REGISTRO DELLE LEZIONI DI
METODI NUMERICI PER LA BIOINGEGNERIA
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA BIOMEDICA
6 CFU - A.A. 2024/2025
DOCENTE: PROF. GIUSEPPE RODRIGUEZ
ULTIMO AGGIORNAMENTO: 21. novembre 2024
1. Martedì 1/10/2024, 9–11. ore:
2(2)
Introduzione al corso. Discussione su prerequisiti, modalità d'esame e libro
di testo. Richiami. Modelli matematici e numerici. Problemi ben posti e
condizionamento. Algoritmi e loro proprietà. Origine e misura degli errori.
Spazi lineari e normati.
2. Giovedì 3/10/2024, 12–14. ore:
2(4)
Spazi lineari, combinazioni lineari, indipendenza lineare, basi. Spazi normati,
metrici, di Banach. Convergenza di successioni di vettori. Spazi di Hilbert,
ortogonalità. Matrici, autovalori e autovettori. Sistemi lineari, numero di
condizionamento, metodi diretti e iterativi. Fattorizzazione di Gauss e
sua applicazione alla risoluzione di sistemi. Sistemi rettangolari.
3. Martedì 8/10/2024, 9–11. ore:
2(6)
Riepilogo sistemi rettangolari ed esempi. Formulazione di un problema ai minimi
quadrati per un sistema sovradeterminato a rango pieno. Approssimazione di
funzioni. Approssimazione polinomiale discreta. Interpolazione e
approssimazione nel senso dei minimi quadrati. Esempio applicativo: decadimento
radioattivo.
4. Giovedì 10/10/2024, 12–14. ore:
2(8)
Approssimazione di dati sperimentali mediante funzioni esponenziali: il caso
lineare e quello nonlineare. Calcolo del gradiente di alcune funzioni espresse
in forma matriciale. Risoluzione di un problema ai minimi quadrati
sovradeterminato a rango pieno. Calcolo del gradiente della norma del residuo.
Sistema delle equazioni normali. Matrice pseudoinversa. Proprietà della
matrice . Cenni storici sul metodo di Cholesky.
5. Martedì 15/10/2024, 9–11. ore:
2(10)
RIepilogo. Costruzione dell'algoritmo di Cholesky. Pseudocodice dell'algoritmo.
Utilizzazione per la risoluzione di un problema ai minimi quadrati.
Complessità. Fattorizzazione QR completa e compatta. Risoluzione di un
sistema singolare quadrato. Conservazione del numero di condizionamento.
6. Giovedì 17/10/2024, 12–14. ore:
2(12)
Risoluzione nel senso dei minimi quadrati di un sistema lineare
sovradeterminato mediante la fattorizzazione QR. Confronto con la risoluzione
tramite le equazioni normali. L'operatore backslash in Matlab. Cenni
sul calcolo della fattorizzazione QR con l'algoritmo di Gram-Schmidt. Matrici
elementari di Householder. Calcolo ottimizzato della matrice . Cenni sul
fenomeno della cancellazione. Schema dell'algoritmo di Householder per la
fattorizzazione QR.
7. Martedì 22/10/2024, 9–11. ore:
2(14)
Riepilogo matrici elementari di Householder. Algoritmo di fattorizzazione QR di
Householder. Svolgimento dei primi tre passi e descrizione del passo generico.
Costruzione della matrice . Schema dell'algoritmo e mappa strutturale nel
caso di una matrice quadrata. Cenni sulla ottimizzazione dell'algoritmo.
Algoritmo nel caso di una matrice rettangolare. Complessità computazionale.
Matrici elementari di Givens. Schema dell'algoritmo di fattorizzazione QR di
Givens. Confronto con l'algoritmo di Householder.
L1. Giovedì 24/10/2024, 12–14. ore:
2(2)
Laboratorio Matlab Costruzione di un sistema lineare sovradeterminato con soluzione assegnata.
Risoluzione mediante l'operatore backslash, equazioni normali con
fattorizzazione di Cholesky, fattorizzazione QR applicata al residuo.
Realizzazione di una sperimentazione numerica al variare della dimensione con
grafico dell'errore e dei tempi di calcolo. Costruzione di una matrice
elementare di Householder.
8. Martedì 29/10/2024, 9–11. ore:
2(16)
Riepilogo problemi ai minimi quadrati. Il caso sottodeterminato a rango pieno.
Insieme delle soluzioni LSS. Condizione di ortogonalità verificata da una
LSS. Trasformazioni lineari, nucleo e immagine. I quattro sottospazi
fondamentali di una matrice. Interpretazione della condizione di
ortogonalità. Esempio geometrico. Le equazioni normali sono compatibili, ma
hanno infinite soluzioni. Espressione di una LSS in termini nel nucleo di .
Soluzioni di minima norma. Riformulazione ben posta del sistema lineare come
problema di minimo vincolato. Possibili alternative per la scelta di una
particolare soluzione in presenza di informazioni a priori di tipo fisico. Il
metodo dei moltiplicatori di Lagrange. Esempio.
9. Martedì 5/11/2024, 9–11. ore:
2(18)
Riepilogo sistemi sottodeterminati. Applicazione del metodo dei moltiplicatori
di Lagrange al calcolo della soluzione di minima norma. Equazioni normali del
secondo tipo. Matrice pseudoinversa. Risoluzione mediante fattorizzazione di
Cholesky e mediante fattorizzazione QR di . Cenni sul calcolo in Matlab.
Riepilogo autovalori e autovettori. Matrici simili e proprietà. Matrici
diagonalizzabili e unitariamente diagonalizzabili.
10. Giovedì 7/11/2024, 12–14. ore:
2(20)
Riepilogo matrici simili e diagonalizzabili. Condizione necessaria e
sufficiente per la diagonalizzabilità. Fattorizzazione spettrale. Matrici
Hermitiane e normali. Matrici unitariamente diagonalizzabili. Teorema di
Bauer-Fike sulla propagazione degli errori nel calcolo degli autovalori. Esempi
numerici di instabilità nel calcolo. Risoluzione di un sistema lineare
mediante la fattorizzazione spettrale e rappresentazione della soluzione.
11. Giovedì 14/11/2024, 12–14. ore:
2(22)
Riepilogo fattorizzazione spettrale. Decomposizione ai valori singolari. Valori
e vettori singolari. Fattorizzazione completa e compatta. Sistema singolare di
una matrice, triplette singolari. Confronto con autovalori e autovettori.
Esempi. Calcolo della norma-2 di una matrice. Stabilità nel calcolo dei
valori singolari. Cenni sul calcolo della SVD. Espressione di una matrice come
somma di matrici di rango 1. Introduzione alla principal component analysis
(PCA).
12. Martedì 19/11/2024, 9–11. ore:
2(24)
Riepilogo proprietà SVD. Principal component analysis. Approssimazione a
rango basso di una matrice di grandi dimensioni mediante la SVD troncata.
Corrispondente approssimazione per una matrice quadrata Hermitiana mediante la
fattorizzazione spettrale troncata. Grafi non orientati e matrici di adiacenza
ad essi associate. Esempio di approssimazione della potenza di una matrie di
adiacenza. Migliore approssimazione a rango fissato di una matrice secondo la
norma-2 e la norma di Frobenius. Errore di approssimazione. Rappresentazione
dei quattro sottospazi fondamentali di una matrice mediante i suoi vettori
singolari. Risoluzione di un sistema lineare quadrato mediante la SVD.
Espressione della soluzione come combinazione lineare di vettori singolari
destri. Rappresentazione della matrice inversa.
13. Giovedì 14/11/2024, 12–13. ore:
1(25)
Calcolo della soluzione di minima norma di un sistema lineare a rango nel
senso dei minimi quadrati mediante la SVD. Rappresentazione generale della
soluzione di un sistema lineare qualsiasi e della matrice pseudoinversa. Numero
di condizionamento nel caso generale e risultato di stabilità per un problema
ai minimi quadrati perturbato a rango pieno.
L2. Giovedì 14/11/2024, 13–14. ore:
1(3)
Laboratorio Matlab Soluzione di un sistema lineare sottodeterminato a rango pieno mediante le
equazioni normali del secondo tipo, la fattorizzazione QR di e
l'operatore backslash di Matlab. Confronto dei metodi in termini di
residuo, norma della soluzione e tempo di calcolo. Soluzione di un sistema
lineare qualsiasi a rango non pieno mediante la SVD e l'operatore
backslash di Matlab. Difficoltà nella determinazione del rango
numerico quando questa informazione non è disponibile.
Totale ore: 25 (lezione),
3 (laboratorio)
Giuseppe Rodriguez
rodriguez@unica.it