Corso di Calcolo Numerico
|
|
- Berto Bono
- 8 anni fa
- Visualizzazioni
Transcript
1 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
2 Metodi Iterativi Sia A R n n e siano D, C R n n, D non singolare, tali che A = D + C Il sistema Ax = b è equivalente al sistema x = D 1 Cx + D 1 b, ossia, posto P = D 1 C R n n e q = D 1 b R n, al sistema x = P x + q Partendo da un vettore x (0) R n e utilizzando la formula iterativa x (k) = P x (k 1) + q (1) si costruisce la successione di vettori {x (k) } k=1,2, La matrice P viene detta Matrice di iterazione Corso di Calcolo Numerico - Dottssa MC De Bonis
3 Se si ha e cioè lim k x(k) = x, x = P x + q Ax = b x R n Ovviamente per ciascuna scelta di x (0) otteniamo diverse successioni {x (k) } k=1,2, che possono essere convergenti o non convergenti Il procedimento iterativo individuato dalla formula iterativa (1) si dice convergente se, comunque si sceglie il vettore x (0), la successione {x (k) } k=1,2, è convergente Analizziamo il problema della convergenza del procedimento iterativo individuato dalla formula iterativa (1) Corso di Calcolo Numerico - Dottssa MC De Bonis
4 Convergenza del procedimento iterativo Sottraendo membro a membro le formule si ha x (k) = P x (k 1) + q e x = P x + q x x (k) = P (x x (k 1) ) e, denotando con e (k) = x x (k) l errore al k esimo passo, si ha e (k) = P e (k 1) = P 2 e (k 2) = = P k e (0) Il procedimento iterativo è convergente se lim k e(k) = 0 lim k P k = 0 Vale il seguente Teorema 1 Condizione necessaria e sufficiente affinchè per una data matrice P R n n valga è che lim P k = 0 k ρ(p ) < 1 (ρ(p ) è il raggio spettrale di P ) Corso di Calcolo Numerico - Dottssa MC De Bonis
5 Poichè P = D 1 C = D 1 (A D) = (I D 1 A), se la matrice D viene scelta in modo tale che ρ(i D 1 A) < 1, il procedimento iterativo è sicuramente convergente Ma, per ogni norma matriciale compatibile con una vettoriale, si ha pertanto vale il seguente ρ(b) B, Teorema 2 Condizione sufficiente per la convergenza del procedimento iterativo individuato dalla formula iterativa (1) è che esista una norma matriciale per cui I D 1 A < 1 Corso di Calcolo Numerico - Dottssa MC De Bonis
6 Conclusioni Se D viene scelto in modo tale che det(d) 0; tale che I D 1 A < 1, il procedimento iterativo individuato dalla formula iterativa (1) è convergente Osservazione Si può verificare che, anche se I D 1 A < 1 in pratica il metodo non converge Ciò può accadere, per esempio, se I D 1 A è molto vicina a 1 e la matrice A è fortemente mal condizionata Corso di Calcolo Numerico - Dottssa MC De Bonis
7 Costo computazionale Se la matrice A non ha specifiche proprietà e la matrice D ha una forma semplice, ad esempio diagonale o triangolare, il costo computazionale del procedimento iterativo individuato dalla formula iterativa (1) ha un costo computazionale dell ordine di n 2 ad ogni passo Dunque se converge in p passi il costo computazionale è dell ordine pn 2 Se, invece, A è sparsa, esso è dell ordine di n ad ogni passo Dunque se converge in p passi è dell ordine di pn Ecco perchè un metodo iterativo risulta essere competitivo con un metodo diretto solo se A è sparsa Corso di Calcolo Numerico - Dottssa MC De Bonis
8 Criteri di Arresto e scelta di x (0) Come, già detto a proposito del metodo iterativo di Newton, dovendo implementare la formula iterativa (1) in maniera automatica, occorrono dei criteri per arrestarla Fissata una tolleranza T OLL arbitrariamente piccola si utilizzano come criteri di arresto: 1 x (k) x (k 1) < T OLL, x (k) tanto più è piccolo T OLL tanto più x (k) è vicino al limite della succession x ; 2 numero delle iterazioni IT MAX, IT MAX è una variabile intera fissata detta tappo È necessario utilizzarli entrambi In generale, x (0) viene scelto con tutte le componenti uguali a 0 Corso di Calcolo Numerico - Dottssa MC De Bonis
9 Metodo di Jacobi È il più famoso e il più semplice dei metodi iterativi Se la matrice del sistema è a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a n,1 a n,2 a n,n Si scelgono D = a 1, a 2,2 0 C = Ovviamente A = D + C 0 0 a n,n 0 a 1,2 a 1,n a 2,1 0 a n 1,n a n,1 a n,n 1 0 Corso di Calcolo Numerico - Dottssa MC De Bonis
10 Partendo dal sistema Ax = b, cioè a 1,1 x 1 +a 1,2 x 2 + +a 1,n x n = b 1 a 2,1 x 1 +a 2,2 x 2 + +a 2,n x n = b 2 a n,1 x 1 +a n,2 x 2 + +a n,n x n = b n la formula Dx = Cx + b non è altro che a 1,1 x 1 = a 1,2 x 2 a 1,n x n +b 1 a 2,2 x 2 = a 2,1 x 1 a 2,n x n +b 2 a n,n x n = a n,1 x 1 a n,n 1 x n 1 +b n cioè x i = 1 a i,i b i n a i,j x j, j=1 j i i = 1,, n Corso di Calcolo Numerico - Dottssa MC De Bonis
11 Dunque la formula iterativa x (k) = D 1 Cx (k 1) + D 1 b, k = 0, 1,, scritta per componenti, diventa x (k) i = 1 n b i a i,j x (k 1) j, i = 1,, n, k = 0, 1, a i,i j=1 j i Per l implementazione del metodo iterativo di Jacobi occorrono 2 vettori, uno per x (k) e l altro per x (k 1) Poichè alla fine di ogni iterazione le componenti di x (k) prendono il posto delle componenti di x (k 1), il metodo iterativo di Jacobi viene detto anche Metodo degli spostamenti simultanei Corso di Calcolo Numerico - Dottssa MC De Bonis
12 Affinchè det(d) 0, è necessario che a i,i 0, i Se la matrice A ha qualche elemento diagonale nullo scambiamo opportunamente le righe (poichè stiamo supponendo che A è non singolare sicuramente esiste una matrice di permutazione Π tale che ΠA ha elementi diagonali tutti non nulli) Per essere sicuri della convergenza è necessario verificare che I D 1 A < 1 Vale anche il seguente Teorema 3 Sia A R n n, se è soddisfatta una delle seguenti condizioni: 1 A è a predominanza diagonale per righe in senso stretto; 2 A è a predominanza diagonale per colonne in senso stretto; allora il metodo di Jacobi è convergente Corso di Calcolo Numerico - Dottssa MC De Bonis
13 Conclusioni Per implementare correttamente il metodo di Jacobi: 1 controllare che a i,i 0, i = 1,, n, altrimenti effettuare scambi di righe; 2 controllare che se per qualche p =, 1, 2, F si ha I D 1 A p < 1 Se la matrice A è a predominanza diagonale per righe o per colonne in senso stretto la convergenza è assicurata 3 fissare una tolleranza T OLL e un numero di iterazioni IT MAX; 4 porre x (0) = (0,, 0) e calcolare per k = 1,, IT MAX x (k) i = 1 n b i a i,j x (k 1) j, i = 1,, n, a i,i j=1 j i Corso di Calcolo Numerico - Dottssa MC De Bonis
14 Metodo di Gauss-Siedel È una variante del metodo di Jacobi Si osserva infatti che nel calcolare x (k) i = 1 n b i a i,j x (k 1) j, i = 1,, n, a i,i j=1 j i a secondo membro potrebbero essere utilizzati i valori x (k) j, j = 1,, i 1, già calcolati e quindi più precisi Il metodo diventa x (k) i = 1 b i a i,i i 1 j=1 a i,j x (k) j n j=i+1 a i,j x (k 1) j, i = 1,, n Il metodo iterativo di Gauss-Siedel viene anche detto Metodo degli spostamenti successivi in quanto per costruire le componenti del vettore x (k) si utilizzano non solo le componenti di x (k 1) ma anche le componenti precedentemente calcolate di x (k) stesso Dunque per la sua implementazione basta 1 solo vettore Corso di Calcolo Numerico - Dottssa MC De Bonis
15 Dal punto di vista matriciale è facile vedere che consiste nel considerare A = D + C dove D = a 1,1 0 0 a 2,1 a 2,2 0 e C = a n,1 a n 1,n a n,n 0 a 1,2 a 1,n 0 0 a n 1,n Corso di Calcolo Numerico - Dottssa MC De Bonis
16 Per il metodo di Gauss-Siedel vale il seguente Teorema 3 Sia A R n n, se è soddisfatta una delle seguenti condizioni: 1 A è a predominanza diagonale per righe in senso stretto; 2 A è simmetrica definita positiva; allora il metodo di Gauss-Siedel è convergente Osservazione Il metodo di Gauss-Siedel che utilizza un solo vettore è in generale più velocemente convergente del metodo di Jacobi, ma ci sono anche dei casi in cui, non solo il metodo di Jacobi converge più velocemente, ma il metodo di Jacobi è convergente e il metodo di Gauss-Siedel non lo è Corso di Calcolo Numerico - Dottssa MC De Bonis
17 Conclusioni Per implementare correttamente il metodo di Gauss-Siedel: 1 controllare che a i,i 0, i = 1,, n, altrimenti effettuare scambi di righe; 2 controllare che se per qualche p =, 1, 2, F si ha I D 1 A p < 1 Se la matrice A è a predominanza diagonale per righe in senso stretto o simmetrica e definita positiva la convergenza è assicurata 3 fissare una tolleranza T OLL e un numero di iterazioni IT MAX; 4 porre x (0) = (0,, 0) e calcolare per k = 1,, IT MAX e i = 1,, n x (k) i = 1 i 1 n b i a i,j x (k) j a i,i j=1 j=i+1 a i,j x (k 1) j Corso di Calcolo Numerico - Dottssa MC De Bonis
RICHIAMI 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
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
DettagliSISTEMI LINEARI QUADRATI: METODI ITERATIVI
SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C
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
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
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
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze
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
DettagliMETODI ITERATIVI PER SISTEMI LINEARI
METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi ai metodi iterativi per risolvere sistemi di equazioni
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
DettagliDocente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari
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
Dettagli9 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 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
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
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
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
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:
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
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
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.
DettagliEsistenza di funzioni continue non differenziabili in alcun punto
UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea
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,
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
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 "!$%!
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
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
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.
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliEquazioni non lineari
Equazioni non lineari Data una funzione f : [a, b] R si cerca α [a, b] tale che f (α) = 0. I metodi numerici per la risoluzione di questo problema sono metodi iterativi. Teorema Data una funzione continua
Dettagli4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale
4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,
DettagliEquazioni non lineari
Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliA i è un aperto in E. i=1
Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
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
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
Dettagli19. Inclusioni tra spazi L p.
19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p
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,
DettagliSulle funzioni di W 1,p (Ω) a traccia nulla
Sulle funzioni di W 1,p () a traccia nulla Sia u W 1,p (R n ) e supponiamo che il supp u, essendo un aperto di R n. Possiamo approssimare u con una successione di funzioni C il cui supporto è contenuto
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
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
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
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
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliMetodi Computazionali
Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle
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
DettagliEQUAZIONI non LINEARI
EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI
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
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliMoto uniforme sul toro bidimensionale
4/3/06 Luigi Chierchia Moto uniforme sul toro bidimensionale 1. Il toro bidimensionale Denotiamo con R l insieme dei numeri reali e con Z l insieme dei numeri interi (con segno) {..., 2, 1, 0, 1, 2,...};
DettagliSERIE NUMERICHE. prof. Antonio Greco 6-11-2013
SERIE NUMERICHE prof. Antonio Greco 6--203 Indice Motivazioni........... 3 Definizione........... 3 Errore tipico........... 3 Un osservazione utile...... 3 Condizione necessaria...... 4 Serie armonica.........
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
DettagliSuccessioni di funzioni reali
E-school di Arrigo Amadori Analisi I Successioni di funzioni reali 01 Introduzione. In questo capitolo applicheremo i concetti di successione e di serie alle funzioni numeriche reali. Una successione di
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
DettagliAlgoritmi e Strutture Dati
Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento
DettagliFunzioni con dominio in R n
0.1 Punti e vettori di R n Politecnico di Torino. Funzioni con dominio in R n Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto Molto spesso risulta che una quantita
Dettagli1 Insiemi e terminologia
1 Insiemi e terminologia Assumeremo come intuitiva la nozione di insieme e ne utilizzeremo il linguaggio come strumento per studiare collezioni di oggetti. Gli Insiemi sono generalmente indicati con le
Dettagli15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA...
15 febbraio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura
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
DettagliEquazioni differenziali ordinarie
Equazioni differenziali ordinarie Denis Nardin January 2, 2010 1 Equazioni differenziali In questa sezione considereremo le proprietà delle soluzioni del problema di Cauchy. Da adesso in poi (PC) indicherà
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
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliSulla monotonia delle funzioni reali di una variabile reale
Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
DettagliMetodi diretti per la soluzione di sistemi lineari
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 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x
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
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
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
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
DettagliCapitolo 1 ANALISI COMPLESSA
Capitolo 1 ANALISI COMPLESSA 1 1.4 Serie in campo complesso 1.4.1 Serie di potenze Una serie di potenze è una serie del tipo a k (z z 0 ) k. Per le serie di potenze in campo complesso valgono teoremi analoghi
DettagliMisura e integrazione Formulario
Misura e integrazione Formulario Integrale su rettangolo 1. 2. Teorema di riduzione per un rettangolo (Fubini) Per passare dal rettangolo ad un qualsiasi dominio si definisce una nuova funzione. Integrale
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
Dettagli3 GRAFICI DI FUNZIONI
3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom
DettagliLimiti e continuità di funzioni reali di una variabile
di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione
DettagliI tre concetti si possono descrivere in modo unitario dicendo che f e iniettiva, suriettiva, biiettiva se e solo se per ogni b B l equazione
Lezioni del 29 settembre e 1 ottobre. 1. Funzioni iniettive, suriettive, biiettive. Sia f : A B una funzione da un insieme A ad un insieme B. Sia a A e sia b = f (a) B l elemento che f associa ad a, allora
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
Dettagli1. Limite finito di una funzione in un punto
. Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce
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
Dettagli13. Campi vettoriali
13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello
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
DettagliQuantità di moto. Per un corpo puntiforme possiamo definire la grandezza vettoriale quantità di moto come il prodotto m v.
Quantità di moto Per un corpo puntiforme possiamo definire la grandezza vettoriale quantità di moto come il prodotto m v. La seconda legge di Newton può essere scritta con la quantità di moto: d Q F =
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
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliCome si analizza un gioco
Come si analizza un gioco Parte II Giochi strategici a somma zero Alberto Abbondandolo Filippo Giuliani Alessandro Montagnani Università di Pisa Settimana di orientamento in Matematica 2010 Alice e Bruno
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
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
Dettagli2 Formulazione dello shortest path come problema di flusso
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione
DettagliLEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W
LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se
DettagliCorso di Analisi Matematica Serie numeriche
Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie 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
Dettagli