Matrici - Università di Bologna
Transcript
Matrici - Università di Bologna
Matrici Matrice: tabella di m righe ed n colonne AT matrice trasposta di A=(aij) di elementi aijT=aji Serena Morigi Università di Bologna 1 Matrici Matrice quadrata m=n sottomatrici A Matrice rettangolare m≠n Serena Morigi Università di Bologna 2 Matrici Matrici simmetriche A = AT Matrici antisimmetriche A = -AT Serena Morigi Università di Bologna 3 Operazioni fra Matrici Somma di matrici Moltiplicazione per scalare Serena Morigi Università di Bologna 4 Prodotto di Matrici In generale A ⋅ B ≠ B ⋅ A Serena Morigi Università di Bologna 5 Prodotto di matrici A = {aij } ( m × n), B = {bij } ( n × p ) C = A ⋅ B = {cij } ( m × p ) cij = ∑ aik bkj , n i = 1,.., m k =1 j = 1,.., p Algoritmo for i = 1:m for j = 1:p for k = 1:n C(i,j)=C(i,j)+A(i,k)*B(k,j); end Complessità computazionale: m p n ∑∑∑ 2 = 2mpn i =1 j =1 k =1 ( per m = n = p la complessità è 2n3 ) Serena Morigi Università di Bologna 6 Matrici u11 0 U = 0 . 0 u12 u22 . . . u13 u23 u33 . . .. .. .. . 0 l11 l 21 L = l 31 . l n1 0 l 22 . 0 . . l 32 . ln2 l 33 . . u1n u2 n u3 n . unn 0 0 . . . 0 . l nn Serena Morigi Matrice triangolare superiore (Upper) aij=0 se i>j Matrice triangolare inferiore (Lower) aij=0 se i<j Università di Bologna 7 Matrici Diagonali d1 0 D=0 . 0 0 0 d2 0 . d3 . . . . 0 .. 0 Matrice diagonale .. 0 D = diag (d1 , d 2 ,.., d n ) . . 0 dn .. 0 Matrice identità .. 1 0 0 0 1 0 .. 0 I = 0 . 1 .. 0 . . . . . Serena Morigi 0 . . 0 1 Università di Bologna 8 Prodotto Scalare <x,y> p = x • y = [x1 T x2 .. xm ] T Algoritmo y1 m y2 = ∑ xi ⋅ yi • .. i =1 ym p=0; for i = 1:m p=p+x(i)*y(i); pdot =dot(x,y); end Serena Morigi Università di Bologna 9 Prodotto Scalare Funzione ⋅,⋅ : C n × C n → C che verifica le seguenti proprieta’: 1. x , x ≥ 0, x, x = 0 ⇔ x = 0 2. x, y = y, x ∀x , y ∈ C n 3. αx + βy , z = α x , z + β y , z Esempi ∀x ∈ C n x x , y = y x = ∑ x i yi T ∀x , y , z ∈ C n in ℜn in Cn i =1 n x , y = y x = ∑ x i yi H ∀α , β ∈ C i =1 Serena Morigi Università di Bologna 10 Norme vettoriali Funzione • : C n → ℜ + ∪ {0} che verifica le seguenti proprieta’: 1. x ≥ 0, x =0⇔ x=0 2. α x = α x 3. ∀x ∈ C n x+ y ≤ x + y ∀x ∈ C n ∀α ∈ C ∀x, y ∈ C n (disuguaglianza triangolare) Serena Morigi Università di Bologna 11 Norme vettoriali – NORMA 2 Norma 2 o norma Euclidea x 2 = x, x = Esempio n=4 x x= T n ∑ (x ) i =1 − 2 1 x = 0 3 Serena Morigi 2 i x 2 = 14 Università di Bologna 12 Norme vettoriali – NORMA 1 x Esempio n=4 1 = n ∑ i =1 xi − 2 1 x = 0 3 Serena Morigi x 1 =6 Università di Bologna 13 Norme vettoriali – NORMA INFINITO Norma infinito o norma Chebyshev x ∞ = max x i i =1,2 ,..., n Esempio n=4 − 2 1 x = 0 3 Serena Morigi x ∞ =3 Università di Bologna 14 Circonferenze in norma p (in R2) Luogo dei punti che sono a distanza 1 dal centro 1 norma-infinito norma-1 -1 1 norma-2 { } = {x ∈ R : x = 1} = {x ∈ R : x = 1} C1 = x ∈ R 2 : x 1 = 1 C2 C∞ -1 2 2 2 ∞ Serena Morigi Università di Bologna 15 Norme vettoriali Teorema. Siano ' ⋅ , ⋅ '' due norme vettoriali. Allora le due norme sono equivalenti, nel senso che esistono due costanti α , β ∈ ℜ, 0 < α ≤ β x ∈Cn tali che per ogni α x x ∞ ≤ x 2 '' ' ≤ x ≤β x ≤ n x x ∞ ∞ x 2 ≤ x 1 ≤n x Serena Morigi '' ≤ x1≤ n x 2 ∞ Università di Bologna 16 Norme matriciali Funzione • : C nxn → ℜ + ∪ {0} che verifica le seguenti proprieta’: 1. A ≥ 0, A =0⇔ A=0 2. αA = α A 3. A+B ≤ A + B 4. AB ≤ A ∀A ∈ C nxn ∀ A ∈ C nxn B Serena Morigi ∀α ∈ C ∀ A , B ∈ C nxn ∀ A , B ∈ C nxn Università di Bologna 17 Norme matriciali Ad ogni norma di vettore possiamo associare una norma di matrice nel modo seguente: Definizione. La norma definita da A p = Ax sup x ≠0 x p A ∈ C nxn , x ∈ C n p viene detta norma matriciale indotta dalla ⋅ norma vettoriale o norma naturale Per le norme naturali si ha: I p = Ix sup x ≠0 x p =1 p Ax ≤ A x Serena Morigi Università di Bologna 18 Norme matriciali indotte esempi n x1 x norma 1 A 1 = max∑ aij j =1, 2,...,n i =1 (massimo somma colonne in modulo) norma infinito ∞ - Chebyshev n A ∞ = max ∑ aij i =1, 2,...,n j =1 (massimo somma righe in modulo) x 2 norma 2 - Euclidea ρ(A) raggio spettrale di A: A 2 = ρ ( A A) T massimo autovalore in modulo di A Serena Morigi Università di Bologna 19 Norme matriciali - esempi A ∞ = n ∑ a ij max i = 1 , 2 ,..., n j = 1 n norma infinito A 1 = max j =1,..,n ∑ aij norma 1 A 2 = ρ ( A A) norma 2- Euclidea i =1 T − 1 11 A= 0 10 22 7 0 −4 0 1 6 −9 0 7 20 8 3 − 5 − 1 17 16 19 A 1 = 22 11 20 Serena Morigi A ∞ = 20 A 2 = ?? Università di Bologna 20 Norme matriciali AF = n ∑ aij 2 i , j =1 Norma di Frobenius o Schur (non è una norma indotta) Tutte le norme matriciali sono equivalenti 1 n A ∞ ≤ A2≤ n A 1 ∞ max a ij ≤ A 2 ≤ n max a ij i, j i, j n 1 n Serena Morigi A1≤ A2≤ n A1 A F ≤ A2≤ A Università di Bologna F 21 Norme matriciali § Data una norma di vettore ed una norma di matrice, diciamo che le due norme sono compatibili se Ax ≤ A x ⋅ § Se ∀A ∈ ℜ nxn x ∈ ℜn e’ una norma matriciale compatibile, allora ρ (A) ≤ A § Sia A una matrice simmetrica , allora A 2 A 1 = A ∞ = ρ ( AT A) = ρ ( A 2 ) = ρ 2 ( A) = ρ ( A) = λmax § Sia A una matrice simmetrica definita positiva, allora A 2 = λmax Serena Morigi Università di Bologna 22 Matrice definite in segno Se per ogni x non nullo il numero reale xTAx mantiene lo stesso segno, si dice che la matrice A è definita in segno, in particolare: x Ax > 0, definita positiva T x Ax ≥ 0, semidefinita positiva T x Ax ≤ 0, semidefinita negativa T x Ax < 0, definita negativa T Altrimenti A è indefinita. Serena Morigi Università di Bologna 23 Criterio di Sylvester Una matrice simmetrica A è definita positiva se e solo se det( Ak ) > 0, k = 1,.., n dove det(Ak) rappresenta il determinante della matrice di ordine k formata dalle intersezioni delle prime k righe e k colonne di A Serena Morigi Università di Bologna 24