MATRICI E SISTEMI LINEARI
|
|
- Cesarina Venturi
- 5 anni fa
- Visualizzazioni
Transcript
1 MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
2 Definizione di matrice reale Definizione Dati due interi positivi m ed n, una matrice A reale m n è un array bidimensionale avente m righe ed n colonne così definito A = a 11 a 12 a 1n a 21 a 22 a 2n... a m1 a m2 a mn Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
3 Definizione di matrice reale Definizione Dati due interi positivi m ed n, una matrice A reale m n è un array bidimensionale avente m righe ed n colonne così definito A = a 11 a 12 a 1n a 21 a 22 a 2n... a m1 a m2 a mn Più formalmente possiamo dire che una matrice è un applicazione tale che A(i, j) = a ij R. A : {1, 2,..., m} {1, 2,..., n} R Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
4 Notazioni Una matrice verrà solitamente denotata con le lettere maiuscole dell alfabeto, mentre gli elementi di una matrice con le lettere minuscole; ad esempio la scrittura A = {a ij } i=1,...m, ovvero A = {a ij }, i = 1,... m, j = 1,... n, j=1,...n denoterà una matrice ad m righe ed n colonne il cui generico elemento è a ij. Denotiamo con R m n l insieme delle matrici con m righe ed n colonne. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
5 Notazioni Una matrice verrà solitamente denotata con le lettere maiuscole dell alfabeto, mentre gli elementi di una matrice con le lettere minuscole; ad esempio la scrittura A = {a ij } i=1,...m, ovvero A = {a ij }, i = 1,... m, j = 1,... n, j=1,...n denoterà una matrice ad m righe ed n colonne il cui generico elemento è a ij. Denotiamo con R m n l insieme delle matrici con m righe ed n colonne. Esempio (A R 3 4 ) A = π log(3) 1/3 1 2/3 0 sin(π/7) 4/3 è una matrice 3 4, ovvero a 3 righe e 4 colonne., Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
6 Matrici particolari Se m = n, (num. di righe= num. di colonne), la matrice è detta quadrata di dimensione n (se m n, la matrice è detta rettangolare); se m = n = 1, la matrice si riduce ad un unico elemento e dunque coincide con uno scalare: A = (a 11 ); se m = 1, la matrice possiede un unica riga, pertanto si riduce ad un vettore riga: A = ( a 11 a 12 a 1n ) se n = 1, la matrice possiede un unica colonna, pertanto si riduce ad un vettore colonna: a 11 a 21 A =. ( ) T a 11 a 21 a m1. a m1 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
7 Matrici particolari La matrice m n i cui elementi sono tutti nulli si chiama matrice nulla e si denota con 0 m n o più semplicemente con 0. Si chiama diagonale principale di una matrice quadrata di dim. n, il vettore: diag(a) = ( a 11 a 22 a nn ) T. Si chiama matrice identica, ogni matrice quadrata aventi elementi diagonali uguali ad 1 ed elementi extra-diagonali nulli: I = Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
8 Matrici quadrate particolari Una matrice quadrata A è detta: diagonale se tutti i suoi elementi extra-diagonali sono nulli: a ij = 0, i, j = 1,... n, i j; triangolare inferiore se tutti i suoi elementi al di sopra della diagonale principale sono nulli: a ij = 0, i < j; triangolare superiore se tutti i suoi elementi al di sotto della diagonale principale sono nulli: a ij = 0, i > j; Esempio: D = 0 2 0, T = , S = Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
9 Addizione tra matrici Definizione Se A = {a ij } e B = {b ij } sono matrici m n si definisce somma tra A e B la matrice A + B = {a ij + b ij } R m n Si osservi che + : R m n R m n R m n è una legge di composizione interna (o legge binaria). Esempio A = /3 1 2, B = /3 4 3, A + B = Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
10 Proprietà dell addizione Commutatività: A, B R m n : Associatività: A, B, C R m n : A + B = B + A; (A + B) + C = A + (B + C); Esistenza dell elemento neutro: A R m n : A + 0 = 0 + A = A; Esistenza del simmetrico (opposto): A R m n, B R m n tale che A + B = 0. L opposto di A si denota con A. Osservazione (R m n, +) è un gruppo abeliano. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
11 Moltiplicazione di uno scalare per una matrice Definizione Se A = {a ij } R m n e λ R, si definisce prodotto di λ per A la matrice λ A = {λa ij } R m n L applicazione : R R m n R m n è una legge di composizione esterna. Esempio A = /3 1 2, 2 A = / Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
12 Proprietà della moltiplicazione per uno scalare Per ogni λ, µ R e per ogni A, B R m n risulta: λ (µ A) = (λ µ) A; (λ + µ) A = λ A + µ A; λ (A + B) = λ A + λ B; 1 A = A. Per semplicità si scriverà λ A in luogo di λ A. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
13 Trasposta di una matrice Se A R m n, la trasposta di A, denotata con A T, è la matrice ottenuta da A scambiando le righe con le colonne (o viceversa), ovvero Pertanto A T R n m. A T = {a ji }, i = 1,... m, j = 1,... n. Esempio A = ( ) = A T = Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
14 Sottomatrici ( o matrici estratte) Se A = {a ij } R m n, una sottomatrice di A (o matrice estratta da A) è una matrice ottenuta sopprimendo in A un certo numero di righe e di colonne. Esempio sono sottomatrici di A: Considerata A = B = ( 2 ), C = E = ( / , ) ( 1 3 1, D = 2/3 2 1 ),, F = ( 2/ ), G = A, H = (). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
15 Sottomatrici principali Si chiama sottomatrice principale di una matrice A una sottomatrice di A i cui elementi diagonali sono anche elementi diagonali di A. Esempio Se A = B = / /4 1/ / /2 0, è ottenuta da A considerando 1 a, 3 a e 4 a riga e 1 a, 3 a e 4 a colonna di A. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
16 Sottomatrici principali di testa Si chiama sottomatrice principale di testa di A di ordine k una sottomatrice (principale) di A ottenuta considerando le prime k righe e colonne di A Esempio Se A = A 3 = / /4 1/ /3 1 2, è la sottomatrice principale di testa di A di ordine 3. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
17 Partizionamento di matrici Una matrice A si dice partizionata se è riguardata in termini di sue sottomatrici (dette blocchi di A). Esempio Se A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33, ( ) ( a11 a A 11 = 12 a13, A a 21 a 12 = 22 a 23 A 21 = ( ) a 31 a 32, A22 = ( ) a 33. e ), ( A11 A possiamo allora scrivere A = 12 A 21 A 22 ). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
18 Partizionamenti per righe e per colonne Partizionamento per righe. Se A R m n e denotiamo con a T 1, at 2, at m, le righe di A, potremo scrivere: a T 1 a T A = 2.. a T m Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
19 Partizionamenti per righe e per colonne Partizionamento per righe. Se A R m n e denotiamo con a T 1, at 2, at m, le righe di A, potremo scrivere: a T 1 a T A = 2.. Partizionamento per colonne. Se B R m n e denotiamo con a 1, a 2, a n, le colonne di A, potremo scrivere: a T m A = ( a 1, a 2,... a n ). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
20 Prodotto di matrici (righe per colonne) Ricordiamo che se a e b sono due vettori (colonna) di lunghezza n, il prodotto scalare di a e b denotato con a T b è così definito: a T b n a k b k. k=1 Siano A R m p e B R p n. Si definisce prodotto (righe per colonne) tra A e B la matrice C = A B R m n il cui elemento generico c ij è il prodotto scalare tra la riga i-esima di A e la colonna j-esima di B: c ij = a T i b j = p a ik b kj, i = 1,... m, j = 1,..., n. k=1 a T i i-esima riga di A; b j j-esima colonna di B. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
21 ESEMPIO Osservazione Il prodotto tra due matrici è possibile solo se il numero di colonne del primo fattore coincide con il numero di righe del secondo fattore. ( A = ) ( = a T 1 a T 2 ), B = ( a T A B = 1 b 1 a T 1 b 2 a T 1 b ) 3 a T 2 b 1 a T 2 b 2 a T 2 b = ( = ( b 1, b 2, b 3 ) ) B A non è possibile. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
22 Ulteriori esempi (1/2) ( ) = = = ( ) = Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
23 Ulteriori esempi (2/2) ( ( ) ( ) ( ) ( ) 4 1 = 8 1 ) ( ) 3 4 = 1 0 Osservazione Dunque, se A e B sono quadrate dello stesso ordine, A B e B A sono ben definite, tuttavia, in generale A e B non sono permutabili cioè, in generale, A B B A. Ne segue che la moltiplicazione tra matrici non è commutativa. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
24 Proprietà della moltiplicazione di matrici quadrate : R n n R n n R n n è una legge di composizione interna su R n n che verifica le seguenti proprietà: Associatività: (A B) C = A (B C); Esistenza dell elemento neutro: A I = I A = A; A 0 = 0 A = 0; Distributività a sinistra: A (B + C) = A B + A C; Distributività a destra: (A + B) C = A C + B C; λ(a B) = (λa)b = A(λB); (A B) T = B T A T. Osservazione La terna (R n n, +, ) è un anello unitario (non commutativo). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
25 Inversa di una matrice quadrata Una matrice quadrata A R n n si dice invertibile se esiste B R n n tale che A B = I = B A l inversa di A, se esiste, è denotata con A 1. Osservazione L inversa di una matrice, se esiste, è unica. Infatti, se A B = I = B A e A C = I = C A, segue che B = I B = (C A)B = C(A B) = C I = C. Se A è invertibile, (A 1 ) 1 = A (dim. per esercizio). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
26 Esempi e controesempi Esempi. I 1 = I ; B = A = ( ( ) = A 1 = ) = B 1 = ( ) ( 2 1 3/2 1/2 Controesempi. Non sono invertibili: 0 R n n (matrice nulla) ( ) 1/2 1 A = 1 2 ) Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
27 Determinante di una matrice quadrata Se A = {a ij } R n n, denotiamo con A ij la sottomatrice quadrata di A di dimensione n 1 ottenuta da A sopprimendone la i-esima riga e la j-esima colonna. Definizione Si definisce determinante di A e lo si denota con det(a) il seguente scalare: a 11, se n = 1, det(a) = n ( 1) j+1 a 1j det(a 1j ), se n > 1. j=1 Osservazione La definizione appena data va sotto il nome di REGOLA DI LAPLACE per il calcolo del determinante. In letteratura esistono diverse altre definizioni equivalenti. Il vantaggio di quella da noi adottata è che essa induce in maniera naturale un semplice algoritmo ricorsivo. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
28 Determinante di matrici 2 2 e 3 3 ( a11 a A = 12 a 21 a 22 ) = det(a) = a 11 a 22 a 12 a 21. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
29 Determinante di matrici 2 2 e 3 3 ( a11 a A = 12 a 21 a 22 ) = det(a) = a 11 a 22 a 12 a 21. A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ( a22 a a 11 det 23 a 32 a 33 = det(a) = ) ( a21 a a 12 det 23 a 31 a 33 ) ( a21 a + a 13 det 22 a 31 a 32 ) = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 12 a 21 a 33 + a 11 a 23 a 32. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
30 Generalizzazione della regola di Laplace Il determinante di una matrice quadrata A = {a ij } R n n, può essere equivalentemente calcolato mediante una delle seguenti formule che generalizzano quella precedentemente data: Sviluppo lungo la riga i-esima: det(a) = n ( 1) i+j a ij det(a ij ), (n > 1). j=1 Sviluppo lungo la colonna j-esima: det(a) = n ( 1) i+j a ij det(a ij ), (n > 1). i=1 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
31 Generalizzazione della regola di Laplace Il determinante di una matrice quadrata A = {a ij } R n n, può essere equivalentemente calcolato mediante una delle seguenti formule che generalizzano quella precedentemente data: Sviluppo lungo la riga i-esima: det(a) = n ( 1) i+j a ij det(a ij ), (n > 1). j=1 Sviluppo lungo la colonna j-esima: det(a) = n ( 1) i+j a ij det(a ij ), (n > 1). i=1 Definizione La quantità ( 1) i+j det(a ij ) prende il nome di complemento algebrico dell elemento a ij. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
32 Secondo teorema di Laplace La somma dei prodotti degli elementi di una riga (colonna) per i complementi algebrici di un altra riga (colonna) è nulla, cioè: ovvero: n ( 1) k+j a ij det(a kj ) = 0, i k j=1 n ( 1) i+k a ij det(a ik ) = 0, j k. i=1 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
33 Proprietà del determinante (1/3) det(a T ) = det(a). det(a) = 0 se: gli elementi di una riga sono tutti nulli; esistono due righe di A che sono uguali (proporzionali); esiste una riga di A che è combinazione lineare di altre righe (vale anche il viceversa). Aggiungendo ad una riga una combinazione lineare di altre righe, si ottiene una nuova matrice il cui determinante coincide con quello di A. Osservazione Una combinazione lineare tra vettori a 1, a 2,..., a k è una somma della forma c 1 a 1 + c 2 a c k a k Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
34 Proprietà del determinante (2/3) Se per la i-esima riga di A risulta a ij = b ij + c ij, dette B e C le matrici che si ottengono sostituendo in A la i-esima riga con [b i1,..., b in ] e [c i1,..., c in ], risulta: det(a) = det(b) + det(c) Se B è ottenuta da A scambiando due sue righe, risulta det(b) = det(a). Se B è ottenuta da A moltiplicandone gli elementi di una riga per uno scalare α, risulta det(b) = α det(a). Se A e B sono quadrate dello stesso ordine, det(a B) = det(a) det(b). In particolare, se A è invertibile, det(a 1 ) = 1 det(a). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
35 Proprietà del determinante (3/3) Poiché det(a T ) = det(a), le precedenti proprietà continuano a valere se riferite alle colonne piuttosto che alle righe di A. det(α A) = α n det(a) Se A è una matrice triangolare, allora det(a) = cioè il determinante di A è il prodotto dei suoi elementi diagonali. In particolare se I è la matrice identica, risulta det(i ) = 1. (Dimostrare i punti per esercizio, applicando i teoremi di Laplace.) n i=1 a ii Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
36 Esistenza dell inversa Una matrice quadrata A si dice non singolare se det(a) 0. Si definisce matrice aggiunta di A e si denota con agg(a), la trasposta della matrice dei complementi algebrici di A: [agg(a)] ij = {( 1) i+j det(a ij )} T = {( 1) i+j det(a ji )} Teorema A è invertibile ( A 1 ) A è non singolare (det(a) 0). Inoltre risulta: A 1 = 1 det(a) agg(a) Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
37 Dimostrazione del teorema di esistenza Posto B = 1 agg(a), sarà sufficiente provare che C A B = I. Gli det(a) elementi di C sono: c ij = 1 det(a) ( a i1 ( 1) j+1 det(a j1 ) + a i2 ( 1) j+2 det(a j2 ) a in ( 1) j+n det(a jn ) ) Distinguiamo due casi: per i = j, per la regola di Laplace, c ii = 1 det(a) det(a) per i j, per il secondo teorema di Laplace segue che c ij = 0. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
38 Sistemi lineari di n equazioni in n incognite Un sistema lineare di n equazioni in n incognite ha la seguente forma: a 11 x 1 + a 12 x a 1n x n = b 1.. a i1 x 1 + a i2 x a in x n = b i.. a n1 x 1 + a n2 x a nn x n = b n La matrice A = {a ij } prende il nome di matrice dei coefficienti; il vettore x = [x 1, x 2,..., x n ] T prende il nome di vettore delle incognite; il vettore b = [b 1, b 2,..., b n ] T prende il nome di vettore dei termini noti. Il sistema lineare sopra riportato può scriversi come Ax = b (forma compatta) Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
39 Soluzione di un sist. lin. (di n eq.ni in n incognite) Consideriamo il sistema lineare Ax = b. Se supponiamo che la matrice dei coefficienti A è non singolare (det(a) 0), allora A sarà invertibile: moltiplicando ambo i membri a sinistra per A 1 otteniamo: x = A 1 b dunque possiamo concludere che: Teorema Se la matrice dei coefficienti di un sistema lineare di n equazioni in n incognite è non singolare, il sistema lineare ammette una ed una sola soluzione (vale anche il viceversa). Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
40 Metodo di Cramer Da x = A 1 b = 1 det(a) agg(a)b, eguagliando le i-esime componenti dei due vettori ad ambo i membri si ha: x i = 1 ( ( 1) i+1 b 1 det(a 1i ) +... ( 1) i+n b n det(a ni ) ) det(a) Detta A i la matrice che si ottiene sostituendo in A la i-esima colonna con il vettore dei termini noti, si riconosce immediatamente che x i = det(a i), i = 1,..., n. det(a) Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
41 Conclusioni In questa prima parte di lezioni di Algebra Lineare abbiamo introdotto le matrici e ne abbiamo studiato alcune proprietà di base. Abbiamo poi applicato i risultati allo studio dei sistemi lineari con ugual numero di equazioni ed incognite Abbiamo poi osservato che, benché la regola di Laplace ed il metodo di Cramer siano facilmente implementabili sul calcolatore, le relative complessità computazionali (numero di operazioni) sono talmente elevate da rendere tali tecniche del tutto inefficienti. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
42 Conclusioni In questa prima parte di lezioni di Algebra Lineare abbiamo introdotto le matrici e ne abbiamo studiato alcune proprietà di base. Abbiamo poi applicato i risultati allo studio dei sistemi lineari con ugual numero di equazioni ed incognite Abbiamo poi osservato che, benché la regola di Laplace ed il metodo di Cramer siano facilmente implementabili sul calcolatore, le relative complessità computazionali (numero di operazioni) sono talmente elevate da rendere tali tecniche del tutto inefficienti. Alcuni argomenti della PARTE II : approccio numerico ai problemi finora affrontati; generalizzazione della teoria a matrici e sistemi rettangolari; ulteriori proprietà delle matrici; introduzione della teoria degli spazi vettoriali; applicazione della teoria delle matrici allo studio degli spazi vettoriali. Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/ / 1
Introduzione allo Scilab Parte 4: matrici; esempi.
Introduzione allo Scilab Parte 4: matrici; esempi. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 20 Giugno 2007 Felice Iavernaro (Univ.
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
DettagliCorso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani
Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2011 2012 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.00
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliSi noti che la matrice trasposta A ha lo stesso determinante. Questa proprietà è generale;
Ottavio Serra Matrici e determinanti In questa nota estenderemo a matrici quadrate di ordine n qualsiasi il concetto di determinante introdotto nelle scuole secondarie per matrici di ordine 2 come tecnica
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliElementi di Algebra Matriciale. (richiami)
Elementi di Algebra Matriciale Definizione di matrice (richiami) Matrice quadrata, diagonale, identità, triangolare, simmetrica Matrice trasposta Principali operazioni su matrici e vettori: somma, sottrazione,
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliLEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliMATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m.
MATRICI Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: 11 a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m con a a n1 a n2 a n 3 a nm i j R, 1 i n, 1 j m. per
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
DettagliRichiami di Algebra Lineare
Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni 2. MATRICI
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 2 MATRICI Siano m, n N \ {0}, sia K un campo Una matrice m n a coefficienti in K è una
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliMATRICI E OPERAZIONI
MATRICI E SISTEMI MATRICI E OPERAZIONI Matrici, somma e prodotto (definizioni, esempi, non commutatività del prodotto, legge di annullamento del prodotto Potenze e inverse di matrici quadrate (definizioni
DettagliMatrici. Prof. Walter Pugliese
Matrici Prof. Walter Pugliese Le matrici Una matrice è un insieme di numeri reali organizzati in righe e colonne. Se n è il numero delle righe e m e il numero delle colonne si dice che la matrice è di
DettagliIl prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno:
L anello delle matrici Esempio. Siano A = [ ] 0 1 3 0 2 1, B = 1 2 0 0 1 2 3 4, 1 0 calcolare AB e BA. Osservazioni Siano A Mat m,n (K) e B Mat p,q (K). Il prodotto AB è definito se n = p. Si ha AB Mat
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
DettagliTerminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)
Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Esempi Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Osservazioni per le matrici quadrate a) Data A M n (K) è possibile definire ricorsivamente
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Spazio dei vettori Il primo oggetto matematico che definiamo sarà il vettore. Partendo dai numeri reali come rappresentazione dei punti della retta reale R,
DettagliOperazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3
Operazioni tra matrici Definizione di matrice a ij è un elemento di A a ij è detto l elemento ij-esimo di A Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia
DettagliDeterminanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici
Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
Dettaglia.a MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI
aa 2012-2013 MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI 1 Sistemi di equazioni lineari Definizione 11 i Un equazione lineare nelle indeterminate (o incognite X 1,, X 1 m a coefficienti interi (o razionali,
DettagliGeometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
DettagliMATRICI e DETERMINANTI. Prof.ssa Maddalena Dominijanni
MATRICI e DETERMINANTI Le matrici non sono altro che tabelle di elementi ordinati per righe e colonne. Se m = n la matrice si dice quadrata Matrice quadrata di ordine 3 Matrice rettangolare di tipo 2 3
DettagliALGEBRA DELLE MATRICI
ALGEBRA DELLE MATRICI March 8, 2015 1 Definizioni e notazioni Una matrice è una tabella rettangolare le cui entrate sono numeri organizzati in righe orizzontali e colonne verticali. Esempio 1 2 A = 4 0
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliI determinanti. a11 a A = 12 a 21 a 22
I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.
DettagliALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5. Indice. 2. Esercizi 5
ALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5 Indice 1. Principali definizioni 1 2. Esercizi 5 Operazioni con le matrici 1. Principali definizioni Ricordiamo le principali definizioni legate alle matrici a coefficienti
DettagliALGEBRA LINEARE PARTE II
DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI
DettagliSui determinanti e l indipendenza lineare di vettori
Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti
DettagliSpazi lineari. Felice Iavernaro. Dipartimento di Matematica Università di Bari. 17 Dicembre 2009
Spazi lineari Felice Iavernaro Dipartimento di Matematica Università di Bari 17 Dicembre 2009 Felice Iavernaro (Univ. Bari) Spazi lineari 17-12-2009 1 / 32 Definizione di spazio vettoriale reale Definizione
DettagliMetodi Matematici per l Economia anno 2017/2018 Gruppo B
Metodi Matematici per l Economia anno 2017/2018 Gruppo B Docente: Giacomo Dimarco Dipartimento di Matematica e Informatica Università di Ferrara https://sites.google.com/a/unife.it/giacomo-dimarco-home-page/
DettagliLezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliTesti consigliati e contatti
Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
DettagliEsercitazione di Matematica su matrici e sistemi lineari
Esercitazione di Matematica su matrici e sistemi lineari Notazioni: deta, A T =trasposta di A, A 1 =inversa di A. 1. Si considerino le matrici A, B, C, D denite da 1 0 5 1 A = 0, B = 0 0, C = 0 1 0 6 1
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
Dettagli08 - Matrici, Determinante e Rango
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.
DettagliIntroduzione all algebra delle matrici. Appunti a cura di Lara Ercoli
Introduzione all algebra delle matrici ppunti a cura di Lara Ercoli Indice Definizioni 3. Matrici particolari............................ 4 2 Operazioni con le matrici 8 2. Somma di matrici.............................
DettagliMatrici e sistemi. Geometria. Matrici e operazioni tra matrici. Operazioni elementari e riduzione Sistemi lineari Matrici invertibili Determinante
Geometria Matrici e sistemi Operazioni elementari e riduzione Sistemi lineari Matrici invertibili Determinante 2 2006 Politecnico di Torino 1 Matrici e sistemi Matrici: definizione e notazioni Somma e
DettagliVETTORI E MATRICI. De nizione 1 Chiamiamo vettore x una n-pla ordinata di numeri reali. x 1 x 2. x n
VETTORI E MATRICI De nizione 1 Chiamiamo vettore x una n-pla ordinata di numeri reali x 1 x. x n 5 L insieme di tutti i vettori con n componenti reali si indica con R n :I numeri reali si possono pensare
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
Dettagliottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto
MATRICI Si chiama matrice di m righe ed n colonne una tabella costituita da m n numeri (detti elementi), disposti in m righe orizzontali ed in n colonne verticali, racchiusi tra due parentesi tonde. (1)
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliRichiami di Algebra Lineare
Università di Pavia Richiami di Algebra Lineare Eduardo Rossi Vettori a : (n 1) b : (n 1) Prodotto interno a b = a 1 b 1 + a 2 b 2 +... + a n b n Modulo (lunghezza): a = a 2 1 +... + a2 n Vettori ortogonali:
DettagliNozioni e Richiami di Algebra Lineare
Nozioni e Richiami di Algebra Lineare Chiara Giusy Genovese Università di Bologna Scuola di Economia, Management e Statistica CLAMEP Statistica per l analisi dei dati 11 Novembre 2014 Indice Introduzione
DettagliRichiami di algebra delle matrici
Richiami di algebra delle matrici (S. Terzi) 1. SPAZI VETTORIALI I. ALCUNE DEFINIZIONI 1) Definizione di spazio vettoriale Sia S un insieme di vettori di ordine n. S è detto spazio lineare se e' un insieme
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2010 2011 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.30
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
DettagliALGEBRA LINEARE PARTE III
DIEM sez Matematica Finanziaria Università degli studi di Genova Dicembre 200 Indice PREMESSA 2 GENERALITA 2 RAPPRESENTAZIONE DI UN SISTEMA LINEARE IN FORMA MATRI- CIALE 2 3 SOLUZIONE DI SISTEMI LINEARI
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre
Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre SETTIMANA 4 (19 25 Ottobre) Matrici elementari Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang. Esercizio
DettagliTEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI
TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of
DettagliIl determinante. a11 a A = 12 a 21 a 22
Il determinante Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni
DettagliSISTEMI DI EQUAZIONI LINEARI
SISTEMI DI EQUAZIONI LINEARI Date le rette di equazioni ax + by + c = 0 e a x + b y + c = 0 quanti punti hanno in comune? Per rispondere devo risolvere il sistema ax + by + c = 0 ቊ a x + b y + c = 0 e
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
DettagliMATEMATICA. a.a. 2014/ Sistemi di equazioni lineari
MATEMATICA a.a. 2014/15 8. Sistemi di equazioni lineari SISTEMI LINEARI Si definisce sistema lineare un sistema di p equazioni di primo grado in q incognite. a11x1 + a12 x2 +... + a1 qxq = k1 a21x1 + a22x2
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliR 2 e i numeri complessi
L. Chierchia. Dipartimento di Matematica e Fisica, Università Roma Tre 1 R e i numeri complessi 1. R come spazio vettoriale R, ossia l insieme delle coppie ordinate x, y con x e y in R è uno spazio vettoriale
DettagliAnno Accademico 2016/2017
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliMatrici quadrate particolari
Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre
Esercizi Di Geometria (BAER Canale Da consegnare Lunedi 9 Ottobre SETTIMANA 3 (2 8 Ottobre Moltiplicazione di matrici Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang Esercizio
DettagliFondamenti di Matematica del discreto
Fondamenti di Matematica del discreto M1 - Insiemi numerici 25 gennaio 2013 - Laurea on line Esercizio 1. Dire, motivando la risposta, se è possibile scrivere 3 come combinazione lineare di 507 e 2010,
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari
Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari L. De Giovanni G. Zambelli 1 Problema dell assegnamento Sia dato un grafo non orientato bipartito
Dettagli