Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
|
|
- Letizia Vacca
- 5 anni fa
- Visualizzazioni
Transcript
1 Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it amodio A.A. 2016/17 P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 1 / 19
2 definizione una matrice A è un insieme ordinato di numeri, ciascuno dei quali è identificato da due indici che rappresentano la riga e la colonna A = a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn = (a ij) la matrice ha dimensione m n se è definita tramite m righe e n colonne; gli indici in ciascun elemento rappresentano la posizione nella matrice (indice di riga e colonna) P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 2 / 19
3 esempi matrice quadrata (m = n), triangolare (quadrata con aij = 0 se i > j o i < j), diagonale (quadrata con a ij = 0 se i j), tridiagonale (quadrata con a ij = 0 se i j > 1), a banda (quadrata con aij = 0 se k 1 i j k 2 ) matrice identica I (diagonale con aii = 1), nulla O (aij = 0) P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 3 / 19
4 operazioni Sulle matrici è possibile definire le seguenti operazioni algebriche addizione C = A + B: c ij = a ij + b ij sottrazione C = A B: c ij = a ij b ij moltiplicazione (elevamento a potenza) C = AB: c ij = trasposto B = A T : b ij = a ji k a is b sj Una operazione corrispondente alla divisione serve a risolvere sistemi lineari s=1 P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 4 / 19
5 proprietà Valgono tutte le proprietà esclusa la commutatività per il prodotto. associativa (A + (B + C) = (A + B) + C e A(BC) = (AB)C) commutativa (A + B = B + A) distributiva (A(B + C) = AB + AC, (A + B) T = A T + B T e (AB) T = B T A T ) ((A T ) T = A) P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 5 / 19
6 operazioni tra scalari e matrici L unica operazione ammissibile per cui non deve essere verificata la compatibilità tra le dimensioni è l operazione B = αa, dove A è una qualsiasi matrice e α è uno scalare. Ovviamente A/α è da intendersi come 1 α A P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 6 / 19
7 vettori un vettore è una particolare matrice con un sola riga o una sola colonna; ciascun elemento è identificato da un solo indice per le operazioni tra vettori valgono le stesse propretà definite per le matrici (non vale il prodotto ma è possibile definire il prodotto scalare ed un prodotto di rango 1) dati k vettori x 1, x 2,..., x k si definisce combinazione lineare α 1 x α k x k k vettori x 1, x 2,..., x k sono linearmente indipendenti se α 1 x α k x k = 0 se e solo se α 1 = = α k = 0 2 vettori x e y sono ortogonali se x T y = 0; vettori ortogonali sono linearmente indipendenti P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 7 / 19
8 spazio vettoriale R insieme di vettori con n elementi su cui sono definite le operazioni di somma (tra vettori) e prodotto (scalare per vettore); il vettore con tutti gli elementi uguali a 0 è detto vettore nullo un sottoinsieme E di R n è detto sottospazio vettoriale di R n se, fissati x, y E e α R si ha x + y E e αx E una base di uno spazio vettoriale è il più piccolo insieme di vettori con i quali è possibile definire tutti gli elementi dello spazio; il numero di vettori nella base definisce la dimensione R n ha dimensione n k vettori e tutte le loro combinazioni lineari definiscono uno spazio vettoriale; se i vettori sono linearmente indipendenti tale spazio ha dimensione k P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 8 / 19
9 sistemi lineari un sistema lineare è un equazione (sistema di equazioni) del tipo Ax = b in cui x è l incognita range di A (range(a)) è lo spazio generato dalle colonne di A rango (caratteristica) di A (rank(a)) è la dimensione di questo spazio ( (m, n)) teorema (di Rouchè Capelli): il sistema lineare Ax = b ha soluzione se e solo se rank(a) rank([a b]) P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 9 / 19
10 teorema di Rouchè Capelli Indicato con k = rank(a) si ha k = m (la matrice A ha rango massimo): k < m: non può essere m > n m = n: il sistema ha una soluzione m < n: il sistema ha n m soluzioni rank([a b]) = k il sistema ha n k soluzioni rank([a b]) > k il sistema non ha soluzioni; può aver senso calcolare una soluzione approssimata, cioè un vettore x per cui Ax b P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 10 / 19
11 esempi ( ) ( ) ( ) 1 3 x1 = 4 5 x 2 x 1 x 2 x 3 x 4 ( ) 1 2 ( ) 6 = 2 ( ) 1 x x 2 = x 3 ( ) c ( ) x1 = 11 x P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 11 / 19
12 sistemi omogenei Un sistema lineare è detto omogeneo se il termine noto coincide con il vettore nullo. In questo caso esiste sempre una soluzione in quanto rank(a) rank([a b]) (la soluzione banale che ha tutti i valori uguali a 0). Seguendo quanto detto precedentemente, se k = rank(a), esempi: k = n = m: il sistema ha 1 soluzione. k < n: il sistema ha n k soluzioni ( soluzione ( ) 0 x1 = 1 soluzione x 2 2 soluzioni 0 0 ( ) ) ( ) x1 = x 2 x 1 x 2 x 3 x 4 ( ) 0 0 ( ) 0 = 0 P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 12 / 19
13 matrici quadrate se una matrice ha lo stesso numero di righe e colonne è detta quadrata il determinante di una matrice quadrata è un numero che, se diverso da 0, ci dice che la matrice ha rango massimo; in questo caso la matrice è detta non singolare se A è non singolare, è possibile definire la sua inversa A 1, cioè una matrice con le stesse dimensioni di A e tale che AA 1 = A 1 A = I la matrice inversa gode delle seguenti proprietà: (A 1 ) 1 = A (A 1 ) T = (A T ) 1 (AB) 1 = B 1 A 1 I 1 = I P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 13 / 19
14 sistemi lineari quadrati se A è non singolare, esiste ed è unica la soluzione del sistema lineare Ax = b x = A 1 b regola di Kramer: se det(a) 0, il sistema lineare Ax = b ha un unica soluzione che può essere ottenuta tramite la formula x i = det(b i) det(a) dove B i è la matrice ottenuta sostituendo in A la i-esima colonna con b. poichè il determinante è molto costoso da calcolare si preferisce ottenere la soluzione mediante metodi di eliminazione P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 14 / 19
15 autovalori ed autovettori Sia A una matrice quadrata: si chiama autovalore di A ogni soluzione λ complessa di det(a λi ) = 0 dove I è la matrice identica analogamente un autovalore λ è tale che esiste almeno una soluzione non nulla del sistema Ax = λx (cioè il sistema omogeneo (A λi )x = 0 ha soluzioni non banali); il vettore non nullo x è detto autovettore di A ed è determinato a meno di una costante una matrice n n ha al più n autovalori nel campo complesso; se λ è complesso, anche λ è un autovalore il più grande autovalore in modulo di A è detto raggio spettrale e si indica con ρ(a) se un autovalore di A è uguale a 0, allora A è singolare P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 15 / 19
16 matrici simmetriche Sia A una matrice quadrata: una matrice A quadrata è detta simmetrica se a ij = a ji gli autovalori di matrici simmetriche sono reali gli autovettori corrispondenti ad autovalori distinti sono ortogonali esistono n autovettori ortogonali tra loro P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 16 / 19
17 norme vettoriali si definisce norma (e si indica con ) una funzione che associa a ciascun vettore o matrice un numero; per i vettori la norma deve soddisfare le seguenti condizioni: x 0 e x = 0 solo quando il vettore x è nullo λx = λ x x + y x + y esempi di norme vettoriali n x 1 = x i x 2 = ( n x T x = i=1 x = max i x i i=1 x 2 i ) 1/2 P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 17 / 19
18 norme matriciali le norme matriciali in più devono soddisfare la seguente proprietà: AB A B esempio: norma di Frobenious m A F = n i=1 j=1 a 2 ij 1/2 P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 18 / 19
19 norme matriciali indotte m A 1 = max a ij j i=1 A 2 = ρ(a T A) A = max i n a ij j=1 A = max x Ax x P. Amodio (pierluigi.amodio@uniba.it) algebra lineare 2016/17 19 / 19
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
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
DettagliAppunti di Algebra Lineare. Antonino Salibra
Appunti di Algebra Lineare Antonino Salibra January 11, 2016 2 Libro di testo: Gilbert Strang, Algebra lineare, Edizioni Apogeo 2008 Programma di Algebra Lineare (2015/16) (da completare): 1. Campi numerici.
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
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
DettagliPierangelo Ciurlia, Riccardo Gusso, Martina Nardon
Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Pierangelo Ciurlia, Riccardo Gusso, Martina Nardon Esercizi di algebra lineare e sistemi di equazioni lineari con applicazioni
DettagliIl programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria p. 1
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria R. Vitolo Dipartimento di Matematica Università di Lecce SaLUG! - Salento Linux User Group Il programma OCTAVE per l
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
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
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
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.
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
DettagliTutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica
Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13
Dettagli1 Regole generali per l esame. 2 Libro di Testo
FACOLTÀ DI INGEGNERIA Corso di GEOMETRIA E ALGEBRA (mn). (Ing. per l Ambiente e il Territorio, Ing. Informatica - Sede di Mantova) A.A. 2008/2009. Docente: F. BISI. 1 Regole generali per l esame L esame
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliEsercizi su Autovalori e Autovettori
Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio
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
DettagliProf. Stefano Capparelli
APPUNTI PER UN SECONDO CORSO DI ALGEBRA LINEARE Prof. Stefano Capparelli A mia madre Prefazione. Brevi Richiami di Algebra Lineare. Forma Canonica di Jordan.. Blocco di Jordan.. Base di Jordan.. Polinomio
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
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
Dettagli3 Applicazioni lineari e matrici
3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;
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
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 + +
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
DettagliLEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE
LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali
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
Dettaglif(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2))
Algebra Lineare e Geometria Analitica Politecnico di Milano Ingegneria Applicazioni Lineari 1. Sia f : R 3 R 3 l applicazione lineare definita da f(x, y, z) = (x + ky + z, x y + 2z, x + y z) per ogni (x,
DettagliUniversità degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof.
Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Antonio Cigliola Prerequisiti Logica elementare. Principio di Induzione.
DettagliAppunti del corso di Metodi numerici e ottimizzazione
Appunti del corso di Metodi numerici e ottimizzazione L A TEX Ninjas Andrea Cimino Marco Cornolti Emanuel Marzini Davide Mascitti Lorenzo Muti Marco Stronati {cimino,cornolti,marzini,mascitti,muti,stronati}@cli.di.unipi.it
DettagliLezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga
Lezioni del corso di Geometria e Algebra prof Michele Mulazzani dott Alessia Cattabriga AA 20001/2002 Indice 1 Equazioni e sistemi lineari 4 11 Alcune strutture algebriche 4 12 Operazioni standard su K
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliSiano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione
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
DettagliLA GEOMETRIA ANALITICA DELLO SPAZIO. Liceo G. GALILEI - Verona Venerdì 10 Aprile 2015 CONVEGNO MATHESIS VERONA
LA GEOMETRIA ANALITICA DELLO SPAZIO CONVEGNO MATHESIS Liceo G. GALILEI - Verona Venerdì 10 Aprile 2015 Perché Assenza di ogni riferimento alla geometria analitica dello spazio nel quadri di Mondrian La
DettagliLezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi
DettagliI polinomi 1; x;x 2 ;x 3 sono linearmente indipendenti; infatti. 0= 1 1+ 2 x+ 3 x 2 + 4 x 3 =) 1 = 2 == 4 =0
ASPETTI TEORICI Spazio vettoriale Un insieme qualunque di inniti elementi V = fv i g si dice uno spazio vettoriale sull'insieme dei numeri reali R se: { E possibile denire un'operazione binaria fra gli
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
DettagliTEMA 1. 1. Della seguente matrice, calcolare i complementi algebrici e il determinante: a + b 1 a 2 S = a + b + 3 a + 2b. x = t. f = x 2 + 2xy 3y 2,
Prova scritta di MATEMATICA B1 Vicenza, 17 marzo 008 TEMA 1 1 1 A = 1 0 1. 3 0 1. Stabilire se il seguente sottoinsieme di M(, R): {( ) a + b 1 a S = a, b R}, a + b + 3 a + b è un sottospazio di M(, R).
DettagliAppunti di Algebra Lineare
Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e
DettagliRipasso di Calcolo Scientifico: Giulio Del Corso
Ripasso di Calcolo Scientifico: Giulio Del Corso Queste dispense sono tratte dalle lezioni del Prof. Gemignani e del Prof. Bini del corso di Calcolo Scientifico (2014/2015) dell università di Pisa. Non
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 LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA
COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
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
DettagliGrazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof.
A01 178 Grazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof. S.M. Salamon per tanti utili suggerimenti e
DettagliRichiami di algebra lineare e geometria di R n
Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore
DettagliISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R
ISTITUZIONI DI MATEMATICA I (prof MPCavaliere) SPAZI VETTORIALI SU R Abbiamo visto parlando dei numeri complessi che i punti P del piano possono essere determinati da coppie di numeri reali, se è dato
DettagliAppunti di Algebra Lineare e Matrici
Appunti di Algebra Lineare e Matrici Basilio Bona Dipartimento di Automatica e Informatica Politecnico di Torino Internal Report: DAUIN/BB-2003-09-01 Capitolo 1 Matrici e vettori Il lettore interessato
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
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:
DettagliProva scritta di Geometria 2 Prof. M. Boratynski
10/9/2008 Es. 1: Si consideri la forma bilineare simmetrica b su R 3 associata, rispetto alla base canonica {e 1, e 2, e 3 } alla matrice 3 2 1 A = 2 3 0. 1 0 1 1) Provare che (R 3, b) è uno spazio vettoriale
DettagliProdotto elemento per elemento, NON righe per colonne Unione: M R S
Relazioni binarie Una relazione binaria può essere rappresentata con un grafo o con una matrice di incidenza. Date due relazioni R, S A 1 A 2, la matrice di incidenza a seguito di varie operazioni si può
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
DettagliUNIVERSITÀ DEGLI STUDI DI FERRARA
UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso
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 "!$%!
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
DettagliAppunti dalle lezioni di Calcolo Numerico
Appunti dalle lezioni di Calcolo Numerico A.A. 2012/2013 ii Indice 1 La soluzione di equazioni nonlineari 1 1.1 Prime prove................................ 2 1.2 Lo schema delle iterazioni successive (o
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.
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
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
DettagliSyllabus: argomenti di Matematica delle prove di valutazione
Syllabus: argomenti di Matematica delle prove di valutazione abcdef... ABC (senza calcolatrici, senza palmari, senza telefonini... ) Gli Argomenti A. Numeri frazioni e numeri decimali massimo comun divisore,
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
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
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)
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
DettagliForme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :
Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:
DettagliFacoltà di Ingegneria anno accademico 2007/08 Registro dell'attività didattica. Calcolo 2 [40214]
Facoltà di Ingegneria anno accademico 2007/08 Registro dell'attività didattica Calcolo 2 [40214] Attività didattica: Attività didattica [codice] Corso di studio Facoltà Calcolo 2 [40214] Ingegneria delle
DettagliPARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni)
PARTE TERZA STATISTICA DESCRITTIVA MULTIDIMESIOALE (Analisi delle Relazioni) La notazione matriciale 3 III.. LA OTAZIOE MATRICIALE III... L analisi statistica dei fenomeni multivariati L intrinseca complessità
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
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
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.
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
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
Dettagli1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.
Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,
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
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
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
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
DettagliAppunti per il Corso di Fondamenti di Algebra Lineare e Geometria
Appunti per il Corso di Fondamenti di Algebra Lineare e Geometria Marco A Garuti 4 giugno 9 Questi appunti integrano il testo adottato per il corso (Cantarini - Chiarellotto - Fiorot, Un corso di Matematica,
DettagliEsercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x
FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1
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
DettagliAnalisi Matematica di circuiti elettrici
Analisi Matematica di circuiti elettrici Eserciziario A cura del Prof. Marco Chirizzi 2011/2012 Cap.5 Numeri complessi 5.1 Definizione di numero complesso Si definisce numero complesso un numero scritto
DettagliNote sull uso di R per l Algebra Lineare
Note sull uso di R per l Algebra Lineare Sommario Introduzione Alcuni comandi elementari di R Creazione di matrici e vettori e accesso ai loro elementi Alcuni particolari tipi di matrice Operazioni con
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,
DettagliTECNICHE DI CONTROLLO
TECNICHE DI CONTROLLO Richiami di Teoria dei Sistemi Dott. Ing. SIMANI SILVIO con supporto del Dott. Ing. BONFE MARCELLO Sistemi e Modelli Concetto di Sistema Sistema: insieme, artificialmente isolato
Dettagli7 Esercizi e complementi di Elettrotecnica per allievi non elettrici. Circuiti elementari
7 Esercizi e complementi di Elettrotecnica per allievi non elettrici Circuiti elementari Gli esercizi proposti in questa sezione hanno lo scopo di introdurre l allievo ad alcune tecniche, semplici e fondamentali,
DettagliUNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali ALGEBRA II UNITÀ. M. Chiara Tamburini
UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali ALGEBRA II UNITÀ M Chiara Tamburini Anno Accademico 2009/2010 Indice I Omomorfismi fra anelli 1 1 Ideali 1 2 Anelli
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta
DettagliCorrado Zanella. Modelli Geometrici. applicabili in Meccanica dei Solidi, Robotica, Visione Computazionale
Corrado Zanella Modelli Geometrici applicabili in Meccanica dei Solidi, Robotica, Visione Computazionale ii Versione del 23 settembre 2010 www.corradozanella.it Questo lavoro è diffuso sotto licenza Creative
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
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
Dettaglisezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche.
sezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche. Potenze e percentuali Sezione 0.3: Disuguaglianze Sezione
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
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
DettagliI numeri complessi. Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli
I numeri complessi Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli 1 Introduzione Studiare i numeri complessi può sembrare inutile ed avulso dalla realtà;
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
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliNOTA 3. VETTORI LIBERI e VETTORI APPLICATI. Negli esempi visti sono stati considerati due tipi di vettori :
NOTA 1 VETTOI LIBEI e VETTOI APPLICATI Negli esempi visti sono stati considerati due tipi di vettori : 1) Vettori liberi, quando non è specificato il punto di applicazione. Di conseguenza ad uno stesso
Dettagli