Matrici delle differenze finite
|
|
- Norberto Simonetti
- 5 anni fa
- Visualizzazioni
Transcript
1 Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze finite per la risoluzione di problemi differenziali. In modo particolare si introducono le matrici irriducibili e le M matrici. 8.1 Matrici a diagonale dominante Si riporta la definizione di matrice a diagonale dominante per righe o per colonne. Una matrice A, m n, a coefficienti reali o complessi, si dice diagonale dominante per righe se: n a ii a ij i = 1,..., m j=1 j i per colonne se: m a jj a ij j = 1,..., n i=1i j Si dice strettamente diagonale dominante per righe o per colonne se la disuguaglianza nella definizione vale con il segno di >. 8.2 Matrici definite positive Una matrice A R n n si dice simmetrica e definita positiva se è simmetrica e se per ogni vettore x R n, con x 0, si ha x T Ax > 0 Se x T Ax 0 per ogni vettore x 0, allora la matrice A si dice simmetrica semidefinita positiva. In modo analogo si definiscono matrice definite e semidefinite negative. È possibile fornire una definizione di matrice definita (o semidefinita) positiva (o negativa) anche se la matrice non è simmetrica. Si fornisce innanzitutto la definizione di matrice antisimmetrica. Una matrice A a coefficienti reali si definisce antisimmetrica se A = A T 111
2 112 CAPITOLO 8. MATRICI DELLE DIFFERENZE FINITE Si può provare che una matrice antisimmetrica ha autovalori nulli o puramente immaginari. Si definiscono con A s e A a la parte simmetrica e la parte antisimmetrica di una matrice A rispettivamente: A s = 1 2 (A + AT ) A a = 1 2 (A AT ) allora, ogni matrice A equivale alla somma della sua parte simmetrica e della sua parte antisimmetrica A = A s + A a Possiamo ora dare la seguente definizione. Una matrice, non necessariamente simmetrica, è definita positiva se lo è la sua parte simmetrica. 1 In modo analogo una matrice non simmetrica è definita negativa o semidefinita (positiva o negativa) se tale è la sua parte simmetrica. Se A R n n è una matrice definita positiva (negativa) allora: gli elementi diagonali di A sono positivi (negativi), i.e., a ii > 0 (a ii < 0), i = 1,..., n. Per quanto concerne gli autovalori di una matrice definita o semidefinita A R n n si hanno i risultati: Se A è definita positiva (negativa), allora i suoi autovalori sono positivi (negativi); Se A è semidefinita positiva (negativa), allora i suoi autovalori sono non negativi (non positivi). Inoltre se A R n n è una matrice simmetrica vale che: A è una matrice definita positiva (negativa) se e solo se i suoi autovalori sono positivi (negativi); 2 A è una matrice semidefinita positiva (negativa) se e solo se i suoi autovalori sono non negativi (non positivi). 8.3 Matrici irriducibili Definizione Si riporta ora la definizione di riducibilità di una matrice a coefficienti reali o complessi. 1 Infatti: x T Ax = x T A s x + x T A a x = x T A s x ( ) x T (A A T )x = x T A sx xt (Ax) 1 2 (Ax)T x = x T A sx 2 Si prova il caso di definita positività. Se ogni autovalore λ i, i = 1,..., n, della matrice simmetrica A R n n è positivo e Q T ΛQ = A è la diagonalizzazione di A (Q è una matrice ortogonale avente per colonne gli autovettori di A e Λ è la matrice diagonale con elementi diagonali uguali agli autovalori di A) si ha per ogni vettore x non nullo: dove y = Qx. n x T Ax = x T Q T ΛQx = y T Λy = λ i yi 2 > 0 i=1
3 8.3. MATRICI IRRIDUCIBILI 113 Una matrice A, n n, si dice riducibile se esiste una matrice P di permutazione tale che ( ) P AP T B11 B = 12 0 B 22 con B 11 e B 22 sottomatrici quadrate. Una matrice A, n n, si dice irriducibile se non è riducibile. Come si vede dalla definizione non è immediato comprendere se una matrice è irriducibile o meno. Chiaramente se una matrice ha tutti i suoi elementi diversi da zero allora è irriducibile. Per fornire una caratterizzazione delle matrici irriducibili è utile introdurre una interpretazione geometrica del concetto di irriducibilità per mezzo della teoria dei grafi. Si richiamano brevemente alcune elementari nozioni della teoria dei grafi (König, 1936). Teoria dei grafi e matrici irriducibili Definizione. Un grafo è una struttura matematica G = (V, E) costituita da un insieme finito V di n (n 1) vertici o nodi e da un insieme finito E di m (m 0) lati o archi. Due vertici si dicono adiacenti se esiste un lato {u, v} in G, altrimenti u e v si dicono indipendenti. I lati {u, u} si chiamano anelli. Se nella definizione di grafo si considera che i lati siano costituiti da coppie non ordinate, ovvero {u, v} e {v, u} indicano la stessa coppia, il grafo si dice non orientato, altrimenti se il grafo è costituito da coppie ordinate, il grafo si dice orientato. È possibile associare un peso, in particolare un numero reale, ad ogni lato di un grafo, orientato o non orientato, in tal caso il grafo si dice pesato. Definizione. Un cammino in un grafo, orientato o non orientato, G = (V, E) da un vertice u 1 a un vertice u k è una successione finita di vertici (u 1, u 2,..., u k ) con la proprietà che (u i, u i+1 ) E per ogni i, 1 i k 1. Se nessun vertice (e quindi nessun lato) appare più di una volta in tale successione, il cammino si dice semplice. Un ciclo è un cammino con u k = u 1 e con u 1, u 2,..., u k 1 distinti tra loro. Definizione. Un grafo, orientato o non orientato, G = (V, E) si dice connesso se per ogni coppia di vertici u (origine) e v (destinazione) di G esiste un cammino da u a v che li unisce; diversamente il grafo si dice non connesso. Un grafo G = (V, E) con vertici v 1, v 2,..., v n si rappresenta con la matrice n n di adiacenza A = (a ij ) n i,j=1 dove { a ij = 1 se v i e v j sono adiacenti a ij = 0 se v i e v j non sono adiacenti se il grafo non è orientato, altrimenti { aij = 1 se esiste il lato (v i, v j ) a ij = 0 se non esiste il lato (v i, v j ) se il grafo è orientato. Se il grafo è pesato, nella definizione si sostituisce a ij = 1 con a ij = c ij, dove il numero c ij è il peso associato al lato (v i, v j ). Si nota che se il grafo non è orientato la matrice di adiacenza è simmetrica. Elementi non nulli sulla diagonale di A indicano la presenza di anelli, ovvero di archi che collegano un nodo con se stesso.
4 114 CAPITOLO 8. MATRICI DELLE DIFFERENZE FINITE Si osserva che, se consideriamo grafi non pesati, un elemento di coordinate (i, j) della matrice di adiacenza A uguale a uno, evidenzia che c è un lato, ovvero un cammino di lunghezza uno, che unisce il nodo i al nodo j, i j. Allora, la matrice A 2 = A A ha l elemento (i, j) uguale al numero dei cammini di lunghezza 2 tra i vertici i e j; ad esempio se a ij = 3, allora esistono tre cammini, formati ciascuno da due lati, con nodo origine i e nodo destinazione j. La matrice A 3 ha elementi uguali al numero dei cammini di lunghezza 3; A 4 ha per elementi il numero dei cammini di lunghezza 4, e così A 5,... La matrice A + A 2 + A 3 ha dunque elementi uguali al numero dei cammini di lunghezza al più 3. Se n è il numero dei vertici di un grafo, la matrice B = A + A 2 + A A n 1 ha elementi uguali al numero dei cammini di lunghezza al più n 1. Se la matrice B ha elementi tutti diversi da zero, allora il grafo è connesso. 3 Dunque, ad ogni matrice A, n n a coefficienti reali a ij si può associare un grafo orientato e pesato di n vertici. Vale allora il seguente risultato che relaziona matrici irriducibili e grafi connessi: 4 una matrice è irriducibile se e solo se il suo grafo orientato è connesso. Come immediata conseguenza del risultato si ha che una matrice A tridiagonale con elementi a ii 1 e a i 1i, i = 2,..., n diversi da zero è irriducibile. Matrici irriducibilmente diagonale dominante Una importante classe di matrici irriducibili è quella delle matrici irriducibilmente diagonale dominante. Una matrice A, n n, si dice irriducibilmente diagonale dominante se: è irriducibile; è diagonale dominante (per righe) ed esiste almeno un indice (di riga) per cui vale la dominanza diagonale in senso stretto. 3 Si è fatto uso del seguente teorema: Un grafo, orientato o non orientato, con n vertici, se due vertici sono connessi, ovvero esiste un cammino tra di essi, allora, esiste un cammino di lunghezza non superiore a n 1 tra essi. Dimostrazione. Supponiamo che esista un cammino tra i vertici v 1 e v k. Sia (v 1, v 2,..., v k ) la successione dei vertici che costituisce il cammino tra v 1 e v k. Se la lunghezza del cammino è l, allora esistono l + 1 vertici della successione. Per l > n 1, deve esistere un vertice v j che appare più di una volta nella successione; si ha cioè (v 1,..., v j,..., v j,..., v k ). Eliminando i lati che portano da v j a v j, si ha un cammino da v 1 e v k (con v j una volta sola) di lunghezza inferiore a quello originario. Questo procedimento si ripete finchè non si ha un cammino tra v 1 e v k di lunghezza inferiore a n 1. 4 Si veda p. 20 in Varga R.S.: Matrix Iterative Analysis, Prentice Hall, Englewood Cliffs NJ, 1962 (ripubblicato in una seconda edizione da Springer, Berlin 2000). nel seguito del capitolo riferito come Varga (1962).
5 8.4. TEOREMI DI LOCALIZZAZIONE DEGLI AUTOVALORI Teoremi di localizzazione degli autovalori In questo paragrafo si richiamano tre importanti teoremi di localizzazione degli autovalori. 5 Sia A C n n ; si definiscono i cerchi nel piano complesso (cerchi di Gerschgorin) di centro a ii e raggio r i = n j=1 j i a ij : K i = {z C : z a ii r i } Si hanno i seguenti risultati (Gerschgorin, 1931). 1. Primo teorema di Gerschgorin Gli autovalori di A sono tutti contenuti nell unione dei K i, i = 1,...n. 2. Secondo teorema di Gerschgorin Se l unione M 1 di k cerchi di Gerschgorin è disgiunta dall unione M 2 dei rimanenti n k cerchi, allora, k autovalori appartengono a M 1 e n k autovalori appartengono a M 2. Per matrici irriducibili si ha il seguente risultato (Taussky, 1948). 3. Se A è irriducibile ed un autovalore λ di A appartiene alla frontiera dell unione dei cerchi di Gerschgorin, allora ogni cerchio di Gerschgorin contiene l autovalore λ sulla sua frontiera. Ne discende che: Se A è una matrice simmetrica, allora i cerchi di Gerschgorin si riducono ad intervalli dell asse reale. Se A è una matrice a diagonale strettamente dominante, allora ha autovalori diversi da zero (A è non singolare); 6 se inoltre A ha elementi diagonali positivi, allora i suoi autovalori hanno parte reale positiva. Se A è una matrice irriducibilmente diagonale dominante, allora ha autovalori diversi da zero (A è non singolare); 7 se inoltre A ha elementi diagonali positivi, allora i suoi autovalori hanno parte reale positiva. 8.5 M matrici Nella classe delle matrici ad inversa non negativa (A 1 (Ostrowski, 1937) come segue. 8 0) si definiscono le M matrici 5 Per le dimostrazioni di questi teoremi si veda, ad esempio, 6.1 e 6.2 in Horn R.A., Johnson C.R.: Matrix Analysis, Cambridge University Press, Cambridge, I cerchi di Gerschgorin, o un unione di essi, per una matrice strettamente diagonale dominante non contengono l origine del piano complesso. 7 Per una matrice a dominanza diagonale la frontiera dei cerchi di Gerschgorin contiene l origine del piano complesso e dunque la matrice potrebbe avere un autovalore nullo; se la matrice è anche irriducibile, un autovalore λ appartenente alla frontiera di un cerchio di Gerschgorin deve appartenere anche alle frontiere di tutti gli altri cerchi, ovvero λ è un punto di intersezione delle frontiere. Se per la matrice A, irriducibile, vale che a ii = n j=1 a j i ij per ogni indice i, i = 1,..., n, allora A può essere singolare in quanto l origine appartiene alla frontiera di tutti i cerchi di Gerschgorin e dunque può essere un autovalore; se la matrice A è irriducibilmente diagonale dominante, esiste un indice r per cui a rr > n j=1 a j r rj, allora il cerchio di Gerschgorin K r non include l origine. L origine non può essere un autovalore. 8 Per le dimostrazioni dei risultati sulle M-matrici si veda 3.5 in Varga (1962) oppure 6.2 in Ortega J.M.: Numerical Analysis: A Second Course, Academic Press, New York, 1972 (ripubblicato da SIAM, Philadelphia, 1990). denotato con Ortega (1972).
6 116 CAPITOLO 8. MATRICI DELLE DIFFERENZE FINITE Una matrice A a coefficienti reali è una M matrice se A 1 0 e a ij 0 per i j. Poiché l inversa di una matrice non è esplicitamente nota, si richiamano alcune condizioni sufficienti perchè una matrice sia una M matrice (p. 110 in Ortega (1972)). Sia A R n n una matrice strettamente diagonale dominante con a ij 0, i j e a ii > 0, allora, A è una M matrice. Sia A R n n una matrice irriducibilmente diagonale dominante con a ij 0, i j e a ii > 0, allora, A è una M matrice. Infine si ha che (p. 109 in Ortega (1972)): 9 Una M matrice simmetrica A R n n positiva. è una matrice simmetrica e definita Si osserva che le M matrici sono particolari matrici a inversa non negativa che soddisfano una proprietà di monotonia. Infatti se si indica con x la soluzione di un sistema lineare Ax = b e con y la soluzione di un sistema lineare Ay = d con A M matrice e b d, allora b d 0 = A(x y) 0 = A 1 A(x y) 0 = x y 9 Altri importanti risultati sulle M matrici sono (pp in Ortega (1972)): Se A R n n soddisfa a ij 0, i j, allora A è una M matrice se e solo se a ii > 0, per i = 1,..., n; Sia A R n n una M matrice e D R n n una matrice diagonale non negativa; allora A + D è una M matrice e (A + D) 1 A 1.
Autovalori 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
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
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
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
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.
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
Dettagli5 DERIVATA. 5.1 Continuità
5 DERIVATA 5. Continuità Definizione 5. Sia < a < b < +, f : (a, b) R e c (a, b). Diciamo che f è continua in c se sono verificate le ue conizioni: (i) c esiste (ii) = f(c) c Si osservi che nella efinizione
DettagliIllustrazione 1: Telaio. Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali
Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali Materiale utilizzato: Telaio (carrucole,supporto,filo), pesi, goniometro o foglio con goniometro stampato, righello Premessa
DettagliMINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO
Sessione Ordinaria in America 4 MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO (Americhe) ESAMI DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 4 SECONDA PROVA SCRITTA
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
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
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
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
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,
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.
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
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
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
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
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,
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
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
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
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
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
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
DettagliProf. Ing. Michele Marra Appunti delle lezioni di Ricerca Operativa Teoria dei grafi
CAPITOLO III 3.1 Introduzione Nei paragrafi seguenti verranno introdotti gli strumenti di base connessi con la Pianificazione di un Sistema decisionale complesso: si inizierà con alcuni elementi fondamentali
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliPer formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.
3.7.4 Disuguaglianze valide forti Cerchiamo disuguaglianze valide forti, ovvero disuguaglianze valide che forniscano migliori formulazioni (più stringenti). Per formalizzare il concetto sono necessarie
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
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
Dettagli4. Proiezioni del piano e dello spazio
4. Proiezioni del piano e dello spazio La visualizzazione di oggetti tridimensionali richiede di ottenere una vista piana dell'oggetto. Questo avviene mediante una sequenza di operazioni. Innanzitutto,
DettagliSESSIONE ORDINARIA 2007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE
SESSIONE ORDINARIA 007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE PROBLEMA Si consideri la funzione f definita da f ( x) x, il cui grafico è la parabola.. Si trovi il luogo geometrico dei
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 alla programmazione lineare. Mauro Pagliacci
Introduzione alla programmazione lineare Mauro Pagliacci c Draft date 25 maggio 2010 Premessa In questo fascicolo sono riportati gli appunti dalle lezioni del corso di Elaborazioni automatica dei dati
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
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
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
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it MISURE DI DISTANZA E SIMILARITA 1 SCOPI DEL CALCOLO Problema: misurare la diversità (ovvero la rassomiglianza) tra
DettagliBarriere assorbenti nelle catene di Markov e una loro applicazione al web
Università degli studi di Roma Tre Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Matematica Sintesi relativa alla Tesi di Laurea in Matematica di Giulio Simeone Barriere assorbenti
Dettagli5.4 Solo titoli rischiosi
56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono
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
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
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
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,
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
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
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,
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,
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
DettagliMetodi Numerici per Equazioni Ellittiche
Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)
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
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)
DettagliEQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.
EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema
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
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
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
DettagliMassimi e minimi vincolati in R 2 - Esercizi svolti
Massimi e minimi vincolati in R 2 - Esercizi svolti Esercizio 1. Determinare i massimi e minimi assoluti della funzione f(x, y) = 2x + 3y vincolati alla curva di equazione x 4 + y 4 = 1. Esercizio 2. Determinare
DettagliGrafi. Il collegamento fra due nodi in un grafo rappresenta una relazione di adiacenza o di vicinanza tra essi
Lezione 6 Grafi Grafi Estensione di alberi e liste Il collegamento fra due nodi in un grafo rappresenta una relazione di adiacenza o di vicinanza tra essi Sono importanti, perché innumerevoli situazioni
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
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,
DettagliClassificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni
Classificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni Docente:Alessandra Cutrì Richiamo:Zeri di Funzioni olomorfe (o analitiche) Sia f : A C C A aperto connesso,
DettagliIGiochidiArchimede--Soluzionibiennio
PROGETTO OLIMPIDI DI MTEMTI U.M.I. UNIONE MTEMTI ITLIN MINISTERO DELL PULI ISTRUZIONE SUOL NORMLE SUPERIORE IGiochidirchimede--Soluzionibiennio 18 novembre 2009 Griglia delle risposte corrette Problema
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
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
DettagliProgramma precorso di matematica
Programma precorso di matematica a.a. 015/16 Quello che segue è il programma dettagliato del precorso. Si fa riferimento al testo [MPB] E. Acerbi, G. Buttazzo: Matematica Preuniversitaria di Base, Pitagora
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
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
DettagliKangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014
Kangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014 LIVELLO STUDENT K,M N CD BC A S1. (5 punti ) In figura si vede una circonferenza della quale i segmenti AB, BC e CD
DettagliStabilità di Lyapunov
Stabilità di Lyapunov Flaviano Battelli Dipartimento di Scienze Matematiche Università Politecnica delle Marche Ancona Introduzione. In queste note presentiamo i primi elementi della teoria della stabilità
DettagliModelli Dinamici per l Ingegneria Gestionale
dispense per il corso di Modelli Dinamici per l Ingegneria Gestionale Lorenzo Farina e Luca Benvenuti Dipartimento di Informatica e Sistemistica A. Ruberti Via Ariosto 25, 85 Roma Anno Accademico 2/2 dispense
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.
DettagliRappresentazioni alternative dell orientamento
Corso di Robotica 1 Rappresentazioni alternative dell orientamento (angoli di Eulero e roll-pitch-yaw) Trasformazioni omogenee Prof. lessandro De Luca Robotica 1 1 Rappresentazioni minimali matrici di
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
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
DettagliIl metodo delle coordinate: vantaggi e pericoli. (schema della lezione)
Il metodo delle coordinate: vantaggi e pericoli. (schema della lezione) Riferimenti: V. Villani, Cominciamo dal punto, 13. Quali sono i pregi di una trattazione della geometria per via analitica? E quali
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:
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
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
Dettagli+ t v. v 3. x = p + tv, t R. + t. 3 2 e passante per il punto p =
5. Rette e piani in R 3 ; sfere. In questo paragrafo studiamo le rette, i piani e le sfere in R 3. Ci sono due modi per desrivere piani e rette in R 3 : mediante equazioni artesiane oppure mediante equazioni
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
Dettagli1. RETI ELETTRICHE: REGIMI DI FUNZIONAMENTO
. RETI ELETTRICHE: REGIMI DI FUNZIONAMENTO Una rete elettrica presenta un insieme di correnti ed un insieme di tensioni elettriche. Il regime stazionario si verifica quando tutte le tensioni e tutte le
DettagliMatematica Finanziaria 11 luglio 2001
Matematica Finanziaria 11 luglio 2001 Prova Generale. ESERCIZIO 1: Algebra Lineare ² Enunciare il Teorema di Rouchè-Capelli. ² Dato il seguente sistema che descrive la dinamica del fatturato di due imprese
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
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
DettagliINTRODUZIONE A MATLAB Matrix Laboratory
INTRODUZIONE A MATLAB Matrix Laboratory Introduzione Linguaggio di programmazione per applicazioni scientifiche e numeriche Vasto set di funzioni predefininte Interprete di comandi Possibilità di scrivere
DettagliDefinizione DEFINIZIONE
Definizione Funzione reale di due variabili reali Indichiamo con R 2 l insieme di tutti i vettori bidimensionali. Dato un sottoinsiemed R 2, una funzione f: D R è una legge che assegna a ogni punto (x,
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliFondamenti di Automatica
Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei
DettagliLe sezioni coniche: parabole e circonferenze.
Le sezioni coniche: parabole e circonferenze. Copyright c 2008 Pasquale Terrecuso Tutti i diritti sono riservati. un pò di storia... 2 Menecmo...............................................................
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliProgramma definitivo Analisi Matematica 2 - a.a. 2005-06 Corso di Laurea Triennale in Ingegneria Civile (ICI)
1 Programma definitivo Analisi Matematica 2 - a.a. 2005-06 Corso di Laurea Triennale in Ingegneria Civile (ICI) Approssimazioni di Taylor BPS, Capitolo 5, pagine 256 268 Approssimazione lineare, il simbolo
DettagliCapitolo I STRUTTURE ALGEBRICHE ELEMENTARI
Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI In matematica, per semplificare la stesura di un testo, si fa ricorso ad un linguaggio specifico. In questo capitolo vengono fornite in maniera sintetica le nozioni
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
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
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
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
Dettagli