1. Stabilità. Prof. Thomas Parisini. Fondamenti di Automatica
Parte 3, 1 Stabilità Parte 3, 2 Stabilità: - del movimento (vedere libro ma non compreso nel programma) - dell equilibrio - del sistema (solo sistemi lineari) Analizzeremo separatamente sistemi a tempo
DettagliStabilità: Stabilità. Stabilità: il caso dei sistemi dinamici a tempo continuo. Stabilità dell equilibrio
Parte 3, 1 Parte 3, 2 Stabilità: - del movimento (vedere libro ma non compreso nel programma) Stabilità - dell equilibrio - del sistema (solo sistemi lineari) Analizzeremo separatamente sistemi a tempo
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
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
DettagliLa codifica dei numeri
La codifica dei numeri La rappresentazione dei numeri con il sistema decimale può essere utilizzata come spunto per definire un metodo di codifica dei numeri all interno degli elaboratori: la sequenza
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni
DettagliAPPUNTI DI INFORMATICA
APPUNTI DI INFORMATICA Per il biennio di liceo scientifico scienze applicate Sommario Il calcolo binario... 2 Numerazione Decimale... 2 Numerazione Binaria... 2 Conversione Binario -> Decimale... 2 Conversione
Dettagli1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
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.
Dettaglia p a (p) (a + 1) p = i=0 sono noti come coefficienti binomiali 2 e sono numeri interi (a + 1) p a p + 1 (p) (a + 1) p a + 1 (p)
Appunti quarta settimana Iniziamo con un risultato molto importante che ha svariate conseguenze e che3 sarà dimostrato in modi diversi durante il corso: Esercizio 1.[Piccolo teorema di Fermat] Dimostrare
DettagliStabilità per i sistemi dinamici a tempo discreto
Parte 3, 1 Stabilità per i sistemi dinamici a tempo discreto Parte 3, 2 Stabilità: Le definizioni delle proprietà di stabilità per i sistemi dinamici a tempo discreto sono analoghe a quelle viste per i
DettagliLezione Risoluzione di sistemi
Lezione Risoluzione di sistemi Sia AX = B un sistema di equazioni lineari, con la sua matrice completa associate (A B) Per la Proposizione sappiamo di poter trasformare con operazioni elementari di riga
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2013/2014 M. Tumminello, V. Lacagnina e
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
Dettagli62 CAPITOLO 3. STATISTICA DESCRITTIVA
62 CAPITOLO 3. STATISTICA DESCRITTIVA Raccogliamo su una popolazione di n individui i dati relativi a m caratteri (variabili) e riportiamoli in una matrice, dove le righe (n) sono relative ad individui
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
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
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
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
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
DettagliCompito di MD A.A. 2013/14 4 Settembre 2014
Compito di MD A.A. 3/4 4 Settembre 4 IMPORTANTE: Non si possono consultare libri e appunti. Non si possono usare calcolatrici, computer o altri dispositivi elettronici. Non saranno valutate risposte prive
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,
DettagliCompito di MD 13 febbraio 2014
Compito di MD 13 febbraio 2014 IMPORTANTE: Non si possono consultare libri e appunti. Non si possono usare calcolatrici, computer o altri dispositivi elettronici. Non si può scrivere con il lapis. Motivare
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
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
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
DettagliTrasformazioni elementari di Givens (rotazioni elementari)
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
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.
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
Dettagli01CXGBN Trasmissione numerica
0CXGBN rasmissione numerica parte 3: Spazio dei segnali, rappresentazione vettoriale Lo spazio dei segnali Introduciamo una rappresentazione vettoriale dei segnali della costellazione M Serve a semplificare
Dettaglib = p + q l q Diciamo che p e la proiezione ortogonale di b su l, e che q e la proiezione ortogonale di b su l.
Matematica II, 4... rtogonalita nel piano. Fissato nel piano un punto, consideriamo il piano vettoriale P. Diamo per intuitivamente nota la nozione di ortogonalita fra due vettori non nulli. Per convenzione,
DettagliArgomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare
Argomenti trattati nella settimana 23-27 novembre 2009 Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare 1 Sistemi lineari; 2 applicazioni lineari; Sistemi lineari;
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
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:
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
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
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
DettagliMatematica per l Economia, a.a Integrazione al libro di testo
Matematica per l Economia, a.a. 2016 2017 Integrazione al libro di testo Gianluca Amato 20 dicembre 2016 1 Note ed errata corrige Sezione 2.3, definizione di dominio. La definizione di dominio data dal
DettagliENDOMORFISMI. NOTE DI ALGEBRA LINEARE
ENDOMORFISMI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 15 GENNAIO 2011 1. Endomorfismi e sottospazi invarianti Definizione 1.1. Sia V uno spazio vettoriale su K. Un endomorfismo di V è una qualsiasi
DettagliCAPITOLO 2. Divide et Impera
CAPITOLO 2 Divide et Impera In questo capitolo discuteremo alcuni algoritmi progettati mediante la tecnica di progettazione del Divide et Impera. Algoritmi progettati usando questa tecnica consistono di
Dettagli(1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare)
1 Spazi vettoriali (1) Per ciascuno dei seguenti spazi dire se è o meno uno spazio vettoriale (spiegare) (a) R 5 (b) [0, ) (c) x R 2 : x 1 + 2x 2 = 0} (d) x R 2 : x 2 1 + 2x 2 = 0} (e) x R 2 : x 1 > 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
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
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,
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei 15 gennaio 2009 1 Introduzione astratta Sia E uno spazio vettoriale dotato di un prodotto interno (, ) (talvolta un tale spazio è detto euclideo, cf. [7, p.148]),
DettagliLa codifica dei caratteri di un testo
La codifica dei caratteri di un testo L obiettivo è quello di comunicare con il calcolatore usando il nostro linguaggio. Dobbiamo rappresentare le lettere dell alfabeto L insieme di simboli comunemente
DettagliAnalisi del Segnale per le Telecomunicazioni Seconda esercitazione di laboratorio
Analisi del Segnale per le Telecomunicazioni Seconda esercitazione di laboratorio 24 aprile 2009 Indice 1 Descrizione breve 1 2 Compito dello studente 2 2.1 Interfaccia dicomprimi edecomprimi..............
DettagliDipendenza e indipendenza lineare
Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus
DettagliQuesta lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp
Lezione del 05.04 Questa lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp.83 86. Problema I. Dato un insieme di m vettori di uno spazio R n, determinare
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
DettagliModulo 2: RAPPRESENTAZIONE DEI DATI I sistemi di numerazione
LABORATORIO DI ABILITA INFORMATICA Modulo 2: RAPPRESENTAZIONE DEI DATI I sistemi di numerazione Ing. Maria Grazia Celentano 1 SISTEMI DI NUMERAZIONE SISTEMI DI NUMERAZIONE BIT 2/73 BIT In termini pratici
DettagliLa codifica dei numeri
La codifica dei numeri La rappresentazione dei numeri con il sistema decimale può essere utilizzata come spunto per definire un metodo di codifica dei numeri all interno degli elaboratori: la sequenza
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
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
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
DettagliCrittografia ed Aritmetica Modulare III incontro
Crittografia ed Aritmetica Modulare III incontro PLS - CAM Padova, 31 ottobre 2014 1 Fattorizzazione unica e Divisione intera Teorema 1.1 (FATTORIZZAZIONE UNICA). Ogni m Z, m 0, 1, 1, si scrive in modo
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni 2. MATRICI
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 2 MATRICI Siano m, n N \ {0}, sia K un campo Una matrice m n a coefficienti in K è una
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(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
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
DettagliCODICI CICLICI. TEORIA DEI CODICI CORSO DI GRAFI E COMBINATORIA A.A Prof.ssa Bambina Larato - Politecnico di Bari
CODICI CICLICI TEORIA DEI CODICI CORSO DI GRAFI E COMBINATORIA A.A. 2011-2012 Prof.ssa Bambina Larato - larato@poliba.it Politecnico di Bari CODICI CICLICI Qualche richiamo Sia F=GF(q) e sia F[x] l insieme
Dettagli