Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
Valori singolari
Sia A Rmn e si denoti con r il rango della matrice A (r min{m, n}). Si suppone m n.
Le matrici quadrate AT A e AAT di ordine n ed m, rispettivamente, sono simmetriche.
Si consideri la matrice A per colonne, i.e., A = [a1 , a2 , ..., an ], dove le colonne aj di A sono vettori di m
componenti; la matrice AT A ha elementi bij = aTi aj .
Se consideriamo la matrice A per righe, i.e.,
T
a1
aT2
A= .
..
aTm
dove le righe aTi di A sono vettori di n componenti, allora la matrice AAT ha elementi cij = aTi aj .
Si possono provare le seguenti propriet`a per AT A e AAT :
La matrice AT A `e una matrice n n:1
dove con (B) si indica il raggio spettrale della matrice quadrata B, ovvero lautovalore di modulo
massimo della matrice B.
2
Norma di matrici
Una norma di una matrice A Rmn si denisce a partire da una norma vettoriale. Ovvero, data una
norma vettoriale p , si denisce una norma di matrice q , se, per ogni vettore x Rn e per ogni
matrice A Rmn , vale la condizione di compatibilit`
a:
Axp Aq xp
| {z } | {z } | {z }
norma di vettore norma di matrice norma di vettore
Si nota che, dalla condizione compatibilit`a, per ogni norma di matrice, vale
I = 1
Ad esempio, la matrice ( )
2 1 0.5
A=
1 3 10
ha norme
Una particolare norma di matrice `e quella associata alla norma vettoriale euclidea. Questa norma matri-
ciale prende il nome di norma spettrale in quanto rimane denita mediante gli autovalori della matrice.
Si denisce la norma spettrale di una matrice come il valore singolare massimo:
A2 = 1 (4)
A 0 A Rmn (A = 0 A = 0)
A = ||A A Rmn , R
A + B A + B A, B Rmn
AB A B A Rmp , B Rpn
3
Equivalenza tra norme matriciali, i.e. c1 , c2 , costanti positive tale che:2
c1 Aq Aq c2 Aq
Si consideri una matrice Q, di ordine n, ortogonale. Per la norma di Frobenius e la norma spettrale di
matrici ortogonali valgono i risultati seguenti:
La norma spettrale e la norma di Frobenius di una matrice ortogonale Q vale 1, i.e.,
Q2 = QF = 1
2 Ad esempio:
A2 AF nA2
1
A A2 mA
n
1
A1 A2 nA1
m
3 Dalla denizione si ha Qx22 = xT QT Qx = xT x = x22 .
4
Esercizi
ESERCIZIO 4. Scrivere un programma in linguaggio Fortran per ciascuna delle seguenti operazioni:
(a) Dato x Rmn , calcolare x1 ;
ESERCIZIO 5. Scrivere un programma in linguaggio Fortran per ciascuna delle seguenti operazioni:
5
Richiami sulle condizioni di esistenza di soluzioni di sistemi lineari
Dato il sistema di m equazioni lineari in n incognite
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2
...
am1 x1 + am2 x2 + ... + amn xn = bn
Teorema. Condizione necessaria e suciente anche un sistema lineare ammetta soluzione `e che la
matrice dei coecienti A, m n, e la matrice completa del sistema C, m (n + 1), abbiano lo stesso
rango.
Come conseguenza immediata si osserva che il sistema omogeneo Ax = 0 ammette sempre soluzione;
infatti esiste sempre la soluzione nulla x = 0.
Dal teorema si deducono condizioni sullesistenza e sullunicit`a della soluzione del sistema lineare per i
casi m < n e m = n.
Sia A matrice m n con m < n, allora:
il sistema omogeneo Ax = 0 ammette soluzione non nulla x = 0;
se il rango di A `e m (rango massimo), il sistema Ax = b ammette soluzione per ogni vettore dei
termini noti b.
il sistema Ax = b ammette ununica soluzione per ogni vettore dei termini noti b;
la matrice A `e non singolare.
6
Condizionamento di un sistema di equazioni lineari
Si consideri il sistema di 2 equazioni lineari in 2 incognite
{
x1 + 2x2 = 3
(5)
0.499x1 + 1.001x2 = 1.5
Perturbazioni su dati di un problema sono frequenti nella pratica. Si pensi al fatto che i dati possono
provenire da misurazioni sperimentali e dunque soggetti ad un errore di misurazione, oppure, pos-
sono essere delle approssimazioni di numeri reali mediante numeri niti e dunque soggetti allerrore
di rappresentazione di un numero reale al calcolatore.
La pertubazione dei dati di un problema `e nella pratica inevitabile. E
` essenziale avere un ordine di
grandezza relativa della perturbazione sui dati, che si suppone sempre piccola, per studiare se i
risultati del problema perturbato siano vicini a quelli del problema non perturbato.
Ad esempio, se applichiamo una perturbazione relativa dellordine di 103 ai coecienti del sistema (5),
si possono ottenere due sistemi perturbati, il primo perturbando solo alcuni elementi della matrice dei
coecienti, il secondo solo un elemento del termine noto:
{
x1 + 2x2 = 3
(6)
0.5x1 + 1.002x2 = 1.5
{
x1 + 2x2 = 3
(7)
0.499x1 + 1.001x2 = 1.4985
Si nota che le soluzioni dei sistemi lineari (6) e (7) sono date da x1 = 3 e x2 = 0 per il sistema (6) e da
x1 = 2 e x2 = 0.5 per il sistema (7).
Si `e osservato che pertubando di un fattore 103 i dati del problema, la soluzione risulta perturbata, in
entrambi i casi, di un fattore dellordine dellunit`a. Dunque, non `e in generale vero che se si variano di
poco i dati di un problema, la soluzione varia di poco rispetto a quella del problema originario. Si parler`a
allora di condizionamento di un problema e si intender`a che:
viceversa
Un problema si dice mal condizionato se a piccole perturbazioni sui dati
corrispondono grandi perturbazioni sui risultati
7
Perturbazione sul termine noto
Si consideri il sistema di n equazioni lineari
Ax = b (8)
Nel caso dellesempio sopra in cui i sistemi (8) e (9) sono (5) e (7) rispettivamente, si ha b =
(0, 0.0015)T e x = (1, 0.5)T .
Sottraendo (8) da (9) si ha
A(x + x) Ax = (b + b) b
dunque Ax = b, ovvero x = A1 b. Considerando una qualsiasi norma vettoriale e una
norma matriciale compatibile con la norma vettoriale usata si ottiene x = A1 b, da cui
x A1 b (10)
1 A
(11)
x b
Moltiplicando nella (11) le due espressioni a destra e a sinistra del segno di minore per le rispettive
espressioni di (10) si ottiene:
x b
A A1
x b
Posto
x b
x = ; b =
x b
e denito il numero di condizione, o misura del condizionamento, K(A) come
K(A) = A A1
la formula si scrive
x K(A)b (12)
8
Perturbazione sul termine noto e sulla matrice dei coecienti
Quando `e presente una perturbazione anche sulla matrice dei coecienti il sistema perturbato si
scrive
(A + A)(x + x) = b + b (13)
e si indichi sempre con x + x la soluzione di (13).
Nel caso dellesempio sopra in cui i sistemi (8) e (13) sono (5) e (6) rispettivamente, si ha
( ) ( ) ( )
0 0 0 2
A = ; b = ; x =
0.001 0.001 0 1
K(A)
x 1K(A)A (A + b ) (14)
Allora, dalle formule (12) e (14) si osserva che commettendo errori relativi sui dati dellordine di 103 e
poich`e il numero di condizione K(A) `e dellordine di 103 si pu`o ottenere un errore relativo sulla soluzione
dellordine dellunit`a.
X Si nota che il numero di condizione di una matrice `e piccolo o grande (cio`e il problema risulter`a bene
o male condizionato) in relazione allerrore sul risultato che si vuole ottenere, ovvero dipende da
quanto grande si vuole lerrore relativo sulla soluzione.
Infatti, supponiamo per semplicit`a di avere un sistema di equazioni lineari in cui il termine noto `e
aetto da una perturbazione dellordine di 107 ; se il numero di condizione del sistema `e K(A) =
103 , dalla formula (12) risulta che lerrore relativo tra la soluzione del problema originario e quella
del problema perturbato `e al pi` u dellordine di 104 .
Se richiediamo che la soluzione del sistema perturbato sia molto vicina a quella del problema
originario, ad esempio che le due soluzioni dieriscano relativamente della quinta o sesta cifra dopo
il punto radice, allora il numero di condizione K(A) = 103 `e grande, in quanto lerrore relativo tra
le due soluzioni pu`o anche essere 104 , cio`e superiore al valore richiesto; viceversa, se si richiede un
errore relativo pi`u grossolano, ad esempio che le due soluzioni dieriscano relativamente di 102
3
o 10 , allora il numero di condizione K(A) = 103 `e piccolo, in quanto lerrore relativo tra le due
soluzioni `e al peggio di 104 , comunque inferiore al valore richiesto.
4 Lipotesi A1 A < 1 non ` e una condizione troppo restrittiva; moltiplicando e dividendo il termine a sinistra del
segno per A, la condizione diventa K(A)A < 1. Si suppone dunque che la perturbazione relativa sui dati sia inferiore al
reciproco del numero di condizione.
9
X Un esempio di sistema di equazioni lineari mal condizionato, si ha quando la matrice dei coecienti
`e la matrice di Hilbert H i cui elementi sono dati da:
1
hij = ; i, j = 1, ..., n
i+j1
Ad esempio per n = 4 si ha
1 1/2 1/3 1/4 16 120 240 140
1/2 1/3 1/4 1/5 120 1200 2700 1680
H=
1/3 1/4 1/5 1/6 ; H 1 =
240
2700 6480 4200
1/4 1/5 1/6 1/7 140 1680 4200 2800
e
25
H = ; H 1 = 13620 = K(H) 2.8 104
12
Si osserva che la matrice di Hilbert `e una matrice simmetrica ed `e una matrice di Hankel; le matrici
di Hankel sono matrici che hanno le altre diagonali uguali:
a b c d ...
b c d ...
H= c d ...
d ...
...
10
Il numero di condizione di una matrice K(A) `e sempre maggiore o uguale ad 1. Infatti
1 = I = AA1 A A1
11