Metodi diretti per la soluzione di sistemi lineari
|
|
- Marianna Capasso
- 8 anni fa
- Visualizzazioni
Transcript
1 Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x a 1n x n = b 1, a 21 x 1 + a 22 x 2 + a 23 x a 2n x n = b 2, a n1 x 1 + a n2 x 2 + a n3 x a nn x n = b n, (1) con x i incognite del sistema, a ij coefficienti del sistema, b i termini noti Utilizzando la notazione matriciale il sistem si scrive come Ax = b Sappiamo che il sistema ammette una ed una sola soluzione se e solo se la matrice dei coefficienti (A) ha determinante diverso da zero (è non singolare) La soluzione x del problema puo essere calcolata utilizzando la Regola di Cramer, che permette di determinare le componenti del vettore x mediante la seguente formula: x i = det A i det A i = 1,, n, (2) essendo A i è la matrice ottenuta da A sostituendo la sua i-esima colonna con il termine noto b Dalla (2) è evidente che per ottenere una componente della soluzione è necessario il calcolo di n + 1 determinanti di ordine n Si può facilmente dedurre che il numero di operazioni necessarie per il calcolo del determinate di una matrice di ordine n è circa n!, quindi questa strada non permette di poter determinare velocemente la soluzione del nostro sistema 1
2 11 Sistemi triangolari Prima di affrontare la soluzione algoritmica di un sistema lineare vediamo qualche particolare sistema che può essere agevolmente risolto Consideriamo un sistema con matrice dei coefficienti triangolare superiore: a 11 x 1 +a 12 x 2 +a 1i x i +a 1n x n = b 1 a 22 x 2 +a 2i x i +a 2n x n = b 2 a ii x i +a in x n = b i a nn x n = b n con a ii 0 per ogni i In questo caso la soluzione x è immediatamente calcolabile Infatti: x n = b n a nn n (4) b i a ij x j j=i+1 x i = i = n 1,, 1 a ii Il metodo (4) prende il nome di metodo di sostituzione all indietro, poichè il vettore x viene calcolato partendo dall ultima componente Consideriamo ora un sistema triangolare inferiore: a 11 x 1 = b 1 a 21 x 1 +a 22 x 2 = b 2 a i1 x 1 +a i2 x 2 +a ii x i = b i a n1 x 1 +a n2 x 2 +a ni x i +a nn x n = b n In questo la soluzione viene calcolata con il metodo di sostituzione in avanti: x 1 = b 1 a 11 i 1 (6) b i a ij x j j=1 x i = i = 2,, n 1 a ii (3) (5) 2
3 12 Aspetti implementativi del metodo delle sostituzioni Osserviamo che l i-simo passo dell algoritmo di sostituzione in avanti (6) richiede il calcolo del prodotto scalare fra il vettore riga A(i, 1 : i 1) ed il vettore colonna x(1 : i 1) (si noti che è stata utilizzata la notazione Matlab) L accesso alla matrice A è fatto dunque per righe e per questomotivo l algoritmo di sostituzione in avanti viene chiamato orientato per righe La sua codifica in linguaggio Matlab è di seguito descritta: % Codifica Matlab: Dati di input A, b, dati di output x function [x]=forwardrow(a,b) % aggiungere controllo sulle dimensioni della matrice A % aggiungere controllo sulle dimensioni del vettore b n=size(b,1) x(1)=b(1)/a(1,1) for i=2:n end x=x x(i)=1/a(i,i)*( b(i)-a(i,1:i-1)*(x(1:i-1) ) ) Il numero delle moltiplicazioni e divisioni necessarie per eseguire l algoritmo è n(n + 1)/2, mentre il numero di addizioni e sottrazioni è n(n 1)/2: quindi il costo totale in termini di flops (floating point operations) è n 2 flops Analogamente si puo ricavare il costo computazionale dell algoritmo all indietro, la cui codifica Matlab è la seguente: % Codifica Matlab: Dati di input A, b, dati di output b % in questo caso la soluzione è sovrascritta al vettore b function [b]=backwordrow(a,b) % aggiungere controllo sulle dimensioni della matrice A % aggiungere controllo sulle dimensioni del vettore b n=size(b,1) for j=n:-1:2 b(j)=b(j)/a(j,j) b(1:j-1)=b(1:j-1)-b(j)*a(1:j-1,j) 3
4 end b(1)=b(1)/a(1,1) Si osservi che in codici che devono risolvere sistemi triangolari di grandi dimensioni si avrà un risparmio di memoria memorizzando solo la porzione triangolare salla matrice dei coefficienti 2 Metodo di Eliminazione di Gauss Il metodo di eliminazione di Gauss ci permette di calcolare la soluzione del sistema Ax = b trasformando il sistema asseganto in uno equivalente, ma più semplice DEF: Due sistemi si dicono equavalenti quando ammettono lo stesso insieme di soluzioni, nel nostro caso quando hanno la stessa soluzione Il processo di eliminazione di Gauss si basa su tre semplici operazioni che trasformano il sistema in uno equivalente Per descrivere queste operazioni indichiamo con E k la k-ima equazione: E k : a k1 x 1 + a k2 x 2 + a k3 x a kn x n = b k, Utilizzando la precedente notazione, il sistem si può scrivere nel seguente modo: E 1 E 2 S = E n Il sistema S può essere trasformato in un sistema equivalente S mediante le seguenti operazioni elementari: 1 scambianto la i-sima equazione con la j-sima; 2 sostituendo all i-sima equazione un suo multiplo (moltiplicato per uno scalare diverso da zero); 3 sostituendo alle j-sima equazione, una combinazione lineare di se stessa con la i-sima equazione 4
5 Ricordando l esempio numerico svolto a lezione andiamo a scrivere le equazioni che permettono di aggiornare la matrice dei coefficienti del nostro sistema e che costituiscono il metodo di eleminazione di Gauss Poichè il metodo prevede un certo numero di passi successivi (n 1) indichiamo con ij,b(1) i, gli elementi della matrice dei coefficienti e del vettore dei termini noti al primo passo Cioè riscriviamo il sistema del seguente modo: 11 x x x n x n = b (1) 1, 21 x x x n x n = b (1) 2, (7) n1 x 1 + n2 x 2 + n3 x nnx n = b (1) n Dobbiamo trasformare il sistema in uno equivalente triangolare superiore azzerando gli elementi delle colonne Passo 1 Supponiamo che l elemento pivotale al primo passo sia diverso da zero, cioè che risulti 11 0 Introduciamo i seguenti moltiplicatori: m i1 = a(1) i1 11, i = 2,, n Per eliminare l incognita x 1 da tutte le righe successive alla prima, sottraiamo alla generica i-sima equazione la prima equazione moltiplicata per m i1 (utilizziamo l operazione elementare: E i m i1 E 1 ) Operando in questo modo, otterremo un nuovo sistema equivalente, avente la seguente forma: 11 x x x n x n = b (1) 1, a (2) 22 x 2 + a (2) 23 x a (2) 2n x n = b (2) 2, (8) a (2) n2 x 2 + a (2) n3 x a (2) nnx n = b (2) n, in cui i coefficienti della matrice e i termini noti sono dati dalle seguenti formule: a (2) ij = ij m i1 1j i, j = 2,, n, b (2) i = b (1) i m i1 b (1) 1, i = 2,, n 5
6 Proseguendo in modo analogo possiamo trasformare il sistema in modo da eliminare la variabile x 2,x 3, ecc Passo k Supponiamo di aver effettuato k passi (quindi supponiamo che tutti gli elementi pivotali a (j) ii per j = 1,, k 1 siano diversi da zero) Il sistema si presenterà nella forma: 11 x x x k x k + 1n x n = b (1) 1, a (2) 22 x 2+ a (2) 23 x 3 + +a (2) 2k x k +a (2) 2n x n = b (2) 2, a (3) 33 x 3 + +a (3) 3k x k +a (3) 3n x n = b (3) 3, +a (k) kk x k +a (k) k,k+1 x k+1 +a (k) kn x n = b (k) k, +a (k) k+1k x k +a (k) k+1,k+1 x k+1 +a (k) k+1n x n = b (k) k+1, +a (k) nk x k +a (k) n,k+1 x k+1 +a (k) n,nx n = b (k) n, Le formule che ci permettono di trasformare il sistema dal passo k al passo k + 1 (cioè di eliminare la variabile x k dalla k + 1-sima equazione in poi sono le seguenti: se a (k) kk 0, consideriamo i moltiplicatori m ik = a(k) ik a (k) kk, i = k + 1,, n e aggiorniamo gli elementi della matrice dei coefficienti ed i termini noti come segue: a (k+1) ij b (k+1) i = a (k) ij = b (k) i m ik a (k) kj i, j = k + 1,, n, m ik b (k) k, i = k + 1,, n Alla fine del processo (dopo n 1 passi) otteniamo un sistema triangolare 6
7 superiore equivalente a quello di partenza: n 0 a (2) 22 a (2) 2n 0 0 a (n 1) n 1 n 1 a (n 1) n 1 n a (n) nn x 1 x 2 x n 1 x n = b (1) 1 b (2) 2 b (n 1) n 1 b (n) n la cui soluzione, come abbiamo visto, si ottiene facilmente con il metodo di sostituzione all indietro DEF: Gli elementi a (k) kk eleminazione di Gauss si dicono elementi pivotati del metodo di Nell eseguire il metodo di Gauss abbiamo ipotizzato che gli elementi pivotali a (k) kk siano non nulli per ogni k = 1, 2,, n 1 Questa ipotesi non è limitante in quanto la non singolarità della matrice A permette, con un opportuno scambio di righe in A (k), di ricondursi a questo caso Osserviamo che scambiare due righe in A (k) significa sostanzialmente scambiare due equazioni nel sistema A (k) x = b (k) e ciò non altera la natura del sistema stesso (lo scambio di due righe in un sistema lineare è una operazione elementare che non modifica la soluzione del sistema stesso) Proprietà Se la matrice A dei coefficienti del sistema lineare è non singolare (det(a) 0) e se per un certo k l elemento pivotale a (k) kk = 0 allora esiste i {k + 1, k + 2,, n} tale che a (k) ik 0 (cioè esiste un elemento nella k-esima colonna diverso da zero) Dimostrazione: Consideriamo la matrice A (k) e supponiamo a (k) kk = 0 Supponiamo per assurdo che a (k) ik = 0 per ogni i = k + 1,, n, allora A(k) avrebbe la seguente struttura: 11 1,k 1 1k 1,k+1 1n A (k) a (k 1) k 1,k 1 a (k 1) k 1,k a (k 1) k 1,k+1 a (k 1) k 1,n = 0 a (k) k,k+1 a (k) kn 0 0 a (k) n,k+1 a (k) nn 7
8 Partizioniamo A (k) nel seguente modo ( A (k) Tk 1 = 0 ˆTn k+1 ) Allora det(a (k) ) = det(t k 1 ) det( ˆT n k+1 ) = det(t k 1 ) 0 = 0 Conseguentemente dovrebbe essere anche det(a) = 0 e questo contrasta con l ipotesi fatta Quindi possiamo concludere che se a (k) kk = 0 e det A 0 deve necessariamente esistere un elemento a (k) ik 0, con i {k + 1, k + 2,, n} 21 Strategie di Pivoting nel metodo di eliminazione di Gauss Le strategie di pivoting nel metodo di Gauss hanno principalmente lo scopo di evitare gli elementi pivotali nulli Infatti al k-esimo passo la matrice A (k) si presenta nella forma: 11 1,k 1 a (k 1) k 1,k 1 1k 1n a (k 1) k 1,k a (k 1) k 1,n 0 a (k) kk a (k) kn 0 a (k) nk a (k) nn Il passo successivo consiste nell azzerare gli elementi al di sotto dell elemento a (k) kk situati nella k-esima colonna La strategia di Pivoting parziale prevede che prima di azzerare gli elementi al di sotto dell ele- mento a (k) kk, si ricerchi l elemento di massimo modulo tra gli elementi a (k) kk, a(k) k+1,k,, a(k) nk e si scambi la riga in cui si trova questo elemento con la k-esima qualora esso sia diverso da a (k) kk In altri termini il pivoting parziale richiede le seguenti operazioni: 1 determinare l elemento a (k) rk tale che a (k) rk = max k i n a(k) ik ; 8
9 2 effettuare lo scambio tra la r-esima e la k-esima riga In alternativa alla strategia di pivoting parziale si può effettuare la strategia di Pivoting totale che costa un po di più ma che rende più stabile il metodo di Gauss La strategia di pivoting totale è la seguente: 1 determinare gli indici r, s tali che a (k) rs = max k i,j n a(k) ij ; 2 effettuare lo scambio tra la r-esima e la k-esima riga e tra la s-esima e la k-esima colonna 22 Classi di matrici che non necessitano di Pivoting Tra le classi di matrici che non hanno bisogno di alcuna strategia di pivoting è opportuno citare le matrici a predominanza per colonne e le matrici simmetriche e definite positive DEF: Una matrice A di ordine n si dice a predominanza diagonale per colonne se: n a ii a ij, i = 1, 2,, n j=1,j i Infatti è possibile dimostrare che la predominanza diagonale è invariante sotto trasformazioni elementari di Gauss, cioè le sottomatrici trasformate ad ogni passo sono pure a predominanza diagonale per colonne di conseguenza non è necessario utilizzare alcuna strategia di pivoting DEF: Una matrice quadrata A di ordine n, simmetrica (cioè A T = A), si dice definita positiva se e solo se: x T Ax > 0 per ogni x IR n, x 0 Uno dei criteri possibili per determinare se una matrice è definita positiva è fornito dal criterio di Sylvester che stabilisce che una matrice A simmetrica di ordine n è definita positiva se e solo se det(a k ) > 0 per k = 1, 2,, n, dove A k è la sottomatrice principale di testa di ordine k 9
10 Poichè è noto che a (k) kk = det(a k) det(a k 1 ) k = 1,, n, det(a 0 ) = 1 essendo gli a (k) kk gli elementi pivotali nel metodo di Gauss Ad ogni passo l elemento pivotale è positivo quindi non è necessaria alcuna strategia di pivoting 3 Risoluzione di sistemi lineari mediante fattorizzazioni La semplicità e l efficienza degli algoritmi di risoluzione di sistemi particolari, suggerisce di trasformare un generico sistema di equazioni lineari in più sistemi del tipo analizzato (triangolare inferiore o superiore) Sia A la matrice dei coefficienti del sistema lineare, se esistono due matrici M, R, triangolari (o ortogonali) tali che: A = MR, allora il sistema di equazioni Ax = b si può riscrivere come: MRx = b Quindi ponendo y = Rx si calcola x mediante la risoluzione dei due sistemi: My Rx = b = y (9) La realizzazione della fattorizzazione (A = M R) assicura comunque che i due nuovi sistemi sono risolvibili Infatti essendo: det(a) = det(mr) = det(m) det(r), la non singolarità della matrice A di partenza (det(a) 0) assicura la non singolarità delle matrici fattori M ed N (quindi l esistenza di una unica soluzione dei sistemi (9) 4 Interpretazione del metodo di Gauss come fattorizzazione Il metodo di eliminazione di Gauss può essere interpretato come un metodo di fattorizzazione della matrice dei coefficienti A 10
11 DEF: Siano u, v IR n 1 due vettori colonna tali che v t u 1, allora la matrice M = I uv T si dice matrice elementare ed è tale che 1 M è nonsingolare; 2 la matrice inversa di M è M 1 = I uvt v T u 1 Si osservi che l inversa di una matrice elementare è ancora una matrice elementare Noi siamo interessati a determinare delle matrici elementari che effettuano le operazioni elementari (che permettono di trasformare un sistema in uno equivalente) di: 1 scambio di una riga (colonna) i con la riga j, 2 moltiplicazione di una riga (colonna) per un coefficiente α 0 3 somma di un multiplo di una riga i alla riga j Esempi di matrici elementari che effettuano le precedenti operazioni elemntari sono E 1 = I uu T = 1 0 0, essendo u = e 1 e E 2 = I (1 α)e 2 e T 2 = E 3 = I + αe 3 e T 1 = α α 0 1, essendo α 0, essendo α 0 (ricordando che e 1, e 2, e 3 rappresentano i vettori della base canonica di IR 3 ) Utilizzando delle matrici elementari come moltiplicatori a sinistra della matrice A dei coefficienti di un sistema lineare possiamo dimostrare che il metodo si eleminazione di Gauss è equivalente a fattorizzare la matrice A di partenza nel prodotto di due matrici A = LU con U = A (n) ed L triangolare inferiore Definiamo a tal fine le matrici elementari di eliminazione o di Gauss: sia m k = (0,, 0, m k+1,k, m k+2,k,, m n,k ) T IR n, con m j,k moltiplicatori 11
12 del metodo di eliminazione di Gauss al passo k e definiamo M k = 0 0 m k+1,k 1 0 = I n m k e T k 0 0 m k+2,k m n,k La matrice M k costruita è 1 una matrice triangolare inferiore con elementi diagonali tutti uguali ad 1 (quindi det(m k ) 0); 2 una matrice invertibile 3 una matrice elementare, infatti M k = I m k e T k (e k indica il k-simo vettore della base canonica di IR n 4 la matrice inversa della M k è M 1 k = I + m k e T k ; ed infine soddisfa la seguente proprietà M k A (k) = A (k+1) Quindi nel caso in cui il processo di eliminazione di Gauss possa procedere, tutti gli elementi pivot non nulli, abbiamo la sequenza di trasformazioni di Gauss del sistema lineare: M n 1 M n 2 M 1 A (1) x = M n 1 M n 2 M 1 b Indicando con M il prodotto di tutte le matrici elementari di Gauss M = M n 1 M n 2 M 1, allora la matrice U = MA è una matrice triangolare superiore Inoltre la matrice M è il prodotto di matrici elementari di eliminazione e abbiamo osservato che è una matrice triangolare inferiore ed è invertibile Posto L = (M n 1 M n 2 M 1 ) 1 = M 1 1 M 1 2 M 1 n 1 L risulata una matrice triangolare inferiore, quindi MA = U A = M 1 U = LU Tale fattorizzazione come vedremo in seguito viene detta fattorizzazione LU della matrice A e si potrà calcolare attraverso una tecnica compatta 12
13 5 Fattorizzazione LU Considerata la matrice dei coefficienti A di un sistema lineare di n equazioni in n incognite, DEF: Si dice fattorizzazione LU della matrice A, la scomposizione della matrice nel prodotto di due matrici L triangolare inferiore, ed U triangolare superiore, tali che: A = LU; cioè (in termini di componenti) a ij = n l i,k u k,j, per ogni i, j = 1,, n; tenendo conto che le matrici sono triangolare inferiore la prima, triangolare superiore la seconda, anche: a ij = min(i,j) l i,k u k,j, per ognii, j = 1,, n Osserviamo che per determinare la fattorizzazione LU di una matrice quadrata A di ordine n, dobbiamo determinare gli elementi incogniti l ij e u ij delle matrici L ed U Il numero degli elementi diversi da zero in una matrice triangolare (superiore o inferiore) è dato da n = n(n + 1) 2 Quindi il numero totale di elementi delle matrici L, U (incognite) da determinare per ottenere la fattorizzazione cercata, è 2 n(n+1) 2 = n(n+1) = n 2 +n Il numero delle equazioni a disposizione è n 2, cioè le condizioni da imporre affinchè LU = A, sono tante quanti gli elementi della matrice A Il sistema di equazioni nelle incognite l ij, u ij pur essendo non lineare e di dimensione maggiore di n è di semplice soluzione se si scelgono a-priori i valori degli elementi diagonali di L (che sono in totale n) In particolare si pone l ii = 1 per ogni i 13
14 Per determinare i valori delle incognite l ij, u ij, si dividono le equazioni in due gruppi i l ik u kj = a ij, per i j, 1 gruppo j l ik u kj = a ij, per j < i; 2 gruppo il calcolo delle incognite procede: determinando le componenti della prima riga di U utilizzando le equazione del primo gruppo, determinando le componenti della prima colonna di L utilizzando le equazioni del secondo gruppo iterando il procedimento in modo ricorsivo (cioè si passa al calcolo della riga succesiva di U e poi della colonna di L) Per esempio: per calcolare la prima riga di U si pone i = 1 nell equazioni del primo gruppo e si ha: 1 l 1k u kj = a 1j per 1 j Da l 11 = 1, ricaviamo u 1j = a 1j, per j = 1,, n per calcolare gli elementi della prima colonna di L si utilizzano le equazioni del secondo gruppo ponendo j = 1, 1 l ik u k1 = a i1, per 1 < i; da l i1 u 11 = a i1, per 1 < i, ricaviamo l i,1 = a i1 u 11, per i = 2,, n 14
15 In modo ricorsivo per (ij) = (22), (33), si ha: i l ik u kj = a ij, per i j i 1 l ik u kj + l ii u ij = a ij, i 1 u ij = a ij l ik u kj, per i j per j = i,, n e per gli elementi della matrice L j l ik u kj = a ij,, per j < i j 1 l ik u kj + l ij u jj = a ij, per j < i l ij = a ij j 1 l iku kj u jj, per i = j + 1,, n Osserviamo che nella formula per calcolare u ij intervengono soltanto quantità già calcolate sia per la matrice U che per la matrice L Il costo computazionale per ottenere la fattorizzazione LU della matrice A comprende: n 1 = (n 1)n 2 divisioni; il numero delle moltiplicazioni per ottenere gli elementi di U è pari a quello per calcolare gli elementi di L, e risulta: i 1 moltiplicazioni per u ij, (n + 1 i)(i 1) moltiplicazioni per calcolare una riga di U n i=1 (n + 1 i)(i 1) moltiplicazioni per tutte le righe Il costo computazionale complessivo è (n 1)n 2 n + 2 (n + 1 i)(i 1)= 1 3 n3 + O(n 2 ) i=1 15
16 L algoritmo per il calcolo della fattorizzazione LU della matrice A va a buon fine se gli elementi u k,k che compaiono al denominatore risultano diversi da zero Osserviamo che: u 11 = a 11 ; u 22 = a 22 l 21 u 12 dau 12 = a 12 e l 21 = a 21 /u 11 = a 12 /a 11 ricaviamo u 22 = a 11a 22 a 11 a 21 = 1 ( a11 a det 12 a 11 a 11 a 21 a 22 ) ; in modo analogo si può provare che le quantità u k,k si esprimono in termini dei minori principali di testa della matrice, e risultano diversi da zero se e solo se i minori principali sono non nulli Questo risultato ha validità generale Infatti si prova che: Teorema Data una matrice A, quadrata di ordine n, esiste la fattorizzazione LU di A se e solo se tutti i minori principali di testa di A sono diversi da zero La condizione che le quantità u kk debbano essere necessariamente diverse da zero è conseguenza del fatto che il determinante della matrice triangolare U è il prodotto dei suoi i elementi diagonali: det(a) = det(lu) = det(l) det(u) = 1 det(u) = n u kk L algoritmo ha validità generale, in quanto non introduce condizioni più restrittivi di quelle che assicurano la esistenza della fattorizzazione Poiché la condizione sui minori è più forte di quella del determinante, si pone il problema di trovare delle semplici condizioni, riscontrabili in problemi applicativi, che assicurano minori principali di testa diversi da zero DEF: Una matrice A si dice a predominanza in senso debole per righe se a ii j i a ij per ogni i esiste un indice i tale che a ii > j i a ij 16
17 DEF: Una matrice A si dice riducibile se esiste una matrice di permutazione P tale che: ( ) P AP T A11 0 = A 21 A 22 Una matrice si dice irriducibile altrimenti Esempi di matrici che soddisfano questa proprietà sono: matrici a predominanza diagonale per righe: matrici a predominanza diagonale per colonne: matrice a predominanza diagonale in senso debole per righe e irriducibili : matrici a predominanza diagonale per colonne in senso debole ed irriducibili; matrici simmetriche definite positive Gli esempi precedenti evidenziano una grande varietà di matrici con minori principali non nulli a cui è possibile applicare la fattorizzazione LU, senza, però, esaurire tutte le matrici non singolari 6 Analisi degli errori Qualunque algoritmo si utilizza per calcolare la soluzione di un sistema lineare mediante un computer, si otterrà una soluzione approssimata Infatti, in aritmetica finita (l aritmentica del computer) l uso dei numeri floatingpoint introduce un errore di arrotondamento ad ogni operazione Gli errori associati ad ogni operazione si propagano nel risultato finale, che può avere un errore accetabile o meno a seconda della sua grandezza Valutiamo la propagazione degli errori nella risoluzione del sistema lineare Ax = b Indichiamo con x la soluzione numerica formita da un algoritmo ( quindi x è l approssimazione della soluzione del problema) Una prima indicazione della qualità della approssimazione x è data grandezza del vettore residuo r : r = b A x 17
18 ed in particolare dalla quantità b A x b = r b ; detta residuo normalizzato Il residuo normalizzato è preso come un misura della bontà dell approssimazione della soluzione di un sistema lineare, e varia da algoritmo ad algoritmo Vediamo come il residuo normalizzato si lega all errore commesso; si ha: da cui ricaviamo r = b A x = Ax A x = A(x x) x x = A 1 r Quindi, passando alle norme: x x = A 1 r A 1 r Osserviamo inoltre che da cui ricaviamo Quindi l errore relativo b = Ax b = Ax A x x x x 1 x A b A A 1 r b La precedente relazione evidenzia come errore dovuto al calcolo della approsssimazione numerica in aritmetica finita dipende dal fattore: µ(a) = A A 1 chiamato numero di condizione della matrice A Osserviamo che µ(a) non dipende dal particolare algoritmo utilizzato per determinare l approssimazione x, mentre il residuo normalizzato r b dipende da esso Il numero di condizione di una matrice è definito utilizzando una norma; in generale, però, pur variando da norma a norma, il suo ordine di grandezza varia di poco in virtù della equivalenza di tutte le norme Il numero di condizione amplifica l errore nei dati del sistema riportandoli sul risultato 18
9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU
9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto
DettagliCorso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliCorso di Geometria e Algebra Lineare - Sezione di Metodi Numerici
Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 3. Metodo della fattorizzazione LU per la risoluzione di un sistema lineare Errori di arrotondamento. Prima di affrontare la
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliStudente: SANTORO MC. Matricola : 528
CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliMatematica B - a.a 2006/07 p. 1
Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliInformatica. Rappresentazione dei numeri Numerazione binaria
Informatica Rappresentazione dei numeri Numerazione binaria Sistemi di numerazione Non posizionali: numerazione romana Posizionali: viene associato un peso a ciascuna posizione all interno della rappresentazione
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliLEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1
LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,
DettagliCondizionamento del problema
Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE
ANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE Algebra lineare numerica 121 Ax = b A, b affetti dall errore di round-off si risolve sempre un sistema perturbato: con (A + A)(x + x) = b + b A = ( a i,j
DettagliAutovalori e Autovettori
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliProgrammazione dinamica
Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
DettagliMatematica in laboratorio
Unità 1 Attività guidate Attività 1 Foglio elettronico Divisibilità tra numeri naturali Costruisci un foglio di lavoro per determinare se a è divisibile per b, essendo a e b due numeri naturali, con a
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE
ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
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 Sistemi di Numerazione Sistema decimale La
DettagliMATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.
MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliSOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.
SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno
Dettagli4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI
119 4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI Indice degli Argomenti: TEMA N. 1 : INSIEMI NUMERICI E CALCOLO
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi 4 Piani di ammortamento Esercizio 1. Un debito di 1000e viene rimborsato a tasso annuo i = 10%
DettagliDeterminante e inversa di una matrice
CPITOLO 6 Determinante e inversa di una matrice Esercizio 6.. Calcolare il determinante delle seguenti matrici: 3 3 = B = 0 3 7 C = 0 D = 0 F = 0 0 3 4 0 3 4 3 Esercizio 6.. Calcolare il determinante delle
DettagliAlessandro Pellegrini
Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione
DettagliSISTEMI DI NUMERAZIONE IL SISTEMA DECIMALE
SISTEMI DI NUMERAZIONE IL SISTEMA DECIMALE La base del sistema decimale è 10 I simboli del sistema decimale sono: 0 1 2 3 4 5 6 7 8 9 Il sistema di numerazione decimale è un sistema posizionale. L aggettivo
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliIl simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale
Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliESEMPIO 1: eseguire il complemento a 10 di 765
COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliLezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari
Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle
DettagliElementi di informatica
Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni
DettagliESTRAZIONE DI RADICE
ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della
DettagliObiettivi dell Analisi Numerica. Avviso. Risoluzione numerica di un modello. Analisi Numerica e Calcolo Scientifico
M. Annunziato, DIPMAT Università di Salerno - Queste note non sono esaustive ai fini del corso p. 3/43 M. Annunziato, DIPMAT Università di Salerno - Queste note non sono esaustive ai fini del corso p.
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
Dettaglirazionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti
4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}
DettagliSchemi delle Lezioni di Matematica Generale. Pierpaolo Montana
Schemi delle Lezioni di Matematica Generale Pierpaolo Montana Al-giabr wa al-mukabalah di Al Khuwarizmi scritto approssimativamente nel 820 D.C. Manuale arabo da cui deriviamo due nomi: Algebra Algoritmo
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliEsercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di
Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
DettagliAnno 3. Funzioni: dominio, codominio e campo di esistenza
Anno 3 Funzioni: dominio, codominio e campo di esistenza 1 Introduzione In questa lezione parleremo delle funzioni. Ne daremo una definizione e impareremo a studiarne il dominio in relazione alle diverse
DettagliEsponenziali elogaritmi
Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliDocumentazione esterna al software matematico sviluppato con MatLab
Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno
DettagliRAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997
1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:
DettagliParte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno
Parte II Indice Operazioni aritmetiche tra valori rappresentati in binario puro somma sottrazione Rappresentazione di numeri con segno modulo e segno complemento a 2 esercizi Operazioni aritmetiche tra
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliPre Test 2008... Matematica
Pre Test 2008... Matematica INSIEMI NUMERICI Gli insiemi numerici (di numeri) sono: numeri naturali N: insieme dei numeri interi e positivi {1; 2; 3; 4;...} numeri interi relativi Z: insieme dei numeri
DettagliRAPPRESENTAZIONE GRAFICA DEGLI ALGORITMI
RAPPRESENTAZIONE GRAFICA DEGLI ALGORITMI Diagramma di flusso L algoritmo può essere rappresentato in vari modi, grafici o testuali. Uno dei metodi grafici più usati e conosciuti è il cosiddetto diagramma
DettagliSistemi di Numerazione
Fondamenti di Informatica per Meccanici Energetici - Biomedici 1 Sistemi di Numerazione Sistemi di Numerazione I sistemi di numerazione sono abitualmente posizionali. Gli elementi costitutivi di un sistema
Dettagli