Ricostruzione di immagini con condizioni al contorno anti-riflettenti e metodi multigrid
|
|
- Daniella Costanzo
- 4 anni fa
- Visualizzazioni
Transcript
1 Ricostruzione di immagini con condizioni al contorno anti-riflettenti e metodi multigrid Marco Donatelli Ph.D. Thesis Image deconvolution and multigrid methods Dipartimento di Fisica e Matematica Università dell Insubria
2 Outline 1 Ricostruzione di immagini sfuocate Matrice associata alla PSF Regolarizzazione 2 Condizioni al contorno Anti-riflettenti Proprietà strutturali Re-blurring 3 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa 4 Lavoro futuro Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 2 / 42
3 Outline Ricostruzione di immagini sfuocate 1 Ricostruzione di immagini sfuocate Matrice associata alla PSF Regolarizzazione 2 Condizioni al contorno Anti-riflettenti Proprietà strutturali Re-blurring 3 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa 4 Lavoro futuro Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 3 / 42
4 Il problema modello Ricostruzione di immagini sfuocate L immagine ricostruita f è ottenuta risolvendo : g = vec(g) dove G è Af = g immagine osservata = immagine sfuocata + rumore A = matrice bilivello associata alla point spread function (PSF). La PSF è l osservazione di un singolo punto (e.g., una stella in astronomia) ed è assunta spazio invariante. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 4 / 42
5 Ricostruzione di immagini sfuocate Obiettivi della ricostruzione Requisiti Buona qualità dell immagine ricostruita Possibilità di ricondurre il calcolo a trasformate veloci stile FFT Come soddisfare i requisiti 1 Modellisticamente nella formalizzazione del problema 2 Computazionalmente nella definizione di metodi regolarizzanti Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 5 / 42
6 Ricostruzione di immagini sfuocate Condizioni al contorno classiche Matrice associata alla PSF Condizioni al contorno classiche sull immagine F di dimensione n n: zero-dirichlet (D-BCs) Periodic (P-BCs) Reflective (R-BCs) F BTTB F F F F F F F F F BCCB Il prodotto matrice vettore costa O(n 2 log(n)) ops, F rc F r F rc F c F F c F rc F r F rc F c, F r, F rc flip di colonne e/o righe di F Block T + H with T + H blocks (DCT-III bilivello) L inversione costa O(n 2 log(n)) ops solo per P-BCs e DCT-III. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 6 / 42
7 Proprietà della PSF Ricostruzione di immagini sfuocate Matrice associata alla PSF Gli autovalori di A(z) sono approssimativamente un campionamento uniforme della z. PSF Funzione generatrice z(x) Il sottospazio malcondizionato è principalmente costituito dalle medie/alte frequenze. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 7 / 42
8 Ricostruzione di immagini sfuocate Regolarizzazione alla Tikhonov Regolarizzazione Problema: valori singolari piccoli della A amplificano le corrispondenti componenti del rumore portando l immagine ricostruita ad essere molto diversa dall immagine originale regolarizzazione. Tikhonov: Si risolvere { } min Az g 2 z R N 2 + µ z 2 2, ovvero il sistema lineare (A T A + µi)f = A T g. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 8 / 42
9 Marco Ragioni Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 9 / 42 Ricostruzione di immagini sfuocate Metodi iterativi regolarizzanti Regolarizzazione Semiconvergenza: Alcuni metodi iterativi (Landweber, CG, CGNE...) hanno proprietà regolarizzanti: l errore di ricostruzione prima descresce e poi crescere. Esempio:
10 Outline Condizioni al contorno Anti-riflettenti 1 Ricostruzione di immagini sfuocate Matrice associata alla PSF Regolarizzazione 2 Condizioni al contorno Anti-riflettenti Proprietà strutturali Re-blurring 3 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa 4 Lavoro futuro Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 10 / 42
11 Condizioni al contorno Anti-riflettenti Definizione delle condizioni antiriflettenti In ogni direzione si opera un antiriflessione rispetto al bordo. In 1D l antiriflessione si ottiene mediante f 1 j = 2f 1 f j+1 f n+j = 2f n f n j Le R-BCs garantiscono la continuità al bordo mentre le condizioni al contorno antiriflettenti (AR-BCs) garantiscono la continuità anche della derivata normale. Proposta originale: S. Serra Capizzano, SIAM J. Sci. Comput., 25 4 (2004), pp Analisi 2D: M. Donatelli, C. Estatico, J. Nagy, L. Perrone, and S. Serra-Capizzano, SPIE s 48th Annual Meeting, 2003, San Diego, CA USA, F. Luk Ed, Vol pp Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 11 / 42
12 Condizioni al contorno Anti-riflettenti Proprietà strutturali (caso 1D) Proprietà strutturali PSF generica A = Toeplitz + Hankel + rango 2. Prodotto matrice-vettore in O(n log(n)) ops. PSF fortemente simmetrica Per S R (n 2) (n 2) diagonalizzabile mediante DST-I 1 A =. S. 1 Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 12 / 42
13 Condizioni al contorno Anti-riflettenti Algebra anti-riflettente 1D Proprietà strutturali S 1 = { M M = α 0 T 0 v ˆM w 0 0 T β Theorem Siano f,g R n, allora per M S 1 :, α, β R, v,w,0 R n 2, ˆM τ n 2 }. (i) ogni sistema lineare Mf = g può essere risolto in O(n log(n)) ops se M è invertibile; (ii) ogni prodotto matrice vettore g := Mf costa O(n log(n)) ops; (iii) S 1 è un algebra, i.e., è chiusa per combinazioni lineari, prodotti e inversione. Caso multidimensionale si generalizza mediante prodotto tensore. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 13 / 42
14 Risultati preliminari Condizioni al contorno Anti-riflettenti Re-blurring Nel caso senza rumore le AR-BCs permettono una ricostruzione qualitativamente superiore rispetto alle altre BCs. Nel caso in cui sia presente anche il rumore è necessaria la regolarizzazione. Ad esempio CG applicato alle equazioni normali A T Af = A T g o Tikhonov. In tal caso le AR-BCs risultano peggiori delle altre BCs (almeno delle R-BCs). Motivazione Per PSF fortemente simmetrica con le altre BCs A T = A mentre per le AR-BCs A T A e non è più un operatore di blur (filtro passa-basso). Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 14 / 42
15 Re-blurring Condizioni al contorno Anti-riflettenti Re-blurring Proposta: Sostituire A T con A ottenuta imponendo le condizioni al contorno alla PSF ruotata di 180. Con il re-blurring si risolve invece di A T Af = A T g. A Af = A g Osservazione: Il re-blurring sostituisce la transposizione con la correlazione Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 15 / 42
16 Condizioni al contorno Anti-riflettenti L origine del re-blurring Re-blurring Il modello continuo della sfuocatura g(x) = (Kf )(x) = k(x y)f (y)dy Equazioni normali 1 Discretizzazione ed imposizione delle condizioni al contorno 2 Ricerca di una soluzione ai minimi quadrati Re-blurring (1 2) 1 Ricerca di una soluzione ai minimi quadrati 2 Discretizzazione ed imposizione delle condizioni al contorno Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 16 / 42
17 Proprietà algebriche Condizioni al contorno Anti-riflettenti Re-blurring Per le AR-BCs e PSF fortemente simmetrica si superano i problemi computazionali grazie all algebra S d. Caso 1D e PSF generica con J matrice di flip. A = JAJ Per T Toeplitz vale T T = JTJ per D-BCs e P-BCs il re-blurring è identico alle equazioni normali. Per H Hankel in generale H T JHJ se la PSF non è almeno centro-simmetrica per le R-BCs il re-blurring è diverso dalle equazioni normali (per le AR-BCs sempre!). Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 17 / 42
18 Condizioni al contorno Anti-riflettenti Re-blurring R-BCs: re-blurring vs. equazioni normali True signal Blurred signal Segnale originale Segnale osservato Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 18 / 42
19 Condizioni al contorno Anti-riflettenti Re-blurring R-BCs: re-blurring vs. equazioni normali Errore di ricostruzione relativo con R-BCs Normal Equations Re-blurring SNR CG Tikhonov CG Tikhonov (0% noise) Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 19 / 42
20 Condizioni al contorno Anti-riflettenti con re-blurring Si è esteso un toolbox (RestoreTools) per Matlab sviluppato da J. Nagy et al. aggiungendo le AR-BCs. PSFs Gaussian (I) Experimental (II) Strongly nonsymm. (III) Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 20 / 42
21 Immagini originali Condizioni al contorno Anti-riflettenti Boat Brain Saturn Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 21 / 42
22 Condizioni al contorno Anti-riflettenti Boat e PSF (I): immagini ricostruite con SNR = 40. Observed P BCs R BCs AR BCs Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 22 / 42
23 Condizioni al contorno Anti-riflettenti Brain e PSF (II): immagini ricostruite con SNR = 40. Observed P BCs R BCs AR BCs Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 23 / 42
24 Condizioni al contorno Anti-riflettenti Saturn e PSF (III): immagini ricostruite con SNR = 40. Observed P BCs R BCs AR BCs Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 24 / 42
25 Condizioni al contorno Anti-riflettenti Experimental PSF (II): CG errore di ricostruzione ottimo. Boat Saturn SNR P-BCs R-BCs AR-BCs P-BCs R-BCs AR-BCs Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 25 / 42
26 Condizioni al contorno Anti-riflettenti Errore di ricostruzione per le prime 200 iterazioni di CG per l immagine Boat e PSF (I) P BCs R BCs AR BCs P BCs R BCs AR BCs SNR= SNR= 50 Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 26 / 42
27 Bibliografia Condizioni al contorno Anti-riflettenti Proposta re-blurring 1D (PSF simmetrica): M. Donatelli and S. Serra Capizzano, Anti-reflective boundary conditions and re-blurring, Inverse Problems, 21 (2005) pp Analisi ed estensione nonsimmetrica e multidimensionale: M. Donatelli, C. Estatico, and S. Serra-Capizzano, Improved image deblurring with anti-reflective boundary conditions and re-blurring, submitted. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 27 / 42
28 Outline Regolarizzazione Multigrid 1 Ricostruzione di immagini sfuocate Matrice associata alla PSF Regolarizzazione 2 Condizioni al contorno Anti-riflettenti Proprietà strutturali Re-blurring 3 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa 4 Lavoro futuro Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 28 / 42
29 Multigrid Regolarizzazione Multigrid Idea Multigrid Proiettare il sistema lineare in un sottospazio, risolvere il sistema risultante in tale sottospazio ed interpolare la soluzione al fine di migliorare l approssimazione precedente. Componenti del Multigrid Il Multigrid combina due metodi iterativi: Smoother: un metodo iterativo classio, Coarse Grid Correction: proiezione, risoluzione del problema ristretto, interpolazione. Ai livelli inferiori si lavora sull equazione dell errore! Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 29 / 42
30 Regolarizzazione Multigrid Multigrid per matrici strutturate Preservare la struttura Per applicare ricorsivamente il MGM è necessario preservare la stessa struttura ad ogni livello (Toeplitz,...). Per ogni struttura derivante dalle BCs proposte esistono proiettori in grado di preservare la struttura. P i = K Ni A Ni (p): K Ni R N i 4 N i è la matrice di taglio che preserva la struttura al livello inferiore. p(x, y) è la funzione generatrice del proiettore che seleziona il sottospazio dove proiettare il sistema lineare. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 30 / 42
31 Regolarizzazione Multigrid Regolarizzazione Multigrid Nella ricostruzione di immagini sfuocate il sottospazio malcondizionato è generato dalle alte frequenze, mentre il sottospazio bencondizionato è generato dalle basse frequenze. Per ottenere un risolutore veloce il multigrid algebrico proietta nelle alte frequenze dove vive il rumore = esplosione dell errore alle prime iterazioni (richiede regolarizzazione alla Tikhonov [Donatelli, NLAA, 12 (2005), pp ]). Filtro passa-basso proietta nel sottospazio bencondizionato (basse frequenze) = converge lentamente ma può essere un buon metodo iterativo regolarizzante [Donatelli & Serra-Capizzano SISC 27 6 (2006) pp ]. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 31 / 42
32 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa Regolarizzazione Multigrid iterativa Il Multigrid come metodo iterativo regolarizzante Se abbiamo un metodo iterativo regolarizzante possiamo migliorare le sue proprietà di regolarizzazione e/o accelerare la sua convergenza utilizzandolo come smoother in un algoritmo Multigrid. Regolarizzazione Le proprietà regolarizzanti dello smoother sono preservate perchè viene combinato con un filtro passa-basso. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 32 / 42
33 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa Regolarizzazione Two-Level (TL) Idea: proiettare nelle basse frequenze e poi applicare un metodo iterativo regolarizzante. TL come specializzazione del TGM Smoother: metodo iterativo regolarizzante Proiettore: filtro passa-basso Algoritmo TL 1 No smoothing al livello superiore. 2 Al livello inferiore un passo di smoother invece di risolvere direttamente il sistema lineare. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 33 / 42
34 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa Regolarizzazione Multigrid (applica ricorsivamente il TL) V-cycle Utilizzando un numero maggiore di chiamate ricorsive (e.g. W-cycle), l algoritmo lavora maggiormente nel sottospazio bencondizionato, ma è più difficile un criterio di stop anticipato. Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 34 / 42
35 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa Costo computazionale Ipotesi: immagini n n e PSFs m m con m n. Sia S(n) il costo computazionale di una iterazione di smoother. Il costo computazionale di una iterazione del nostro multigrid regolarizzante (γ = n. chiamate ricorsive) è 1 3 S(n), γ = 1 C(γ,n) S(n), γ = 2 3S(n), γ = 3 Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 35 / 42
36 Saturno Regolarizzazione Multigrid BCs Periodiche con bordo nero (esatte) PSF gaussiana + SNR = 20 Vincolo di nonnegatività Immagine originale PSF Sfuocata + SNR = 20 Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 36 / 42
37 Errore Minimo Regolarizzazione Multigrid e j = errore di ricostruzione alla j-esima iterazione. Metodo min j) j=1,... argmin j) j=1,... CG Rich MGM(Rich +,1) MGM(Rich +,2) RichNE CGNE MGM(CGNE +,2) Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 37 / 42
38 Immagini Ricostruite Regolarizzazione Multigrid Rich + (9 iter.). MGM(Rich +,2) + (12 iter.) CGNE + (885 iter.). Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 38 / 42
39 Immagini Ricostruite Regolarizzazione Multigrid MGM(CGNE +,2) + (109 iter.) MGM(Rich +,2) + (12 iter.) CGNE + (885 iter.). Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 39 / 42
40 Numerical results Regolarizzazione Multigrid P-BCs Gaussian PSF (A spd) noise = 1% True image Inner part Observed image Restored with MGM Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 40 / 42
41 Regolarizzazione Multigrid Restoration error: noise = 1% Restoration error vs. iteration number CG Richardson TL(CG) TL(Richardson) MGM(Ric,1) MGM(Ric,2) Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 41 / 42
42 Outline Lavoro futuro 1 Ricostruzione di immagini sfuocate Matrice associata alla PSF Regolarizzazione 2 Condizioni al contorno Anti-riflettenti Proprietà strutturali Re-blurring 3 Regolarizzazione Multigrid Regolarizzazione Multigrid iterativa 4 Lavoro futuro Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 42 / 42
43 Lavoro futuro Lavoro futuro Modellistico Analisi teorica della strategia di re-blurring. In generale (per riflettenti o anti-riflettenti) A A non è sempre s.p.d. ma il CG non ha break-down (almeno in tutti i nostri test). Calcolo della decomposizione spettrale per le AR-BCs e sue applicazioni. Regolarizzazione multigrid Analisi teorica delle proprietà regolarizzanti del multigrid regolarizzante proposto. Combinazione del multigrid regolarizzante con tecniche di edge enhancing (e.g. wavelets). Marco Donatelli (Università dell Insubria) Ricostruzione di immagini sfuocate 43 / 42
Marco Donatelli. 14 Febbraio 2004
Proprietà regolarizzanti dei metodi Multigrid Marco Donatelli Dipartimento di Fisica e Matematica Università dell Insubria www.mat.unimi.it/user/donatel 14 Febbraio 2004 Outline 1 Ricostruzione di immagini
L algebra Antiriflettente con applicazioni alla ricostruzione di immagini
L algebra Antiriflettente con applicazioni alla ricostruzione di immagini M. Donatelli e S. Serra Capizzano Collaboratori: A. Aricò, C. Estatico, A. Martinelli, and J. Nagy http://scienze-como.uninsubria.it/mdonatelli/
Regolarizzazione multigrid per la ricostruzione di immagini. Marco Donatelli Stefano Serra Capizzano
Regolarizzazione multigrid per la ricostruzione di immagini Marco Donatelli Stefano Serra Capizzano (marco.donatelli@uninsubria.it) Università dell Insubria, Dip. Fisica e Matematica - Sede di Como Via
Operatori di aggregazione per metodi multigrid
Operatori di aggregazione per metodi multigrid Marco Donatelli Dipartimento di Fisica e Matematica Università dell Insubria - Como Collaboratori: M. Bolten, T. Huckle Congresso UMI 2011 Bologna 12 16 Settembre,
Curriculum vitae et studiorum
Curriculum vitae et studiorum Marco Donatelli Dipartimento Fisica e Matematica Università dell Insubria - Sede di Como Via Valleggio 11, 22100 Como, Italy tel.: +39 031 238 6378, fax.: +39 031 238 6209
Cenni 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
Metodi di Newton proiettato nella ricostruzione di immagini
Metodi di Newton proiettato nella ricostruzione di immagini Anastasia Cornelio 26 ottobre 2009 In questo lavoro si analizza il metodo di Newton proiettato proposto da Bertsekas per problemi di ottimizzazione
1. 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:
Laboratorio di Metodi Numerici per le Equazioni Differenziali
Laboratorio di Metodi Numerici per le Equazioni Differenziali Dott. Marco Caliari a.a. 2007/08 Capitolo 1 Metodi semiiterativi per sistemi lineari 1.1 Metodi iterativi I metodi iterativi per la soluzione
Metodi di Ricerca Lineare
Metodi di Ricerca Lineare Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Metodi di Ottimizzazione
Analisi della perturbazione dello spettro di una matrice tridiagonale di Toeplitz e Applicazioni
Analisi della perturbazione dello spettro di una matrice tridiagonale di Toeplitz e Applicazioni S. Noschese Due Giorni di Algebra Lineare Numerica 16-17 Febbraio 2012, Genova. Matrici Tridiagonali di
Autovalori 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
4.4 Programmazione quadratica
4.4 Programmazione quadratica Minimizzare una funzione quadratica soggetta a vincoli lineari: min 1 2 xt Qx + c t x s.v. a t i x b i i D (P) a t i x = b i i U x R n dove Q matrice n n, D e U sono gli insiemi
Compito numero 2 - Compito intero
Esercitazione 6 - Correzione esame dell 8//3 Lucia Pilleri 9//3 Compito numero - Compito intero Esercizio del parziale - del compito intero Risolvere, mediante la fattorizzazione P A = LU, il sistema lineare
Metodi 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.
1. Mercoledì 1/10/2014, 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. 2014/2015 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 16 dicembre 2014 1. Mercoledì 1/10/2014, 15 17. ore:
Registro 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:
Equazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
Trasformata 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
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
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
1. 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,
Metodi Multigrid per Sistemi Lineari Strutturati e Applicazioni
Università degli Studi di Firenze Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Tesi di Laurea Metodi Multigrid per Sistemi Lineari Strutturati e Applicazioni Relatore:
Equazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
Autovalori 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
1. 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:
Registro 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:
1. Martedì 29/09/2015, 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. 2015/2016 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2015 1. Martedì 29/09/2015, 12 14. ore:
5.5 Programmazione quadratica (PQ)
5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli
Algoritmi del gradiente e del gradiente coniugato per la risoluzione di sistemi lineari
Sommario Algoritmi del gradiente e del gradiente coniugato per la risoluzione di sistemi lineari Gabriele Basile Fabio Chiodo Dipartimento di Matematica e Informatica Università di Catania Seminario di
A. Quarteroni, R. Sacco, F. Saleri, Matematica Numerica 3a Edizione. Springer, Milano Errata Corrige 16 aprile 2013
A. Quarteroni, R. Sacco, F. Saleri, Matematica umerica 3a Edizione. Springer, Milano 2008 1 Errata Corrige 16 aprile 2013 pag. 29: suggerimento per lo svolgimento dell Es. 4. Osservare che I + B = 2I (I
Metodo 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
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare
Metodi 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
Problema. 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
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo. Universitá del Salento, 9 Aprile 2013
Prova di ammissione al Dottorato di Ricerca in Matematica XXVIII ciclo Universitá del Salento, 9 Aprile 2013 1 1 TEMA I Il candidato svolga una ed una sola delle dissertazioni proposte, illustrando sinteticamente
3.7 Metodi quasi-newton
3.7 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f si estraggono informazioni relative alle derivate seconde dalle variazioni di f. Si genera
4.8 Metodi quasi-newton
4.8 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f (x) si estraggono informazioni relative alle derivate seconde dalle variazioni di f (x).
PROGRAMMA 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.
Algebra 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.
Frame. Frame. Otteniamo il concetto di frame a partire da quello di base di Riesz facendo cadere l ipotesi di indipendenza lineare
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
Metodi di regolarizzazione in spazi di Banach e applicazioni alla ricostruzione di immagini
Metodi di regolarizzazione in spazi di Banach e applicazioni alla ricostruzione di immagini Corso di Metodi Numerici in Informatica Emanuele Frandi In collaborazione con Claudio Estatico Università degli
Risoluzione 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
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
Image Processing 2. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
http://imagelab.ing.unimo.it Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing 2 Prof. Roberto Vezzani Relazioni tra pixel Esistono delle relazioni di base tra pixel in un
Sistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
Corso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 1 - INTRODUZIONE Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole, 9th
Metodi di Regolarizzazione per problemi discreti mal posti derivanti da equazioni integrali di Fredholm di prima specie
Metodi di Regolarizzazione per problemi discreti mal posti derivanti da equazioni integrali di Fredholm di prima specie p. 1/2 Metodi di Regolarizzazione per problemi discreti mal posti derivanti da equazioni
Corso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 1 - INTRODUZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden,
Daniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Problemi non lineari Definizione f : R R F : R n R m f (x) = 0 F(x) = 0 In generale si determina
Autovalori 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
PROGRAMMA 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.
Esercitazione 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.
LEZIONE ICO
LEZIONE ICO 9-10-2009 Argomento. Rassegna dei metodi numerici utilizzabili per la soluzione di problemi di ottimizzazione statica. Metodi del gradiente e di Newton e loro derivati. Metodi di penalita e
Calcolo Numerico (CdS in Matematica) A.A. 2012/13
Calcolo Numerico (CdS in Matematica) A.A. 2012/13 Esercitazione di Laboratorio sulla risoluzione di sistemi di equazioni lineari Parte 1. Fattorizzazione di matrici Scrivere una funzione Matlab che implementi
1. 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,
MATRICI 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
Progr. Non Lineare: algoritmi
Progr. Non Lineare: algoritmi Fabio Schoen schoen@ing.unifi.it http://globopt.dsi.unifi.it/users/schoen A.A. 22-23 Programmazione Non Lineare: Cenni sugli algoritmi di ottimizzazione locale Schema generale
METODI NUMERICI PER LA RISOLUZIONE DI PROBLEMI DI BLIND DECONVOLUTION IN IMMAGINI ASTRONOMICHE
Alma Mater Studiorum Università di Bologna FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea Specialistica in Matematica METODI NUMERICI PER LA RISOLUZIONE DI PROBLEMI DI BLIND DECONVOLUTION
Corso 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
Indice. Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini
Indice Cap. 1 Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini 1.1 Introduzione pag. 1 1.2 Il processo di misura e il livello dei modelli 9 1.3 Segnali deterministici
Richiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
8 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,
Daniela 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
Errata corrige. p. 10 riga 5 del secondo paragrafo: misurare
Errata corrige p. 9 esercizio 5. Modificare testo dell esercizio come segue: Dati una retta r e un punto P, esistono infiniti piani per P paralleli a r: si tratta dei piani che contengono la retta s per
Fondamenti 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.
0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2014/15 Algebra Lineare ed Elementi di Geometria (Programma aggiornato in data 26 novembre 2014) 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
CORSO DI LAUREA IN INGEGNERIA MECCANICA A.A PROVA SCRITTA DI GEOMETRIA DEL Compito A Corso del Prof.
CORSO DI LAUREA IN INGEGNERIA MECCANICA A.A. 202-203 PROVA SCRITTA DI GEOMETRIA DEL 8-02-3 Compito A Corso del Prof. Manlio BORDONI Esercizio. Sia W il sottospazio vettoriale di R 4 generato dai vettori
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 DOCENTE: MATTEO LONGO Rispondere alle domande di Teoria in modo esauriente e completo. Svolgere il maggior numero di esercizi
Claudio Estatico Equazioni non-lineari
Claudio Estatico (claudio.estatico@uninsubria.it) Equazioni non-lineari 1 Equazioni non-lineari 1) Equazioni non-lineari e metodi iterativi. 2) Metodo di bisezione, metodo regula-falsi. 3) Metodo di Newton.
Esame di Calcolo Numerico per Informatica A.A. 2010/11: testo soluzioni Proff. S. De Marchi e M. R. Russo 12 luglio 2011
Esame di Calcolo Numerico per Informatica A.A. 200/: testo soluzioni Proff. S. De Marchi e M. R. Russo 2 luglio 20 L esame consiste di 4 domande aperte e 0 esercizi a risposta multipla. Per gli esercizi
Anno Accademico Metodi iterativi per la risoluzione di sistemi lineari e non-lineari Numerical linear algebra: tools and methods
Anno Accademico 26-27 Metodi iterativi per la risoluzione di sistemi lineari e non-lineari Numerical linear algebra: tools and methods S. D ALESIO, A. MEDDA, C. PANI Docenti: Prof. C. Brezisnki, Prof.
Analisi 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
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - CCS Edile ed Edile/Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - CCS Edile ed Edile/Architettura IV Appello del corso di Geometria Docente F. Flamini, Roma, /9/ NORME SVOLGIMENTO Scrivere negli appositi
COGNOME e NOME... N. MATRICOLA...
Prova d esame di Fondamenti di algebra lineare e geometria (mat.disp.) Laurea Triennale in Ingegneria dell energia 03/07/2017 COGNOME e NOME... N. MATRICOLA... Quesiti preliminari di teoria Sono ammessi
Corso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Domande-tipo di teoria sulla seconda metà del corso
Corso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Domande-tipo di teoria sulla seconda metà del corso Marco Bramanti Politecnico di Milano January 23, 2017 Parte 3. Teoria della misura e dell
Algebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d
Algebra lineare 1. Riconoscere se il seguente insieme costituisce uno spazio vettoriale. In caso affermativo trovarne la dimensione e una base. (R n [x] denota lo spazio dei polinomi nell indeterminata
CALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni
CALCOLO NUMERICO Laurea di base in Ingegneria Elettronica, delle Comunicazioni Prof.ssa Laura Pezza (A.A. 2017-2018) V Lezione del 15.03.2018 http://www.dmmm.uniroma1.it/ laura.pezza 1 Metodo di Newton:
Metodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel
Metodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 15 aprile 2013 Alvise Sommariva
0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
Equazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 4 novembre 2007 Outline 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
1. Calcolo dell indice di condizionamento di una matrice
1 Esercizi sul condizionamento con matlab laboratorio di Calcolo Scientifico per Geofisici Prof. A. Murli a.a. 2006/07 1. Calcolo dell indice di condizionamento di una matrice Determinare una function
Elaborazione delle immagini
Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L =
CORSO 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
Esercizio 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
Autovalori e autovettori
Capitolo 3 Autovalori e autovettori 3. Richiami di teoria Prerequisiti: nozioni elementari di algebra lineare, numeri complessi. Sia A R n n. Un numero λ per cui esiste un vettore x 0 tale che valga la
Problema. Equazioni non lineari. Metodo grafico. Teorema. Cercare la soluzione di
Problema Cercare la soluzione di Equazioni non lineari dove Se è soluzione dell equazione, cioè allora si dice RADICE o ZERO della funzione Metodo grafico Graficamente si tratta di individuare l intersezione
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 17 SETTEMBRE 2012
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 7 SETTEMBRE 202 Esercizio. Sia V = R[X] 2 lo spazio vettoriale dei polinomi ax 2 + bx + c nella variabile X di grado al più 2 a coefficienti
Approssimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
Corso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso
Corso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso Marco Bramanti Politecnico di Milano December 20, 2017 Parte 3. Teoria della misura e dell
ESERCIZI 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)
4. Sottospazi vettoriali Piani e rette in E 3 O
Indice Prefazione i Capitolo 0. Preliminari 1 1. Insiemistica e logica 1 1.1. Insiemi 1 1.2. Insiemi numerici 2 1.3. Logica matematica elementare 5 1.4. Ancora sugli insiemi 7 1.5. Funzioni 10 1.6. Composizione
0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2012/13 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi 1.2
Facoltà 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
Richiami 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
Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese
Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent Systems (AIS-Lab) Dipartimento di Informatica borghese@di.unimi.it
Calcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 16 gennaio 2013
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 6 gennaio 3 Sia M = F (, 4). Calcolare: rd( 7 6 ). Sia A = Determinare una fattorizzazione LR di A ed utilizzarla per calcolare A.
Approssimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi