Teoria: Norme di matrici e condizionamento dei sistemi lineariNorme di vettore $|x|1=\sum|x_i|$, $|x|2=\sqrt{\sum x_i^2}$, $|x| \infty=\max|x_i|$. Norma di matrice indotta $|A|=\max {x\ne0}\frac{|Ax|}{|x|}$: $|A|1$ = massima somma per colonne, $|A| \infty$ = massima somma per righe, $|A|2=\sqrt{\lambda {\max}(A^TA)}$ (= $\rho(A)$ se $A$ simmetrica); valgono $|Ax|\le|A||x|$, $|AB|\le|A||B|$, $\rho(A)\le|A|$. Numero di condizionamento $\kappa(A)=|A||A^{-1}|\ge1$ ($\kappa_2=\frac{\sigma_{\max}}{\sigma_{\min}}$, per SPD $\frac{\lambda_{\max}}{\lambda_{\min}}$, per ortogonali 1). Se $A\mathbf x=\mathbf b$ e $A(\mathbf x+\delta\mathbf x)=\mathbf b+\delta\mathbf b$: $\frac{|\delta\mathbf x|}{|\mathbf x|}\le\kappa(A)\frac{|\delta\mathbf b|}{|\mathbf b|}$ (D); con residuo $\mathbf r=\mathbf b-A\hat{\mathbf x}$: $\frac1\kappa\frac{|\mathbf r|}{|\mathbf b|}\le\frac{|\mathbf x-\hat{\mathbf x}|}{|\mathbf x|}\le\kappa\frac{|\mathbf r|}{|\mathbf b|}$. Si perdono circa $\log_{10}\kappa$ cifre; un residuo piccolo non garantisce un errore piccolo se $\kappa$ è grande.Norme di matrici e condizionamento dei sistemi lineari → , Autovalori e autovettoriUn autovettore è un vettore non nullo che una funzione lineare manda in un suo multiplo; si trovano gli autovalori come radici del polinomio caratteristico det(A − λI) e gli autovettori come nucleo di A − λI. Matrici simili hanno gli stessi autovalori.Autovalori e autovettori → .
Testo. Siano
B = ( 3 0 4 5 ) , K = ( 2 − 1 0 − 1 2 − 1 0 − 1 2 ) . B=\begin{pmatrix}3&0\\4&5\end{pmatrix},\qquad K=\begin{pmatrix}2&-1&0\\-1&2&-1\\0&-1&2\end{pmatrix}. B = ( 3 4 0 5 ) , K = 2 − 1 0 − 1 2 − 1 0 − 1 2 .
Calcolare per B B B le norme ∥ B ∥ 1 \|B\|_1 ∥ B ∥ 1 , ∥ B ∥ ∞ \|B\|_\infty ∥ B ∥ ∞ , ∥ B ∥ F \|B\|_F ∥ B ∥ F , ∥ B ∥ 2 \|B\|_2 ∥ B ∥ 2 e il raggio spettrale ρ ( B ) \rho(B) ρ ( B ) . Verificare ρ ( B ) ≤ ∥ B ∥ 2 \rho(B)\le\|B\|_2 ρ ( B ) ≤ ∥ B ∥ 2 .
Calcolare κ 1 ( B ) \kappa_1(B) κ 1 ( B ) , κ ∞ ( B ) \kappa_\infty(B) κ ∞ ( B ) e κ 2 ( B ) \kappa_2(B) κ 2 ( B ) .
Per K K K calcolare ∥ K ∥ 1 \|K\|_1 ∥ K ∥ 1 , ∥ K ∥ ∞ \|K\|_\infty ∥ K ∥ ∞ e ρ ( K ) \rho(K) ρ ( K ) ; dedurre ∥ K ∥ 2 \|K\|_2 ∥ K ∥ 2 .
(Teoria) Dimostrare che ∥ A ∥ 2 ≤ ∥ A ∥ 1 ∥ A ∥ ∞ \|A\|_2\le\sqrt{\|A\|_1\,\|A\|_\infty} ∥ A ∥ 2 ≤ ∥ A ∥ 1 ∥ A ∥ ∞ e verificarlo per B B B .
Soluzione
1. Norme di B B B .
Somme per colonne: colonna 1: ∣ 3 ∣ + ∣ 4 ∣ = 7 |3|+|4|=7 ∣3∣ + ∣4∣ = 7 ; colonna 2: 0 + 5 = 5 0+5=5 0 + 5 = 5 . ∥ B ∥ 1 = max ( 7 , 5 ) = 7 \|B\|_1=\max(7,5)=7 ∥ B ∥ 1 = max ( 7 , 5 ) = 7 .
Somme per righe: riga 1: 3 + 0 = 3 3+0=3 3 + 0 = 3 ; riga 2: 4 + 5 = 9 4+5=9 4 + 5 = 9 . ∥ B ∥ ∞ = max ( 3 , 9 ) = 9 \|B\|_\infty=\max(3,9)=9 ∥ B ∥ ∞ = max ( 3 , 9 ) = 9 .
Frobenius: ∥ B ∥ F = 9 + 0 + 16 + 25 = 50 = 7 , 0711 \|B\|_F=\sqrt{9+0+16+25}=\sqrt{50}=7{,}0711 ∥ B ∥ F = 9 + 0 + 16 + 25 = 50 = 7 , 0711 .
Norma 2: B T B = ( 3 4 0 5 ) ( 3 0 4 5 ) = ( 25 20 20 25 ) B^TB=\begin{pmatrix}3&4\\0&5\end{pmatrix}\begin{pmatrix}3&0\\4&5\end{pmatrix}=\begin{pmatrix}25&20\\20&25\end{pmatrix} B T B = ( 3 0 4 5 ) ( 3 4 0 5 ) = ( 25 20 20 25 ) , autovalori 25 ± 20 = 45 , 5 25\pm20=45,\ 5 25 ± 20 = 45 , 5 (autovettori ( 1 , 1 ) (1,1) ( 1 , 1 ) e ( 1 , − 1 ) (1,-1) ( 1 , − 1 ) ). ∥ B ∥ 2 = 45 = 6 , 7082 \|B\|_2=\sqrt{45}=6{,}7082 ∥ B ∥ 2 = 45 = 6 , 7082 .
Autovalori di B B B (triangolare): 3 3 3 e 5 5 5 , quindi ρ ( B ) = 5 ≤ ∥ B ∥ 2 = 6 , 71 \rho(B)=5\le\|B\|_2=6{,}71 ρ ( B ) = 5 ≤ ∥ B ∥ 2 = 6 , 71 ✓ (e ≤ ∥ B ∥ 1 = 7 \le\|B\|_1=7 ≤ ∥ B ∥ 1 = 7 , ≤ ∥ B ∥ ∞ = 9 \le\|B\|_\infty=9 ≤ ∥ B ∥ ∞ = 9 ).
Controllo di consistenza: ∥ B ∥ 2 ≤ ∥ B ∥ F \|B\|_2\le\|B\|_F ∥ B ∥ 2 ≤ ∥ B ∥ F : 6 , 71 ≤ 7 , 07 6{,}71\le7{,}07 6 , 71 ≤ 7 , 07 ✓.
2. Condizionamento. det B = 15 \det B=15 det B = 15 , B − 1 = 1 15 ( 5 0 − 4 3 ) = ( 1 3 0 − 4 15 1 5 ) B^{-1}=\frac1{15}\begin{pmatrix}5&0\\-4&3\end{pmatrix}=\begin{pmatrix}\frac13&0\\-\frac4{15}&\frac15\end{pmatrix} B − 1 = 15 1 ( 5 − 4 0 3 ) = ( 3 1 − 15 4 0 5 1 ) .
∥ B − 1 ∥ 1 \|B^{-1}\|_1 ∥ B − 1 ∥ 1 : colonne 1 3 + 4 15 = 9 15 = 0 , 6 \frac13+\frac4{15}=\frac9{15}=0{,}6 3 1 + 15 4 = 15 9 = 0 , 6 e 1 5 \frac15 5 1 : 0 , 6 0{,}6 0 , 6 . κ 1 = 7 ⋅ 0 , 6 = 4 , 2 \kappa_1=7\cdot0{,}6=4{,}2 κ 1 = 7 ⋅ 0 , 6 = 4 , 2 .
∥ B − 1 ∥ ∞ \|B^{-1}\|_\infty ∥ B − 1 ∥ ∞ : righe 1 3 \frac13 3 1 e 4 15 + 1 5 = 7 15 = 0 , 4667 \frac4{15}+\frac15=\frac7{15}=0{,}4667 15 4 + 5 1 = 15 7 = 0 , 4667 : 7 15 \frac7{15} 15 7 . κ ∞ = 9 ⋅ 7 15 = 4 , 2 \kappa_\infty=9\cdot\frac7{15}=4{,}2 κ ∞ = 9 ⋅ 15 7 = 4 , 2 .
κ 2 \kappa_2 κ 2 : i valori singolari di B B B sono 45 \sqrt{45} 45 e 5 \sqrt5 5 (quelli di B − 1 B^{-1} B − 1 sono i reciproci), quindi κ 2 = 45 5 = 3 \kappa_2=\sqrt{\frac{45}5}=3 κ 2 = 5 45 = 3 . Come controllo, σ max σ min = 45 ⋅ 5 = 15 = ∣ det B ∣ \sigma_{\max}\sigma_{\min}=\sqrt{45\cdot5}=15=|\det B| σ m a x σ m i n = 45 ⋅ 5 = 15 = ∣ det B ∣ ✓.
Tutti i valori sono piccoli: la matrice è ben condizionata.
3. Matrice K K K . K K K è simmetrica, con righe e colonne di somma assoluta 3 , 4 , 3 3,4,3 3 , 4 , 3 : ∥ K ∥ 1 = ∥ K ∥ ∞ = 4 \|K\|_1=\|K\|_\infty=4 ∥ K ∥ 1 = ∥ K ∥ ∞ = 4 . Gli autovalori di K K K sono 2 − 2 , 2 , 2 + 2 2-\sqrt2,\ 2,\ 2+\sqrt2 2 − 2 , 2 , 2 + 2 (da det ( K − λ I ) = ( 2 − λ ) [ ( 2 − λ ) 2 − 2 ] = 0 \det(K-\lambda I)=(2-\lambda)\big[(2-\lambda)^2-2\big]=0 det ( K − λ I ) = ( 2 − λ ) [ ( 2 − λ ) 2 − 2 ] = 0 ), quindi ρ ( K ) = 2 + 2 = 3 , 4142 \rho(K)=2+\sqrt2=3{,}4142 ρ ( K ) = 2 + 2 = 3 , 4142 . Per una matrice simmetrica ∥ K ∥ 2 = ρ ( K ) = 3 , 4142 \|K\|_2=\rho(K)=3{,}4142 ∥ K ∥ 2 = ρ ( K ) = 3 , 4142 . Si rispetta ρ ≤ ∥ K ∥ 2 ≤ ∥ K ∥ 1 = 4 \rho\le\|K\|_2\le\|K\|_1=4 ρ ≤ ∥ K ∥ 2 ≤ ∥ K ∥ 1 = 4 ✓ (la norma 1 sovrastima del 17%).
4. Dimostrazione. Siccome A T A A^TA A T A è simmetrica, ∥ A ∥ 2 2 = λ max ( A T A ) = ρ ( A T A ) ≤ ∥ A T A ∥ 1 \|A\|_2^2=\lambda_{\max}(A^TA)=\rho(A^TA)\le\|A^TA\|_1 ∥ A ∥ 2 2 = λ m a x ( A T A ) = ρ ( A T A ) ≤ ∥ A T A ∥ 1 (raggio spettrale ≤ \le ≤ qualunque norma indotta). Per la submoltiplicatività ∥ A T A ∥ 1 ≤ ∥ A T ∥ 1 ∥ A ∥ 1 \|A^TA\|_1\le\|A^T\|_1\|A\|_1 ∥ A T A ∥ 1 ≤ ∥ A T ∥ 1 ∥ A ∥ 1 e ∥ A T ∥ 1 \|A^T\|_1 ∥ A T ∥ 1 (massima somma per colonne di A T A^T A T ) è la massima somma per righe di A A A , cioè ∥ A ∥ ∞ \|A\|_\infty ∥ A ∥ ∞ . Quindi ∥ A ∥ 2 2 ≤ ∥ A ∥ ∞ ∥ A ∥ 1 \|A\|_2^2\le\|A\|_\infty\|A\|_1 ∥ A ∥ 2 2 ≤ ∥ A ∥ ∞ ∥ A ∥ 1 . ■ \blacksquare ■
Per B B B : 7 ⋅ 9 = 63 = 7 , 94 ≥ ∥ B ∥ 2 = 6 , 71 \sqrt{7\cdot9}=\sqrt{63}=7{,}94\ge\|B\|_2=6{,}71 7 ⋅ 9 = 63 = 7 , 94 ≥ ∥ B ∥ 2 = 6 , 71 ✓.
Risultati: ∥ B ∥ 1 = 7 \|B\|_1=7 ∥ B ∥ 1 = 7 , ∥ B ∥ ∞ = 9 \|B\|_\infty=9 ∥ B ∥ ∞ = 9 , ∥ B ∥ F = 7 , 07 \|B\|_F=7{,}07 ∥ B ∥ F = 7 , 07 , ∥ B ∥ 2 = 6 , 71 \|B\|_2=6{,}71 ∥ B ∥ 2 = 6 , 71 , ρ ( B ) = 5 \rho(B)=5 ρ ( B ) = 5 ; κ 1 = κ ∞ = 4 , 2 \kappa_1=\kappa_\infty=4{,}2 κ 1 = κ ∞ = 4 , 2 , κ 2 = 3 \mathbf{\kappa_2=3} κ 2 = 3 ; ∥ K ∥ 1 = ∥ K ∥ ∞ = 4 \|K\|_1=\|K\|_\infty=4 ∥ K ∥ 1 = ∥ K ∥ ∞ = 4 , ∥ K ∥ 2 = ρ ( K ) = 2 + 2 \mathbf{\|K\|_2=\rho(K)=2+\sqrt2} ∥K ∥ 2 = ρ ( K ) = 2 + 2 .
Errori tipici. Scambiare le somme per righe e per colonne; calcolare ∥ B ∥ 2 \|B\|_2 ∥ B ∥ 2 come ρ ( B ) \rho(B) ρ ( B ) (vale solo per matrici simmetriche; qui 5 ≠ 6 , 71 5\ne6{,}71 5 = 6 , 71 ); dimenticare la radice quadrata nell'autovalore di B T B B^TB B T B .