Si dimostra che queste funzioni godono delle proprietà delle norme (ossia sono norme).
|
|
- Agostina Foti
- 5 anni fa
- Visualizzazioni
Transcript
1 Norma di un vettore I Una norma vettoriale su R n è una funzione : R n R + {}, che associa ad ogni vettore x R n, di componenti x i, i = 1,..., n, uno scalare, in modo che valgano le seguenti proprietà: x per ogni x R n ; x = x = (se non vale tale proprietà si parla di seminorma); αx = α x α R e x R n ; x + y x + y (disuguaglianza triangolare). Segue che x y x y. In R n si definiscono le seguenti norme: n x 2 = i=1 x i 2 = x T x (norma euclidea) x = max i=1,n x i (norma uniforme o norma del massimo) x 1 = n i=1 x i Si dimostra che queste funzioni godono delle proprietà delle norme (ossia sono norme). V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 15 ] Norma di un vettore II In particolare per dimostrare la disuguaglianza triangolare per la norma euclidea è necessario dimostrare la disuguaglianza di Cauchy-Schwarz: x T y n x i y i x 2 y 2 i=1 Esempio. Se x = (1, 1, 2) T allora x 2 = 6, x 1 = 4 e x = 2. Le norme 1, 2 e sono casi particolari di norma p, definita in generale da: ( n ) 1/p x p = x i p i=1 p 1 Questo vale anche per la norma uniforme perché si ha max x i i=1,...,n ( n i=1 dunque x = max i=1,...,n x i. x i p ) 1/p n 1/p max i=1,...,n x i e n 1/p p 1 V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 151 ]
2 Norma di un vettore Si dice sfera unitaria di R n rispetto a una norma il seguente insieme: S = {x R n x 1} In R 2, la sfera unitaria rispetto alle norme 2,1 e sono le seguenti: 1 p=2 1 p=1 1.5 p= S è un insieme convesso, ossia se x, y S, anche αx + (1 α)y S, per α (, 1). Infatti αx + (1 α)y α x + (1 α) y 1 Inoltre si dice che la norma è una funzione strettamente convessa se x + y = x + y x = αy La norma euclidea è una funzione strettamente convessa, la norma 1 e non lo sono (si veda norma 1 con x = (, 1) T, y = (1, ) T, x + y = (1, 1) T ). La norma è una funzione uniformemente continua delle sue componenti. V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 152 ] Norma di un vettore Definizione. Due norme + e si dicono equivalenti se esistono costanti positive A e B tali che per ogni x: x + A x x B x + Proprietà. x x 2 n x x x 1 n x x 2 x 1 n x 2 Teorema. In uno spazio di dimensione finita, tutte le norme sono equivalenti. Dunque in R n, che ha dimensione n <, tutte le norme sono equivalenti. V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 153 ]
3 Convergenza di una successione di vettori Definizione. Una successione di vettori {x (k) } R n si dice che converge a un vettore x per k se esiste una norma per cui lim k x (k) x =. Questa definizione è ben posta poiché tutte le norme sono equivalenti. Dunque se in una norma vale che lim k x (k) x =, allora vale in qualunque norma. Inoltre, lim x (k) = x lim x (k) i k k = x i lim x (k) x = k i = 1,..., n Esempio. Sia x (k) = (1/k, 1, 1/k 2 ) T : allora lim k x (k) = (, 1, ) T. V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 154 ] Calcolo della norma di un vettore (in Matlab) f u n c t i o n [ y ] = normvett ( x, p ) % normvett Calcolo d e l l a norma d i un v e t t o r e ( 1, 2 o uniforme ) % Calcolo d e l l a norma p d i un v e t t o r e x nei t r e casi p = 1, 2, o i n f i n i t o % (N. B. : e s i s t e l a funzione p r e d e f i n i t a norm ) % SYNOPSIS : % [ y ] = normvett ( x, p ) % INPUT : % x ( double array ) i l v e t t o r e d i c u i c a l c o l a r e l a norma % p ( s c a l a r ) i l t i p o d i norma da c a l c o l a r e % se p = 1, norma 1 % se p = 2, norma 2 % se p = i n f, norma i n f i n i t o % OUTPUT: % y ( double ) l a norma c a l c o l a t a % i f ( isempty ( f i n d ( x ) ) ) y = ; else switch p case 1 y = sum( abs ( x ) ) ; case 2 t = max( abs ( x ) ) ; y = s q r t ( sum ( ( x / t ). ^ 2 ) ) t ; case i n f y = max( abs ( x ) ) ; otherwise e r r o r ( p non v a l i d o ) ; V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 155 ]
4 Calcolo della norma di un vettore In Matlab esiste una funzione predefinita che fornisce la norma di un vettore x: y = norm(x) restituisce la norma euclidea (o norma 2); y = norm(x,p), con p intero maggiore o uguale a 1, restituisce la norma p; y = norm(x,inf) restituisce la norma del massimo (o norma uniforme) V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 156 ] Norma di una matrice I Poiché una matrice m n si può pensare come un vettore di m n componenti (ordinando gli elementi della matrice per righe o per colonne), segue che una norma matriciale generalizzata è una funzione : R m n R + {}, tale che: A per ogni A R m n ; A = A = m n ; αa = α A per ogni α R e per ogni A R m n ; A + B A + B Di conseguenza, una norma matriciale generalizzata è una funzione uniformemente continua delle sue componenti, tutte le norme matriciali generalizzate sono equivalenti e vale che A B A B Una norma matriciale generalizzata è una norma matriciale se vale la seguente proprietà submoltiplicativa o proprietà di consistenza: ove A e B sono matrici moltiplicabili. AB A B V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 157 ]
5 Norma di una matrice II Una norma matriciale M si dice compatibile con una norma vettoriale V se Ax V x V A M per ogni x R n e A R m n. Non tutte le norme matriciali generalizzate sono consistenti. Per esempio, se si definisce A M = max a ij i,j questa è una norma generalizzata. Tuttavia ( ) ( ) A =, B = 1 1 AB = ( ) e AB M = 2, mentre A M = B M = 1: non vale dunque la consistenza. Tuttavia a partire da una norma matriciale generalizzata, moltiplicandola per una opportuna costante, si ottiene una norma matriciale. Per esempio, la seguente definizione della norma di Turing fornisce una norma matriciale: A T = mn max a ij i,j V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 158 ] Norme matriciali Siamo interessati a introdurre norme matriciali indotte da una norma vettoriale V. Una norma di questo tipo è detta norma naturale o norma indotta dalla norma vettoriale. Essa viene definita come la più piccola costante C per cui vale la condizione: Ax V C x V Ax V x V C per x V Pertanto la definizione di norma naturale è la seguente: A N = Ax V sup x V x V Lo scalare non cambia se si sostituisce x con un suo multiplo. Allora si può prere un versore y = x/ x V, dove y ha norma unitaria. Teno conto che S = {y y V = 1} è un compatto e la norma è funzione uniformemente continua, l estremo superiore è un massimo: A N = max y V =1 Ay V Si dimostra che A N è una norma matriciale, che è compatibile con V e che tale norma (per come è definita) è la più piccola norma matriciale compatibile con la norma V. V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 159 ]
6 Norme matriciali Significato della norma naturale: quando si opera in algebra lineare, le applicazioni lineari che trasformano dati in risultati sono lineari e dunque associabili a una matrice. La A N esprime la massima perturbazione relativa che subisce una qualsiasi direzione dello spazio R n per effetto della trasformazione lineare associata ad A. Ciò permette di misurare come gli errori sui dati si amplificano per effetto di una trasformazione lineare. Se m = n = 2, A 2 è il massimo semiasse dell ellissoide Ax V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 16 ] Norme matriciali Norma matriciale compatibile con la norma n A = max a ij i Norma matriciale compatibile con la norma 1 m A 1 = max a ij j Norma matriciale compatibile con la norma 2 (euclidea), detta norma spettrale A 2 = λ max (A T A) dove λ max (A T A) indica l autovalore massimo della matrice simmetrica semidefinita positiva A T A. Un altra norma matriciale compatibile con la norma euclidea è la norma di Frobenius: A F = (a ij ) 2 = trace(a T A) i dove trace(a T A) è la somma degli elementi diagonali di A T A. Vale che j j=1 i=1 A 2 A F V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 161 ]
7 Esempio Allora A = ( 1 1 ) A T = 3 6 A F = 16 A 1 = 4 A = 5 La norma naturale dell identità è sempre 1. I N = max Ix V = 1 x V =1 Tutte le norme matriciale sono equivalenti. Allora, data la successione di matrici { A (k)} si dice che la successione è convergente alla matrice A per k se esiste una norma matriciale per cui lim k A (k) A =. Questa definizione è ben posta poiché tutte le norme sono equivalenti. Inoltre, lim k A(k) = A lim k a(k) ij = aij i, j V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 162 ] Raggio spettrale Definizione. Si chiama raggio spettrale di una matrice quadrata A di ordine n il massimo dei valori assoluti degli autovalori di A, denotato con ρ(a) = max i=1,n λ i (A). Teorema Rispetto ad una qualunque norma naturale, vale che ρ(a) A N. Infatti, se x è un autovettore relativo a un autovalore λ di A, vale che λx = Ax λ x = Ax A N x Divido per x = e ricordando che λ è un autovalore qualunque (anche quello di modulo massimo), si ha la tesi. Inoltre per ogni ɛ > esiste una norma naturale per cui A N ρ(a) + ɛ V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 163 ]
8 Matrici definite I Definizione. Sia A una matrice simmetrica. Allora A è definita positiva se, per ogni x R n \ {}, x T Ax >. La matrice A è semidefinita positiva se, per ogni x R n \ {}, x T Ax. Definizione. Sia A una matrice simmetrica. Allora A è definita negativa se, per ogni x R n \ {}, x T Ax <, mentre è semidefinita negativa se x T Ax. Si dimostra che A è definita positiva (semidefinita positiva) se e solo se gli autovalori di A sono positivi (non negativi). Si dimostra che A è definita negativa (semidefinita negativa) se e solo se gli autovalori di A sono negativi (non positivi). Sia A R n m. Allora A T A e AA T sono simmetriche e semidefinite positive. Infatti per ogni x R n, x, x T A T Ax = Ax 2. Analogamente x T AA T x = A T x 2. Se m > n e A è di rango massimo per colonne, A T A è definita positiva. Infatti non è possibile che Ax 2 =. Se così fosse, Ax = e dunque esisterebbe una n-upla x tale A 1 x A n x n = ; ma allora le colonne di A sarebbero linearmente dipenti, contro l ipotesi fatta. Se m n e A è di rango massimo per righe, AA T è definita positiva. V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 164 ] Esempio per matrici di ordine forma quadratica definita positiva forma quadratica semidefinita positiva V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 165 ]
9 Calcolo della norma di una matrice f u n c t i o n [ y ] = normmat (A, p ) % normmat Calcolo d e l l a norma d i una matrice ( 1, d i Frobenius, d i Turing, uniforme ) % Calcolo d e l l a norma d i una matrice A nei q u a t t r o c asi : 1, Frobenius, Turing, i n f i n i t o % SYNOPSIS : % [ y ] = normmat (A, p ) (N. B. : e s i s t e l a funzione p r e d e f i n i t a norm ) % INPUT : % A ( double array ) l a matrice d i c u i c a l c o l a r e l a norma % p ( s c a l a r or s t r i n g ) i l t i p o d i norma da c a l c o l a r e % se p = 1, norma 1 % se p = Fro, norma d i Frobenius ( o d i Schur ) % se p = Tur, norma d i Turing % se p = i n f, norma i n f i n i t o % OUTPUT: % y ( double ) l a norma c a l c o l a t a % i f ( isempty ( f i n d (A) ) ) y = ; else switch p case 1 y = max( sum( abs (A) ) ) ; case Fro t = max( abs (A ( : ) ) ) ; y = s q r t ( sum( A ( : ) / t ). ^2 ) t ; case Tur y = s q r t ( prod ( s ize (A) ) ) max( abs (A ( : ) ) ) ; case i n f y = max( sum( abs (A ) ) ) ; otherwise e r r o r ( p non v a l i d o ) ; V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 166 ] Calcolo della norma di una matrice In Matlab esiste la funzione predefinita norm che fornisce la norma di una matrice A: y = norm(a) restituisce la norma euclidea (o norma 2) y = norm(a,1) restituisce la norma 1 y = norm(a,inf) restituisce norma del massimo (o norma infinito) y = norm(a, fro ) restituisce la norma di Frobenius V. Ruggiero e G. Zanghirati (DMI, UniFe) Calcolo numerico e lab. A.A [ 167 ]
NORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
DettagliSistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. a m,1 x 1 + a m,2 x a m,n x n = b m
1 Sistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. Numero di operazioni per calcolare b: m n moltiplicazioni m (n 1) addizioni. a 1,1 x 1 + a 1,2 x 2 +... + a 1,n x n = b 1 a 2,1
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
Dettagli3 Soluzione di sistemi lineari
3 Soluzione di sistemi lineari Prima di addentrarci nello studio dei metodi numerici, è doveroso introdurre le matrici e alcune strutture particolari di matrici nonchè alcuni concetti fondamentali quali
DettagliCalcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica. Prof.ssa Laura Pezza (A.A.
Calcolo Numerico Laurea di base in Ingegneria Elettronica e Ingegneria delle Comunicazioni e Clinica Prof.ssa Laura Pezza (A.A. 2018-2019) VIII Lezione del 14.03.2019 http://www.dmmm.uniroma1.it/ laura.pezza
DettagliCorso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a. 2014-2015, lez.3) 1 Analisi Numerica 1 mod. a.a. 2014-2015, Lezione n.3
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliNorme di vettori e matrici
Norme di vettori e matrici Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati e proprietà relativi alle norme di vettori e di matrici. 1 Introduzione
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 8 - METODI ITERATIVI PER I SISTEMI LINEARI Norme Una norma in R n è una funzione. : R n R tale che x 0 x R n ; x = 0 x = 0; αx = α x ; x
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
DettagliSpazi lineari. Felice Iavernaro. Dipartimento di Matematica Università di Bari. 17 Dicembre 2009
Spazi lineari Felice Iavernaro Dipartimento di Matematica Università di Bari 17 Dicembre 2009 Felice Iavernaro (Univ. Bari) Spazi lineari 17-12-2009 1 / 32 Definizione di spazio vettoriale reale Definizione
DettagliLaboratorio di Calcolo Numerico Laboratorio 10: Norme di vettori e matrici, autovalori
Laboratorio di Calcolo Numerico Laboratorio 10: Norme di vettori e matrici, autovalori Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 10 Maggio 2017 Stampa di Vettori
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2018-2019) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliMetodo degli Elementi finiti: elementi monodimensionali Risoluzione di casi con più elementi
Metodo degli Elementi finiti: elementi monodimensionali Risoluzione di casi con più elementi 1 Metodo degli Elementi finiti: elementi monodimensionali Risoluzione di casi con più elementi 2 Metodo degli
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliSpazi R n. : concetti di base. Riccarda Rossi. Analisi Matematica B. Università di Brescia
Spazi R n : concetti di base Riccarda Rossi Università di Brescia Analisi Matematica B Spazi Rn Spazi Rn Spazi Rn Spazi Rn Spazi Rn Spazi R n Elementi di R n : x = (x 1, x 2,..., x n ), x j R, j {1,...,
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi numerici per la soluzione di sistemi lineari Metodi Iterativi la soluzione si ottiene tramite approssimazioni
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 0-0 Laboratorio 9 Autovalori, raggio spettrale e norme di matrici Sia A una matrice quadrata di ordine n a valori reali o complessi, il numero λ C si dice
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
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
DettagliRichiami di Algebra Lineare
Università di Pavia Richiami di Algebra Lineare Eduardo Rossi Vettori a : (n 1) b : (n 1) Prodotto interno a b = a 1 b 1 + a 2 b 2 +... + a n b n Modulo (lunghezza): a = a 2 1 +... + a2 n Vettori ortogonali:
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 6 Metodi iterativi per sistemi lineari
Complementi di Matematica e Calcolo Numerico A.A. 2017-2018 Laboratorio 6 Metodi iterativi per sistemi lineari Dati una matrice A R N N non singolare e un vettore b R N, un metodo iterativo per la risoluzione
DettagliEsempio con n = 2. f(x) = x x2 2 x 1x 2
Forme quadratiche Definizione 40. Una forma quadratica di n variabili è un polinomio omogeneo di grado 2 in n variabili. Si tratta quindi di una funzione f : R n R somma di monomi di grado 2 nelle n variabili.
Dettagli2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliSalvo avviso contrario V denota un k-spazio spazio vettoriale (di dimensione finita).
a.a. 010-011 15.4.011 FORME BILINEARI Salvo avviso contrario V denota un k-spazio spazio vettoriale (di dimensione finita). Data una base F = {f 1,..., f n } di V = v, w V si ha v = n x i f i, w = n y
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
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Autovalori ed Autovettori di una matrice Siano Se A = (a i,j ) i,j=1,...,n R n n, 0 x = (x i ) i=1,...,n R n λ R Ax = λx (1) allora λ è detto autovalore di
DettagliMatematica II, aa
Matematica II, aa 2011-2012 Il corso si e svolto su cinque temi principali: sistemi lineari, algebra delle matrici, determinati, spazio vettoriale R n, spazio euclideo R n ; per ogni tema descrivo gli
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Nel piano (R 2 ) e nello spazio ( R 3 ) sappiamo che la lunghezza di un vettore v si esprime rispettivamente come Se v = (v 1, v 2 )
DettagliGli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
Corso di laurea: Fisica ed Astronomia Programma di Analisi Matematica 2 a.a. 2016/17 Docente: Fabio Paronetto Gli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
DettagliApplicazioni lineari e diagonalizzazione
Autovalori e autovettori Matrici associate a applicazioni lineari Endomorfismi semplici e matrici diagonalizzabili Prodotti scalari e Teorema Spettrale nel caso generale 2 2006 Politecnico di Torino 1
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
DettagliCalcolo degli Autovalori. Avviso. Spettro di una matrice. Polinomio caratteristico. Data la matrice A:
M. Annunziato, DMI Università di Salerno - documento provvisorio p. 3/9 M. Annunziato, DMI Università di Salerno - documento provvisorio p. 4/9 Avviso I contenuti di queste slide non sono esaustivi ai
DettagliSpazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari
Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliApplicazioni lineari simmetriche e forme quadratiche reali.
Applicazioni lineari simmetriche e forme quadratiche reali 1 Applicazioni lineari simmetriche Consideriamo lo spazio IR n col prodotto scalare canonico X Y = t XY = x 1 y 1 + + x n y n Definizione Un applicazione
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 20-206 Laboratorio 8. (punteggio 3/3/) Si consideri la funzione f(x) = sin(e x/2 ).. Si approssimi la radice α di f nell intervallo [0, 3.] utilizzando
DettagliRichiami di Algebra Lineare
Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi
DettagliMatrici delle differenze finite
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
DettagliEsercitazione 4: Vettori e Matrici
Esercitazione 4: Vettori e Matrici Richiami di teoria: Norme di vettore Principali norme di vettore:. x = n i= x i 2. x 2 = n i= x i 2 3. x = max i n x i Ad esempio dato il vettore x = (, 2, 3, 4) abbiamo.
DettagliFederica Gregorio e Cristian Tacelli
1 Sistemi lineari Federica Gregorio e Cristian Tacelli Un sistema lineare m n (m equazioni in n incognite) è un insieme di equazioni lineari che devono essere soddisfatte contemporaneamente a 11 x 1 +
DettagliComplementi di Matematica e Calcolo Numerico A.A
Complementi di Matematica e Calcolo Numerico A.A. 206-207 Laboratorio Autovalori, raggio spettrale e norme di matrici Sia A una matrice quadrata di ordine n a valori reali o complessi, il numero λ C si
DettagliAlgebra Lineare Metodi Iterativi
Algebra Lineare Metodi Iterativi Stefano Berrone Sandra Pieraccini DIPARTIMENTO DI MATEMATICA POLITECNICO DI TORINO, CORSO DUCA DEGLI ABRUZZI 24, 10129, TORINO, ITALY e-mail: sberrone@calvino.polito.it,
Dettagli5.5.6 Convergenza del metodo del simplesso
5.5.6 Convergenza del metodo del simplesso Per concludere l analisi del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il numero di iterazioni è finito, ovvero che, in un numero
DettagliLa forma normale di Schur
La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni
DettagliEsercizi del Corso di Istituzioni di Analisi Superiore, I modulo
sercizi del Corso di Istituzioni di Analisi Superiore, I modulo 1. sercizi su massimo e minimo limite 1. lim inf a n lim sup a n 2. Se a n b n per ogni n N, allora lim inf a n lim inf b n. Vale anche lim
DettagliVettori e Matrici. Corso di Calcolo Numerico. 24 Aprile 2018
Vettori e Matrici 24 Aprile 2018 Richiami In MATLAB, ogni variabile ha una struttura di tipo vettoriale o array. Un array è un insieme di valori ordinati, cioè memorizza più dati all interno di una struttura
DettagliEsercizio 1 Sia. a n. X (k+1) = X (k) (2I AX (k) )
Esercizi per la parte Numerica e Algoritmica, Prof. Serra-Capizzano. Gli esercizi elencati sono da ritenersi come una palestra molto impegnativa: i testi di esame che saranno proposti non avranno una difficoltà
DettagliComplementi di Algebra e Fondamenti di Geometria
Complementi di Algebra e Fondamenti di Geometria Capitolo 5 Forme quadratiche inr n M. Ciampa Ingegneria Elettrica, a.a. 2009/2010 Capitolo 5 Forme quadratiche inr n In questo capitolo si definisce la
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliElementi di Algebra Matriciale. (richiami)
Elementi di Algebra Matriciale Definizione di matrice (richiami) Matrice quadrata, diagonale, identità, triangolare, simmetrica Matrice trasposta Principali operazioni su matrici e vettori: somma, sottrazione,
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliMetodi iterativi SISTEMI LINEARI. Metodi Iterativi. Jacobi, Gauss-Seidel
, 1 Quando è conveniente usarli? 2 stazionari Il metodo di Il metodo di Condizioni per la convergenza 1 Quando è conveniente usarli? 2 stazionari Il metodo di Il metodo di Condizioni per la convergenza
Dettagli0 0 c. d 1. det (D) = d 1 d n ;
Registro Lezione di Algebra lineare del 23 novembre 216 1 Matrici diagonali 2 Autovettori e autovalori 3 Ricerca degli autovalori, polinomio caratteristico 4 Ricerca degli autovettori, autospazi 5 Matrici
DettagliFacoltà di Anno Accademico 2018/19 Registro lezioni del docente PINTUS NICOLA
Facoltà di Anno Accademico 2018/19 Registro lezioni del docente PINTUS NICOLA Attività didattica GEOMETRIA E ALGEBRA [IN/0079] Partizionamento: Periodo di svolgimento: Docente titolare del corso: PINTUS
Dettagli1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso
Domanda 1 1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso x n+1 = x n f(x n), n = 0, 1, 2,... K dove x 0 è il punto iniziale, f(x) = x 3 cos(x) e K è una costante assegnata.
Dettagli+ Analisi Numerica (1 modulo) Docente: M.Gaviano; domande di ripasso a.a
+ Analisi Numerica ( modulo) Docente: M.Gaviano; domande di ripasso a.a. - Idee di base e richiami. Quale è lo scopo dell Analisi numerica. Attraverso quali fasi si passa nel risolvere un problema reale..
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
DettagliAppendice B ANALISI FUNZIONALE. 1 Spazi di Banach
Appendice B ANALISI FUNZIONALE In questo capitolo si introducono gli spazi di Banach e di Hilbert, gli operatori lineari e loro spettro. Inoltre si discutono gli operatori compatti su uno spazio di Hilbert.
DettagliSistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione
DettagliMACROAREA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea Magistrale in Matematica
MACROAREA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea Magistrale in Matematica TESI DI LAUREA MAGISTRALE Studio della convergenza del metodo delle potenze Relatore: Carmine di Fiore Canditato:
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Spazio dei vettori Il primo oggetto matematico che definiamo sarà il vettore. Partendo dai numeri reali come rappresentazione dei punti della retta reale R,
DettagliAutovalori e autovettori di una matrice quadrata
Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliAPPENDICE: NORME E SPAZI DI SEGNALI E SISTEMI
APPENDICE: NORME E SPAZI DI SEGNALI E SISTEMI Michele TARAGNA Dipartimento di Automatica e Informatica Politecnico di Torino michele.taragna@polito.it Corso di III livello Experimental modeling: costruzione
DettagliSpazi Vettoriali e Vettori
Spazi Vettoriali e Vettori Basilio Bona DAUIN-Politecnico di Torino 2007 2008 Basilio Bona (DAUIN-Politecnico di Torino) Spazi Vettoriali e Vettori 2007 2008 1 / 20 Vettori e Spazi vettoriali Il concetto
DettagliGli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
Corso di laurea: Fisica ed Astronomia Programma di Analisi Matematica 2 a.a. 2017/18 Docente: Fabio Paronetto Gli argomenti denotati con un asterisco tra parentesi (e solo quelli) sono stati dimostrati.
DettagliSistemi Lineari. Rango di una matrice. Lezione 21, Algebra Lineare,
Lezione 21, Algebra Lineare, 15.11.2017 Sistemi Lineari Rango di una matrice Esempio principale, I Considerata una matrice, ci poniamo il problema di determinare il massimo numero di colonne linearmente
DettagliAPPLICAZIONI LINEARI O OMOMORFISMI
42 APPLICAZIONI LINEARI O OMOMORFISMI Definizione 9 Dati due spazi vettoriali U e V sullo stesso campo K, una applicazione f : U V è detta lineare o omomorfismo se soddisfa le seguenti due condizioni:
DettagliMetodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel
Metodi iterativi per la soluzione di sistemi lineari: Jacobi e Gauss-Seidel Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 15 aprile 2013 Alvise Sommariva
Dettagli(V) (FX) L unione di due basi di uno spazio vettoriale è ancora una base dello spazio vettoriale.
8 gennaio 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 LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI
CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione
DettagliMATEMATICA. a.a. 2014/ Sistemi di equazioni lineari
MATEMATICA a.a. 2014/15 8. Sistemi di equazioni lineari SISTEMI LINEARI Si definisce sistema lineare un sistema di p equazioni di primo grado in q incognite. a11x1 + a12 x2 +... + a1 qxq = k1 a21x1 + a22x2
DettagliComputazione per l interazione naturale: Richiami di algebra lineare
Computazione per l interazione naturale: Richiami di algebra lineare Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it
DettagliAUTOVALORI E AUTOVETTORI
Capitolo 4 AUTOVALORI E AUTOVETTORI Abbiamo visto nel paragrafo 2.17 che la matrice associata ad una applicazione lineare f : R n R m dipende dalle basi scelte in R n e R m. Un problema interessante che
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 24 febbraio 2008 Outline 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori
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
DettagliGE210 Geometria e algebra lineare 2 A.A. 2018/2019
GE210, I Semestre, Crediti 9 GE210 Geometria e algebra lineare 2 A.A. 2018/2019 Prof. Angelo Felice Lopez 1. Forme bilineari e forme quadratiche Forme bilineari, simmetriche ed antisimmetriche. Esempi:
DettagliCOMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005
Prova scritta del 26 gennaio 2005 Esercizio 1. Posto B = x R 2 : x 2 2}, sia f n } una successione di funzioni (misurabili e) integrabili in B tali che f n f q.o. in B e, per ogni n N, f n (x) 2 x 3 per
Dettagli