Dipartimento di Matematica

Slides:



Advertisements
Presentazioni simili
PROGETTO LAUREE SCIENTIFICHE
Advertisements

IPERTESTO: I SISTEMI LINEARI I.T.C. “G.ARCOLEO”- GRAMMICHELE
MATLAB.
ITCG MOSE’ BIANCHI ANNO SCOLASTICO
I SISTEMI LINEARI.
MATEMATICA PER L’ECONOMIA
Dipartimento di Matematica
Metodi numerici in Matlab
PROVA B: ESERCIZIO 1 Risolvere il sistema lineare (4 equazioni in 5 incognite):
SISTEMI LINEARI Definizione Metodo di Cramer Metodo di eliminazione.
Capitolo 8 Sistemi lineari.
Vettori e matrici algebrici
Autovalori e autovettori
MATLAB Cristina Campi
MATLAB.
MATLAB.
Introduzione a MATLAB Stefano Vigogna Dipartimento di Matematica
MATLAB.
MATLAB.
MATLAB. Scopo della lezione Programmare in Matlab Funzioni Cicli Operatori relazionali Esercizi vari.
Dipartimento di Matematica
MATLAB Stefano Gagliardo
MATLAB.
PROPRIETÀ DEI DETERMINANTI
Si definisce matrice di ordine mn una tabella della forma:
LE MATRICI.
Implementazione del problema della approssimazione ai minimi quadrati Camillo Bosco Corso di Analisi Numerica A.A
Definizione e caratteristiche
Algebra delle Matrici.
Algebra lineare.
DIPARTIMENTO DI ELETTRONICA E INFORMAZIONE Stringhe e tipi di dati strutturati Marco D. Santambrogio – Ver. aggiornata al.
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
MODELLO DI REGRESSIONE LINEARE MULTIPLA
Statistica per le decisioni aziendali ed analisi dei costi Modulo II - Statistica per le decisioni Aziendali Richiami di Algebra Matriciale.
SISTEMI D’EQUAZIONI ED EQUAZIONI DIFFERENZIALI LINEARI.
MATLAB. Annalisa Pascarella
MATLAB.
MATLAB. Annalisa Pascarella
MATLAB.
MATLAB.
MATLAB. …oggi… Programmare in Matlab Programmare in Matlab Funzioni Funzioni Cicli Cicli Operatori relazionali Operatori relazionali Indipendenza lineare,
MATLAB.
Metodi iterativi G. Puppo.
Algebra lineare G. Puppo.
Metodi iterativi semplici G. Puppo. Riassunto Problema del fill-in Memorizzazione di matrici sparse Metodo di Jacobi.
SISTEMI LINEARI.
Sistemi di equazioni lineari
Introduzione all’algebra lineare
Corso di Chimica Fisica II 2013 Marina Brustolon
Algebra matriciale e linguaggio matriciale in MATLAB
Le matrici e I Sistemi lineari.
Il calcolo di radiosity
ALGEBRA algebrizzare problemi
La scomposizione di un polinomio in fattori
Definizione di determinante
“Piano” Lab 1 – Fattorizzazione LU + pivoting
(-2)*(-1)+(3)*(1)+(-2)*(0) 5 Riga 1 Colonna 1 a 11.
Milano, 17 Dicembre 2013 Informatica B Informatica B Matlab Laboratorio del 14/01/2014 Responsabili di laboratorio: Gianluca Durelli:
Teorema di Euclide altezza proiezione proiezione
I PRINCIPI PER RISOLVERE I SISTEMI DI EQUAZIONI
Corso di Matematica (6 CFU) (4 CFU Lezioni +2 CFU Esercitazioni)
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
Metodo di Cramer Dato il sistema lineare a due incognite per risolvere il sistema dobbiamo costruire 3 matrici. È detta matrice un qualsiasi gruppo di.
CALCOLO DEL DETERMINANTE DELLA MATRICE TRE PER TRE
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
Riferimenti di cella. ProductQuantityUnit Price Extended Price% % Queso Cabrales12$14$1680, Singaporean Hokkien Fried Mee10$10$98#DIV/0!0,
Lezione n° 5: Esercitazione
Rapporti e proporzioni
Lezione n° 10 Algoritmo del Simplesso: - Coefficienti di costo ridotto - Condizioni di ottimalità - Test dei minimi rapporti - Cambio di base Lezioni di.
Prof. Cerulli – Dott. Carrabs
Transcript della presentazione:

Dipartimento di Matematica Introduzione a MATLAB Stefano Vigogna Dipartimento di Matematica vigogna@dima.unige.it http://www.dima.unige.it/~vigogna/

Lezione 2 Sistemi lineari Fattorizzazione LU Esercizi

Sistemi lineari : matrice dei coefficienti : vettore delle incognite : vettore dei termini noti

Teorema di Rouchè-Capelli Il sistema ha soluzioni soluzioni.

Metodi risolutivi quadrata e invertibile ( ) Cramer: In generale (se ) ( ) Cramer: In generale (se ) riduzione di Gauss: pivotizzazione parziale o totale. NB: l’algoritmo di Gauss ha un costo computazionale molto più basso.

Risoluzione in MATLAB (1) quadrata e invertibile: controllare >> det(A) Se , si procede con >> x = A\b NB: MATLAB risolve con Gauss. Evitare il comando >> x = inv(A)*b

Esempio >> x = A\b x = 2 1/2 1/2

Risoluzione in MATLAB (2) quadrata (singolare) o rettangolare: controllare >> rank(A) >> rank([A b]) Se , si procede con >> R = rref([A b]) (reduced row echelon form), che riduce la matrice completa con pivotizzazione parziale. Infine, si scrivono le soluzioni.

Esempio >> rref([A b]) ans = 1 0 1 2 0 1 -1 2 0 0 0 0

Esercizio 1 Studiare e se possibile risolvere i seguenti sistemi lineari:

Fattorizzazione LU dove: è la matrice triangolare superiore (Up) ottenuta per pivotizzazione parziale; è, a meno di permutazione delle righe, triangolare inferiore (Low) con tutti 1 sulla diagonale. NB: sia che sono invertibili.

LU in MATLAB >> [L U] = lu(A) restituisce le matrici L e U che fattorizzano A Es: >> A = [1 0 1;1 3 2;1 -3 -8]; >> det(A) (NB: controllare sempre!) L = 1 0 0 U = 1 0 1 1 1 0 0 3 1 1 -1 1 0 0 -8

Risoluzione di un sistema mediante fattorizzazione LU In MATLAB: >> [L U] = lu(A); >> y = L\b; >> x = U\y

Confronto col metodo di Gauss Gauss e LU sono equivalenti per complessità computazionale. Tuttavia, LU risulta conveniente per risolvere diversi sistemi con stessa matrice dei coefficienti; la pivotizzazione viene infatti calcolata una volta per tutte: >> [L U] = lu(A); >> yi = L\bi; >> x = U\yi (i = 1,…,k)

Esercizio 2 Trovare la soluzione del seguente sistema, sia usando Gauss che mediante fattorizzazione LU:

Esercizio 3 Studiare i seguenti sistemi lineari:

Esercizio 4 Sia H la matrice di Hankel 7x7 del vettore v = (7,6,…,1) ( >> H = hankel(v) ); Sia A la matrice tale che le prime sei righe e colonne sono tratte da H l’ultima colonna è 7,6,…,1 l’ultima riga è 3*7-1,3*7-4,…,1; Risolvere se possibile il sistema Ax = b con b = (0 1 2 2 2 1 1)’.