Esercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =
|
|
- Fabrizio Gigli
- 7 anni fa
- Visualizzazioni
Transcript
1 Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice A = mediante la fattorizzazione P A = LU. 3. Risolvere i quattro sistemi lineari del secondo esercizio della Esercitazione 5 dell otto Aprile con la fattorizzazione P A = LU.. Determinare la fattorizzazione P A = LU della matrice 2 A = 2 ed usarla per calcolare det(a) e A. 5. Calcolare nel modo computazionalmente più conveniente l inversa della matrice A di dimensione i cui elementi sono definiti da { i = oppure j = a ij = a i j + a ij i j >. Spiegare i motivi della scelta dell algoritmo. 6. Determinare la fattorizzazione P A = LU della matrice dell esercizio uno ed utilizzarla per risolvere il sistema lineare Ax = b con b = (3 2a + 2) T. Specificare per quali valori del parametro reale a il sistema è risolubile.
2 Soluzioni Esercizio Per calcolare la fattorizzazione LU della matrice A è necessario che det(a) : a 3a 2 a 2a a a 2 = a 2 a 2a a 2 3a 2a a 2 + 3a 2 a a a = a[2(2 a) 2a 2 ] (6a + 2a 2 ) + [3a 2 + a(2 a)] = 2a 2 (a + ). Pertanto ha senso calcolare la fattorizzazione LU della matrice A per tutti gli a reali diversi da e. Per fattorizzare la matrice data si applica prima l algoritmo di Gauss: 3 a 3a 2 a 2a a a 2 = a (a + ) 2a 3 a + 3 a (a + ) 2a 3 a + 3 a (a + ) 2a 3 2a a 2 a 3 2a 3 a ; a (a + ) 2a a 3 Quindi si ha (si veda Esercizio 5 della Esercitazione dell otto Aprile): a L = 3 U = (a + ) 2a 3. 2a. = IL determinante della matrice A è dato dal prodotto degli elementi diagonali di U (si veda Esercizio 5 della Esercitazione dell otto Aprile): det(a) = 2a 2 (a + ) ed è in accordo con quanto trovato sopra. 2
3 Esercizio 2 E possibile mostrare (paragrafo.3.3 del testo) che l algoritmo di Gauss con pivoting di colonna può essere rappresentato nella forma P A = LU dove P è la matrice permutazione ed è data dal prodotto da destra verso sinistra dei vari scambi effettuati durante l algoritmo. Per i dettagli si veda il testo paragrafo.3.3 Matrici elementari di Gauss. Nel caso della fattorizzazione A = LU non si effettua alcuna permutazione e sappiamo dall algoritmo di Gauss che il generico passo di eliminazione k- esimo è ottenuto moltiplicando la matrice A (k) per una particolare matrice elementare della forma M k = I m k e T k dove m k = ( m k+ k m k+2 k... m n k ) T sono i moltiplicatori. Per esempio con n = 5 e k = 2 si ha: M 2 = ( ) = m 2 m 5 2 m 3 2 m 2 m 5 2 Facendo agire la matrice M 2 su A (2) si ha: m 3 2 m 2 m 5 2 a () a () 2 a () 3 a () a () 5 a (2) 22 a (2) 23 a (2) 2 a (2) 25 a (2) 32 m 3 2 a (2) 22 a (3) 33 a (3) 3 a (3) 35 a (2) 2 m 2 a (2) 22 a (3) 3 a (3) a (3) 5 a (2) 52 m 5 2 a (2) 22 a (3) 53 a (3) 5 a (3) 55 m 3 2 m 2 m 5 2 a () a () 2 a () 3 a () a () 5 a (2) 22 a (2) 23 a (2) 2 a (2) 25 a (2) 32 a (2) 33 a (2) 3 a (2) 35 a (2) 2 a (2) 3 a (2) a (2) 5 a (2) 52 a (2) 53 a (2) 5 a (2) 55 3 = = a () a () 2 a () 3 a () a () 5 a (2) 22 a (2) 23 a (2) 2 a (2) 25 a (3) 33 a (3) 3 a (3) 35 a (3) 3 a (3) a (3) 5 a (3) 53 a (3) 5 a (3) 55.
4 perché m ik = a (k) basta fare: ik /a(k) kk. Pertanto per ottenere la matrice trinagolare superiore M n M n 2... M 2 M A = U da cui si ottiene A = LU con L = (M n M n 2... M 2 M ). Nel caso più generale di Gauss con pivoting si ha: da cui P A = LU con M n P n M n 2 P n 2... M 2 P 2 M P A = U () L = P (M n P n M n 2 P n 2... M 2 P 2 M P ) (2) matrice triangolare inferiore e P = P n P n 2... P 2 P. (per i dettagli si veda il libro di testo). Quindi per risolvere questo esercizio occorre fare la fattorizzazione della matrice A usando Gauss+pivoting di colonna e tenere conto degli scambi fra righe effettuati. Si ha: non devo fare alcun scambio perché 2 = 2: /( 2) = / ( ) 7 ( )6 8 ( /2) ( /2) = Si vede facilmente che L = (M n M n 2... M 2 M ) è triangolare inferiore. ;
5 devo scambiare la seconda riga con la terza e procedere con l algoritmo: / ( /2)( ) ( /2)( ) ( ) 2 ( ) = /2 /2 3 la matrice è già triangolarizzata infatti anche procedendo con l algoritmo si ha: /2 / /2 /2 3 = /2 /2 3 E stato fatto uno scambio fra la seconda e terza riga quindi la matrice di permutazione P è data da: P = P 2 = mentre seguendo la regola relativa alla fattorizzazione LU le matrici L e U dovrebbero essere date da: 2 6 L = /2 U = 6 /2 /2 / ;
6 ma così facendo si ha che P A LU. Per fare i conti esatti e trovare una nuova regola pratica per individuare in fretta le matrici L e U nella fattorizzazione P A = LU occorre fare uso delle Eqs. () e (2). A questo scopo è utile usare le proprietà uno e due del paragrafo.3.3 Matrici elementari di Gauss del libro di testo:. M k = I + m k e T k 2. M k M k+r = I + m ke T k + m k+re T k+r. Quindi usando la 2 si ha: dove M = Quindi si ha 2 = L = P 3 P 2 P (M 3 P 3 M 2 P 2 M P ) = P 2 (M 3 M 2 P 2 M ) /2 /2 M 2 = /2 L = P 2 M P 2 M /2 /2 2 = M 3 = /2 /2 /2. che è identica alla matrice L che avremmo avuto se non ci fosse stato il pivoting a meno di uno scambio fra la prima seconda e terza riga nei moltiplicatori della prima colonna (sono i moltiplicatori che si ottengono al primo stadio dell algoritmo). Si devono scambiare i moltiplicatori della seconda e terza riga perchè P 2 scambia tra loro seconda e terza riga. Perciò come regola 2 Si noti che P 2 = P 2. 6
7 pratica nella fattorizzazione P A = LU la presenza di una matrice di permutazione P k allo stadio k-esimo dell algoritmo (che scambia la riga i-esima con la riga j-esima) conduce allo scambio del moltiplicatore i-esimo e j-esimo relativi allo stadio k -esimo dell algoritmo. In pratica è come se la matrice di permutazione P k agisse indirettamente sui moltiplicatori dello stadio k con k = 2 3 n (n dimensione della matrice di partenza). Pertanto se la matrice di permutazione è quella relativa al primo stadio dell algoritmo (P ) allora non ci sarà alcun cambiamento nell ordine dei moltiplicatori. Per trovare la matrice U facendo uso della () si ha: /2 U = M 3 P 3 M 2 P 2 M P A = M 2 P 2 M A = /2 = /2 / che è la matrice A (n) dell ultimo stadio dell algoritmo di Gauss con pivoting di colonna (esattamente come accade nella fattorizzazione LU senza pivoting). Per calcolare il determinante della matrice A prendo il determinante della equazione matriciale P A = LU: det(p A) = det(lu) det(p ) det(a) = det(l) det(u) = det(u) = j u jj. La matrice P non è altro che la matrice indentità le cui righe sono state scambiate #(P ) volte e pertanto det(p ) = ( ) #(P ) visto che il determinate di una matrice cambia segno se vengono scambiate due sue righe (o colonne). Si ha allora ( ) #(P ) det(a) = u jj j da cui (moltiplicando per ( ) #(P ) ambo i membri) si ha det(a) = ( ) #(P ) j u jj. 7
8 Di conseguenza per la matrice data dall asercizio si ottiene: det(a) = ( )( 2)( 6)( )(3) = 8. 2 Esercizio 3 Si sa (si veda il libro di testo paragrafi.3.2 e.3.3) che il metodo di Gauss con pivoting di colonna equivale alla fattorizzazione P A = LU. Pertanto per risolvere un sistema lineare Ax = b con la fattorizzazione P A = LU come prima cosa occorre applicare Gauss più pivoting di colonna per trovare le matrici P L e U (occorre cioè fattorizzare la matrice A del sistema) e poi si ha: Ax = b P Ax = P b LUx = P b { Ly = P b Ux = y occorre perciò risolvere due sistemi triangolari. I sistemi lineari da risolvere sono quelli del secondo esercizio della scorsa esercitazione: x 2x 2 + x 3 = 3 5x + x 2 + 2x 3 = 29 3x x 2 + x 3 = x + x 2 + 2x 3 + 3x = 3x x 2 x 3 2x = 2x + 3x 2 x 3 x = 6 x + 2x 2 + 3x 3 x = x + 2x 2 + 3x 3 x = 2x x 2 2x 3 3x = 8 3x + 2x 2 x 3 + 2x = 2x 3x 2 + 2x 3 + x = 8 x + x 2 + x 3 + x = x 2 + 3x = 5 2x + 5x = x + 2x 2 + 3x 3 x = e quindi occorre sfruttare la fattorizzazione P A = LU fatta (in parte) nella esercitazione precedente. Primo Sistema Dall algoritmo di Gauss con pivoting di colonna si vede subito che la matrice P è data da: P = P = 8
9 perché nel corso dell algoritmo ho scambiato la prima con la seconda riga durante il primo stadio mentre le matrici L e U sono date da: 5 2 L = /5 U = /5 8/5 3/5 8/ 3/ dove nella matrice L non faccio alcun scambio visto che la matrice di permutazione è P. Per risolvere il sistema lineare occorre risolvere la coppia di sistemi triangolari: { Ly = P b. Ux = y Il triangolare inferiore è: /5 3/5 8/ y y 2 y y = 29 y 2 = 3 29/5 = 26/5 y 3 = 3/5(29) 8/(26/5) = 283/. Il sistema triangolare superiore è: 5 2 /5 8/5 3/ x x 2 x /5 283/ x 3 = 283/3 x 2 = 5/[26/5 8/5(283/3)] = 8/3 x = /5[29 8/3 2(283/3)] = 5/3 che è in accordo con la soluzione ottenuta nella scorsa esercitazione. 9
10 Secondo Sistema Dalla precedente esercitazione si ha: P = P 2 P = perché nel corso dell algoritmo sono state scambiate la prima e la terza riga al primo stadio e la seconda e la quarta riga al secondo stadio. Le matrici L e U sono date da: L = 2/3 /3 /3 2/3 7/3 2/3 U = /3 8/3 /3 5/3 62/3 22/3 dove nella matrice L ho dovuto scambiare l 2 con l per via di P 2 (che scambia la seconda riga con la quarta riga). Si noti che l 2 = l = 2/3 e quindi in questo caso la matrice L è la stessa che si otterrebbe con la fattorizzazione LU senza pivoting. Il sistema triangolare inferiore da risolvere è: 2/3 /3 /3 2/3 7/3 2/3 y y 2 y 3 y y = y 2 = 8 (2/3) = 32/3 y 3 = (/3)() ( /3)( 32/3) = 7/3 y = 8 (2/3) (7/3)( 32/3) ( 2/3)(7/3) = /3 e il triangolare superiore diventa: /3 8/3 /3 5/3 62/3 22/3 x x 2 x 3 x 32/3 7/3 /3
11 con soluzione x = 2 x 3 = 3/5[7/3 ( 62/3)( 2)] = x 2 = 3/3[ 32/3 (8/3)( ) ( /3)( 2)] = 2 x = /3[ 2(2) ( )( ) 2( 2)] = in accordo con la soluzione trovata nella precedente esercitazione. Terzo Sistema Dalla precedente esercitazione si ha: P = P 3 P 2 P = Se si fosse trattatto di una fattorizzazione LU senza pivoting di colonna la matrice L sarebbe stata: L = /3 2/3 / /3 7/ 9/3 ma per la presenza di P 2 devo scambiare l 2 con l 3 e per via di P 3 devo scambiare l 32 con l 2 : L = 2/3 /3 7/. /3 / 9/3. La matrice U è: U = 3 2 /3 /3 /3 39/ 6/ 5/3.
12 Pertanto il sistema triangolare inferiore è: y 2/3 y 2 /3 7/ y 3 /3 / 9/3 y 6 y = y 2 = 6 2/3( ) = /3 y 3 = (/3)( ) (7/)( /3) = 6/ y = (/3)( ) (/)( /3) (9/3)( 6/) = 5/3 e il triangolare superiore diventa: 3 2 /3 /3 /3 39/ 6/ 5/3 x x 2 x 3 x /3 6/ 5/3 con soluzione x = x 3 = /39[ 6/ ( 6/)()] = x 2 = 3/[ /3 ( /3)() (/3)()] = x = /3[ ( )( ) ( )() ( 2)()] = in accordo con la soluzione trovata nella precedente esercitazione. Quarto Sistema Dalla precedente esercitazione si ha: P = P 3 P = Se si fosse trattatto di una fattorizzazione LU senza pivoting di colonna la matrice L sarebbe stata: L = /2 / /2 /2 /3 2 6.
13 ma per la presenza di P 3 devo scambiare l 32 con l 2 mentre la presenza di P non conduce ad alcun scambio: L = /2 /2 /2 / /3 La matrice U è: U = /2. Pertanto il sistema triangolare inferiore è: y y 2 /2 /2 y 3 /2 / /3 y 5 5 y = y 2 = 5 y 3 = (/2)() (/2)(5) = 7/2 y = (/2)() (/)(5) (/3)( 7/2) = 25/2 e il triangolare superiore diventa: /2 x x 2 x 3 x 5 7/2 25/2 con soluzione x = 25/7 x 3 = /3[ 7/2 ( 5)(25/7)] = 67/ x 2 = /[5 (3)(25/7)] = /7 x = /2[ (5)(25/7)] = 97/ in accordo con la soluzione trovata nella precedente esercitazione. 3
14 Esercizio Per fare questo esercizio occorre applicare l algoritmo di Gauss con pivoting di colonna alla matrice A. Prima controlliamo se la matrice è non singolare (condizione richiesta per poter applicare l algoritmo): det(a) = ( 8 8) = 6 dove è stata usata la regola di Laplace rispetto alla seconda riga. Possiamo ora procedere con l algoritmo visto che la matrice A è invertibile: 2 2 ( 2) 2 2 ( 2) = 2 2 faccio lo scambio fra la seconda e terza riga (pivoting di colonna) e procedo con l algoritmo: 2 2 = 2/ = /2 2 (/2)() Pertanto P = P 2 = 2 L = ;. /2 U = 2 dove per via della matrice P 2 in L ho scambiato l 2 e l 3 ma essendo entrambi uguali ad uno si ha che L è la stessa matrice che si ottiene considerando la sola fattorizzazione LU senza pivoting. Il determinante della matrice A è dato da det(a) = ( ) #P u u 22 u 33 = ( )()()( ) = 6
15 come ci aspettavamo. Per calcolare l inversa devo risolvere tre coppie di sistemi triangolari (si veda l esercizio cinque della Esercitazione dell otto Aprile): { Lyi = P e i i = 2 3. Ux i = y i Prima coppia. { Ly = P e Ux = y il sistema triangolare inferiore è: y y 2 /2 y 3 y = y 2 = y 3 = (/2)( ) = /2. Il triangolare superiore diventa: 2 x x 2 x 3 /2 x 3 = /8 x 2 = /[ (/8)] = / x = ( 2)( /) ()(/8) = che rappresenta la prima colonna della matrice A. Seconda coppia. { Ly2 = P e 2 Ux 2 = y 2 5
16 il sistema triangolare inferiore è: y2 y2 2 /2 y2 3 y 2 = y 2 2 = y 3 2 = Il triangolare superiore diventa: 2 x 2 x 2 2 x 3 2. x 3 2 = / x 2 2 = x 2 = ( /) = che rappresenta la seconda colonna della matrice A. Terza coppia. { Ly3 = P e 3 Ux 3 = y 3 il sistema triangolare inferiore è: y3 y3 2 /2 y3 3 y 3 = y 2 3 = y 3 3 = /2. 6
17 Il triangolare superiore diventa: 2 x 3 x 2 3 x 3 3 /2 x 3 3 = /8 x 2 3 = / x 3 = ( 2)(/) (/8) = che rappresenta la terza colonna della matrice A. Pertanto la matrice inversa è: A = / / /8 / /8 Esercizio 5 La matrice A ha le seguenti entrate: A = L algoritmo computazionalmente più conveniente (fra quelli visti) per calcolare A è la fattorizzazione LU in quanto il calcolo della inversa con la matrice cofattore possiede una complessità computazionale superiore ad n! mentre il calcolo dell inversa con l algoritmo di Gauss ha una complessità computazionale che va come O(n 3 ) (si veda il paragrafo.3.2 del testo per dettagli). Quindi occorre fattorizzare la matrice A con l algoritmo di Gauss senza pivoting e poi risolvere quattro coppie di sistemi triangolari per calcolare l inversa. Si ha:
18 Pertanto L = = = = U = ; ; dove A = LU. Adesso per calcolare l inversa occorre risolvere quattro coppie di sistemi triangolari: { Lyi = e i Ux i = y i i =
19 Prima coppia. { Ly = e Ux = y il sistema triangolare inferiore è: y y 2 y 3 y y = y 2 = y 3 = y = Il triangolare superiore diventa: x x 2 x 3 x. x = x 3 = 3( ) = x 2 = 2() 3( ) = 6 x = ( ) ( 6) = che rappresenta la prima colonna della matrice A. Seconda coppia. { Ly2 = e 2 Ux 2 = y 2 9
20 il sistema triangolare inferiore è: y 2 y 2 2 y 3 2 y 2 y 2 = y 2 2 = y 3 2 = 2 y 2 = 3() 3( 2) = 3. Il triangolare superiore diventa: x 2 x 2 2 x 3 2 x x 2 = 3 x 3 2 = 2 3(3) = x 2 2 = 2( ) 3(3) = x 2 = 3 + = 6 che rappresenta la seconda colonna della matrice A. Terza coppia. { Ly3 = e 3 Ux 3 = y 3 il sistema triangolare inferiore è: y 3 y 2 3 y 3 3 y 3
21 y 3 = y 2 3 = y 3 3 = y 3 = 3 Il triangolare superiore diventa: x 3 x 2 3 x 3 3 x 3. 3 x 3 = 3 x 3 3 = 3( 3) = x 2 3 = 2() 3( 3) = x 3 = 3 + = che rappresenta la terza colonna della matrice A. Quarta coppia. { Ly = e Ux = y il sistema triangolare inferiore è: y y 2 y 3 y y = y 2 = y 3 = y =. 2
22 Il triangolare superiore diventa: x x 2 x 3 x x = x 3 = 3 x 2 = 2( 3) 3() = 3 x = = che rappresenta la quarta colonna della matrice A. Pertanto la matrice inversa è: A = Esercizio 6 Dall esercizio uno già sappiamo che il sistema lineare Ax = b con A matrice quadrata ammette una e una sola soluzione (problema ben posto) quando il determinate della matrice A è diverso da zero e questo accade a R \ { }. Nell esercizio uno abbiamo fatto la fattorizzazione LU della matrice A. Adesso dobbiamo fare quella P A = LU. Si ha: a 3a 2 a 2a a a 2. occorre scambiare la prima e la seconda riga tra loro (pivoting di colonna): 3a 2 a 2a 3a 2 a 2a /3 a (2 a)/3 2a/3 /3 a a 2 a + (2 a)/ a/3 22
23 = 3a 2 a 2a ( + a)/3 (3 2a)/3 2(a + )/3 (6 + 2a)/3 scambio quindi la seconda con la terza riga e procedo con l algoritmo: 3a 2 a 2a 3a 2 a 2a 2(a + )/3 (6 + 2a)/3 2(a + )/3 (6 + 2a)/3 /2 ( + a)/3 (3 2a)/3 (6 a 6 2a)/6 Pertanto si ha: L = = P = P 2 P = /3 /3 /2 3a 2 a 2a 2(a + )/3 (6 + 2a)/3 a U = ;. 3a 2 a 2a 2(a + )/3 (6 + 2a)/3 a dove P A = LU. Per risolvere il sistema lineare Ax = b con b = (3 2a + 2) T si devono risolvere due sistemi triangolari: { Ly = P b. Ux = y Il sistema triangolare inferiore è: y /3 y 2 /3 /2 y 3 3 2a + 2 2a y = y 2 = 2a /3 = 2a + /3 y 3 = 3 /3 a 5/3 = a. 23
24 Mentre il sistema triangolare superiore è: 3a 2 a 2a x 2(a + )/3 (6 + 2a)/3 x 2 a x 3 2a + /3 a (6a + )/3 a x 3 = x 2 = 3/[2(a + )][(6a + )/3 (6 + 2a)/3] = 2 x = /3a[ (2 a)2 2a] = che è la soluzione del sistema lineare di partenza. 2
Corso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliEsercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =
Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliGeometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
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
DettagliDecomposizione LU di una matrice quadrata
Appendice al Cap. 5 Decomposizione LU di una matrice quadrata Una qualunque matrice quadrata M = {m ij } di ordine N, reale, invertibile, i cui minori principali siano tutti non nulli, si può sempre decomporre
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliEsercitazione 5: Sistemi a risoluzione immediata.
Esercitazione 5: Sistemi a risoluzione immediata. Ipotesi: Supponiamo le matrici non singolari. Nota: Per verificare che si ha risolto correttamente il sistema lineare Ax = b basta calcolare la norma del
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliPer esempio, una matrice 4 4 triangolare alta ha la forma. 0 a. mentre una matrice di ordine 4 triangolare bassa è del tipo
Matrici triangolari Prima di esporre il metodo LU per la risoluzione di sistemi lineari, introduciamo la nozione di matrice triangolare Ci limiteremo al caso di matrici quadrate anche se l estensione a
DettagliDeterminanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici
Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliAltre trasformazioni elementari
Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliEsercizi svolti sui sistemi lineari
Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: t x + (t 1)y + z = 1 (t 1)y + t z = 1 2 x + z = 5 Soluzione. Il determinante della matrice dei coefficienti è t t 1
DettagliEsercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare
Dettagli1 Risoluzione di sistemi lineari
Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliPOTENZE DI MATRICI QUADRATE
POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliMotivazioni. Sistemi lineari. Obiettivo. Il problema
Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime
DettagliRISOLUZIONE DI SISTEMI LINEARI
RISOLUZIONE DI SISTEMI LINEARI Algebra lineare numerica 1 La risoluzione di un sistema lineare è il nucleo principale del processo di risoluzione di circa il 70% di tutti i problemi reali Per la risoluzione
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliAnno 4 Matrice inversa
Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere
DettagliInversa. Inversa. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliMatrici di permutazione
Matrici di permutazione Si dice matrice di permutazione elementare una matrice ottenuta dall identità scambiando due righe i e j o due colonne i e j. P ij =...... P ij ha come effetto di scambiare le righe
DettagliEsercitazione di Matematica su matrici e sistemi lineari
Esercitazione di Matematica su matrici e sistemi lineari Notazioni: deta, A T =trasposta di A, A 1 =inversa di A. 1. Si considerino le matrici A, B, C, D denite da 1 0 5 1 A = 0, B = 0 0, C = 0 1 0 6 1
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
Dettagli2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:
Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante
DettagliCorso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani
Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliMatrici elementari e fattorizzazioni
Matrici elementari e fattorizzazioni Dario A Bini, Università di Pisa 19 ottobre 2015 Sommario Questo modulo didattico introduce ed analizza la classe delle matrici elementari Tale classe verrà usata per
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliRIDUZIONE E RANGO , C = 2 5 1
MATRICI E SISTEMI RIDUZIONE E RANGO Riduzione di matrici (definizioni, trasformazioni elementari). Calcolo del rango e dell inversa (metodo di Gauss, metodo di Gauss-Jordan). 3 4 Esercizio Ridurre per
Dettagli1 se k = r i. 0 altrimenti. = E ij (c)
Facoltà di Scienze Statistiche, Algebra Lineare A, G.Parmeggiani LEZIONE 5 Matrici elementari e loro inverse Si fissi m un numero naturale. Per ogni i, j m con i j siano E ij (c) (ove c è uno scalare )
DettagliMotivazione: Come si fa? Matrici simmetriche. Fattorizzazioni di matrici speciali
Motivazione: Fattorizzazioni di matrici speciali Diminuire la complessità computazionale = evitare operazioni inutili = risparmiare tempo di calcolo Diminuire l occupazione di memoria Come si fa? Si tiene
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliMatrici. Matrici.h Definizione dei tipi. Un po di esercizi sulle matrici Semplici. Media difficoltà. Difficili
Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo del determinante Difficili Soluzione di sistemi lineari È veramente difficile? 1 Matrici.h
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliALGEBRA LINEARE PARTE II
DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI
DettagliFattorizzazione LU ed eliminazione gaussiana
Fattorizzazione LU ed eliminazione gaussiana Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 3 maggio 2015 Alvise Sommariva Fattorizzazione LU ed eliminazione gaussiana 1/
DettagliGiuseppe Accascina. Note del corso di Geometria e Algebra
Giuseppe Accascina Note del corso di Geometria e Algebra Corso di Laurea Specialistica in Ingegneria Gestionale Anno Accademico 26-27 ii Istruzioni per l uso Faremo spesso riferimento a ciò che è stato
Dettagli08 - Matrici, Determinante e Rango
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliUna Libreria di Algebra Lineare per il Calcolo Scientifico
Una Libreria di Algebra Lineare per il Calcolo Scientifico Introduzione Il Lavoro di Tesi Introduzione al Metodo Ridurre l Occupazione di Memoria Metodo di Memorizzazione degli Elementi Risultati Attesi
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
DettagliESERCITAZIONE CON EXCEL SULLE MATRICI
ESERCITAZIONE CON EXCEL SULLE MATRICI PROBLEMA 1 commutativa. 2 1 0 e 1 2 4 B = 3 1 2, verificare che la loro somma è Per poter risolvere il problema proposto, è necessario predisporre le matrici sul foglio
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliPrendiamo in considerazione la matrice tridiagonale
Questi esercizi sono il completamento di quelli sui sistemi lineari già a disposizione. Ogni esercizio proposto può fare riferimento a qualcuno di questi. In ogni caso sono riportati tutti i dati essenziali
DettagliUn sistema lineare si rappresenta in generale come
SISTEMI LINEARI Un sistema lineare si rappresenta in generale come n j=1 a ij x j = b i i = 1, 2,..., m o anche AX = B. La soluzione esiste se e solo se B appartiene allo spazio lineare generato dalle
DettagliDipendenza e indipendenza lineare
Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus
DettagliParte II: Eliminazione di Gauss
Matrici e sistemi lineari Richiamiamo rapidamente alcuni elementi essenziali di algebra lineare. Indicato con a ij (i indice di riga della tabella, j indice di colonna della tabella) il generico elemento
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio Esempio. Determinare le soluzioni del sistema lineare Ax = B, in cui 4 A = 6 6, B = Sol. Consideriamo la matrice aumentata C = 4 6 6 6 5 e
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento 3 Sistemi lineari I Un equazione nelle n incognite x,,x n della forma c x + + c n x n = b ove c,,c n sono numeri reali (detti coefficienti) eb è un numero reale (detto
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliEsercizi svolti sui sistemi lineari
Francesco Daddi - www.webalice.it/francesco.daddi Esercizi svolti sui sistemi lineari Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: tx+(t 1)y + z =1 (t 1)y + tz =1
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliLe matrici. A cura di Benedetta Noris, 17 aprile Cos è una matrice. 2 Rappresentazione di una matrice generica 2
Le matrici A cura di Benedetta Noris, 17 aprile 2012 benedetta.noris1@unimib.it Indice 1 Cos è una matrice 1 2 Rappresentazione di una matrice generica 2 3 Somma di matrici e prodotto di una matrice per
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliMatematica II,
Matematica II,.05.04 Diamo qui la nozione di determinante di una matrice quadrata, le sue prime proprieta, e ne deriviamo una caratterizzazione delle matrici non singolari e una formula per l inversa di
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
DettagliRaccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia
Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia Nota Bene: Gli esercizi di questa raccolta sono solo degli esempi. Non sono stati svolti né verificati e servono unicamente da spunto
Dettagli1) Hamming bound, coset, codici equivalenti
Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliINTRODUZIONE A MATLAB
INTRODUZIONE A MATLAB M.R. Russo Università degli Studi di Padova Dipartimento di Matematica Pura ed Applicata A.A. 2008/2009 INDICE Sistemi lineari Casi particolari Eliminazione di Gauss Fattorizzazione
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliInversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
DettagliMATRICI. 1. Esercizi
MATICI Esercizio Siano A = 0, B = Esercizi 2, C = 0 2 2 Calcolare: a2a B; b3a + 2B 4C; c 2A + B + 2C 2B; d3b + 2(2A C (A + B + 2C isolvere, se possibile: ( 3X + 2(A X + B + 2(C + 2X = 0; (2 4A + 2(B +
DettagliLe equazioni e i sistemi di primo grado
Le equazioni e i sistemi di primo grado prof. Roberto Boggiani Isiss Marco Minghetti 1 settembre 009 Sommario In questo documento verrà trattato in modo semplice e facilmente comprensibile la teoria delle
DettagliDef. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe
Dettagli