MATRICI. 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.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MATRICI. 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."

Transcript

1 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 convenienza di notazioni solitamente le matrici vengono rappresentate in forma compatta nel seguente modo: A=(a i j, 1 i n, 1 j m. Indichiamo con M n,m (R la totalità delle matrici con n-righe e m-colonne. Indichiamo con M n (R la totalità delle matrici con n-righe e n-colonne. Due matrici A, B si dicono dello stesso tipo quando A, B M n, m (R, ossia quando hanno lo stesso numero di righe e di colonne. Le matrici A=( Due matrici A, B M n m (R, 1 M 34(R e B=( M 34(R sono dello stesso tipo. 11 a 12 a 1 3 a 1m b12 b1 3 b1m A=(a a 21 a 2 3 a 2m B=(b11 b 21 b 22 b 2 3 b 2m a n1 a n2 a n 3 a nm b n1 b n2 b n 3 b nm si dicono uguali quando a i j =b i j i, j 1 i n, 1 j m. Sia A M n (R 11 a 12 a 1 3 a 1 n A=(a a 21 a 2 3 a 2 n a n1 a n2 a n 3 a nn gli elementi a i i 1 i n costituiscono la diagonale principale. Trasposta di una matrice Sia A M n,m (R, si chiama trasposta della matrice A, la matrice A t M m,n (R che si ottiene dalla matrice A scambiando ordinatamente, le righe con le colonne. a 11 a 2 1 a 31 a n 1 a 12 a 2 2 a 32 a n 2 Data la matrice A=( a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m A a n1 a n2 a n 3 a nm =( t a 1m a 2 m a 3m a n m M 3,4(R la sua trasposta è la matrice A =(2 t ,3(R M

2 Data la matrice A=( M 3,3(R la sua trasposta è la matrice A t =( (R si dice simmetrica quando A= A t 11 a 12 a 1 3 a 1n A=(a a 12 a 2 2 a 2 3 a 2n a 1 n a 2 n a 3 n a nn M 3,3(R a i j =a j i i, j 1 i n, 1 j n. La matrice A=( è simmetrica, infatti A t =( =A (R si dice antisimmetrica quando A= A t a i j = a j i i, j 1 i n, 1 j n. A=( 0 a 12 a 13 a 1n a a 2 3 a 2n a 1 n a 2 n a 3 n 0 La matrice A=( è antisimmetrica, infatti A t =( = A Matrice triangolare superiore (R si dice triangolare superiore se a i j =0, quando i > j. 11 a 12 a 13 a 1 n 0 a 23 a 2 n A=(a n 0 0 a 33 a 3 n a n La matrice A=( è una matrice triangolare superiore. Matrice triangolare inferiore (R si dice triangolare inferiore se a i j =0, quando i < j. A=(a a 21 a a n1 a n 2 a n 3 a nn La matrice A=( è una matrice triangolare inferiore.

3 Matrice diagonale (R si dice diagonale se a i j =0, quando i j. La matrice A=( è una matrice diagonale A=(a 0 0 a a nn Matrice Identica o matrice unità Si chiama matrice identica o matrice unità, la matrice diagonale I M n (R che ha uguali a 1 tutti gli elementi della diagonale. =( I I 1 =(1 I 2 = ( I 3 =( Somma di matrici Siano A, B M n, m (R, si definisce somma delle matrici A, B la matrice C ottenuta sommando le componenti corrispondenti delle due matrici. 11 a 12 a 1 3 a 1m b1 1 b1 2 b13 b1 m C= A+ B=(a a 21 a 2 3 a 2m b 2 1 b 22 b 23 b 2 m a n1 a n2 a n 3 a nm+( Date le matrici A=( B=( b n 1 b n2 b n3 b n m 11+b 1 1 a 12+b 12 a 13+b 13 a 1 m+b 1 m C=(a a 21 +b 21 +b 2 2 a 23 +b 23 a 2 m +b m 2 m a n1 +b n1 a n2 +b n 2 a n3 +b n3 a n m +b n A+B=( Date le matrici A=( O=( ( = ( A+O=( ( = (

4 Proprietà 1. A+B=B+ A A, B M n, m (R 2. ( A+ B+C =A+(B+C A, B,C M n,m (R 3.! elemento neutro O M n,m (R t.c. A+O=O+ A=A A M n,m (R O=( A M n,m (R! A M n,m (R t. c. A+( A=( A+ A=O 1 1 a 1 2 a 13 a 1 m A=(a a 2 1 a 2 2 a 23 a m 2 m A=( a1 a n 1 a n 2 a n3 a n 1 a1 2 a1 3 a1 m a 21 a 2 2 a 2 3 a m 2 m a n1 a n 2 a n 3 a n Prodotto di una matrice per uno scalare Siano A M n,m (R, λ R, si definisce prodotto della matrici A per lo scalare λ, la matrice B ottenuta moltiplicando per λ tutte le componenti della matrice A. a 1 1 λ a 1 2 λ a 13 λ a 1m B=λ A=(λ λ a 2 1 λ a 2 2 λ a 2 3 λ a m 2 m λ a n 1 λ a n 2 λ a n 3 λ a n Data la matrice A=( A=( = ( Proprietà del prodotto per uno scalare 0 A=O A M n,m (R A=( λ (μ A=(λ μ A=μ(λ A A M n,m (R, λ,μ R 2. λ ( A+ B=λ A+λ B A, B M n, m (R, λ R distributivo rispetto alla somma tra matrici 3. (λ+μ A=λ A+μ A A M n,m (R, λ,μ R distributivo rispetto alla somma tra scalari 4.! elemento neutro 1 R t. c. 1 A=A A M n,m (R = ( =O L'insieme delle matrici ( M n, m (R,+, è uno spazio vettoriale di dimensione n m.

5 Prodotto di matrici Si chiama prodotto della matrice A M n,m (R, per la matrice B M m, p (R, la matrice C M n, p (R, i cui elementi sono c i j =A (i B ( j ( prodotto dell'i-esima riga di A per la j-esima colonna di B 1 a12 a13 a1m 1 c1 2 c1 3 c 1 j c1 p a 2 1 a 23 a 1 b1 2 b13 b1 j b1 p 2m c 2 1 c 2 2 c 2 3 c 2 j c 2 p C= A B=(a1 b 2 1 b 22 b 23 b 2 j b 2 p a i 1 a i2 a i 3 a i m c i1 c i2 c i3 c i j c i p b m1 b m2 b m 3 b m j b m p=(c1 a n 1 a n2 a n3 a nm (b1 b 1 j b 2 j i 1 b m j=a b +a b + +a b 1 j i 2 2 j i m m j c i j =(a i 1 a i 2 a i m ( Date le matrici A=( B=( A B=( ( = ( c n 1 c n 2 c n 3 c n j c n p c 11 = =1 c 12 = =1 c 13 =1 ( =0 c 21 = =1 c 22 = =1 c 23 =0 ( =2 c 31 =1 0+( =1 c 32 =1 0+( =1 c 33 =1 ( 1+( = 1 Date le matrici A=( B=( A B=( ( = ( =O non vale la legge dell'annullamento del prodotto 0 0 c 11 = =0 c 12 = =0 c 13 = =0 c 21 = =0 c 22 = =0 c 23 = =0 c 31 = =0 c 32 = =0 c 33 = =0 B A=( ( = ( c 11 = =0 c 12 = =0 c 13 = =0 c 21 = =0 c 22 = =0 c 23 = =0 c 31 = =3 c 32 = =0 c 33 = =0 A B B A il prodotto tra matrici non è commutativo

6 Proprietà del prodotto di matrici 1. ( A BC =A(B C A M n,m (R, B M m, p (R, C M p, s (R 2. ( A+ BC= AC +B C A, B M n, m (R, C M m, p (R 3. A( B+C =A B+ A C A M n,m (R, C, B M m, p (R 4. λ ( A B=(λ A B=A(λ B A M n,m (R, B M m, p (R, λ R 5. I n A=A A M n,m (R A I m =A A M n,m (R 6. ( A B t =B t A t Potenza di una matrice quadrata Sia A M n (R, definiamo la potenza m-esima della matrice A (dove m è un numero intero positivo nel seguente modo: Data le matrice A=( calcolare A 2 A 2 =A A=( { A 0 =I n, A O A 1 = A A m =A A A m volte ( = ( c 11 = ( 1 1= 1 c 12 = ( 1 ( 1=1 c 13 =0 ( ( 1 1= 1 c 21 = =1 c 22 = ( 1= 1 c 23 =0 ( =1 c 31 =1 0+( =1 c 32 =1 0+( ( 1= 1 c 33 =1 ( 1+( = 1 Determinante di una matrice A M n (R. Sia A M n (l determinante di A è un numero reale definito come: det ( A= p σ n ε ( pa 1 p(1 a 2 p(2 a n p(n dove σ n denota l'insieme di tutte le permutazioni di {1,2,3,, n} e dove ε ( p è il segno della permutazione p σ n. n=1, n=2, A=(a 11 e si ha det ( A=a 11 n=3, A=( a 11 a 12 a 21 si ha det ( A=a 11 a 12 a 21 A=( a 11 a 12 a 13 a 21 a 23 a 31 a 32 a 33 si ha det ( A=a 11 a 33 a 11 a 23 a 32 +a 12 a 23 a 31 a 12 a 21 a 33 +a 13 a 21 a 32 a 13 a 31

7 Proprietà 1. det ( A t =det ( A A M n (R = Se tutti gli elementi di una riga o di una colonna C j, sono tutti nulli, allora il determinante della matrice è uguale a zero. R 1 R A=( 2 =O Rn A=(C 1 C 2 C j =O C n det ( A= = =0 3. Se in una matrice A M n (R due righe, R k o due colonne C j,c k sono uguali allora il determinante è uguale a zero. R 1 R 2 R A=( i R k = Rn A=(C 1 C 2 C j C k=c j C n det ( A= = =0 4. Se in una matrice A M n (R una riga =λ R ' ' ' i +μ allora il determinante è uguale a: ( R 1 R 2 det ( A=det ( =λ det =λ R ' ' ' i +μ Rn o una colonna R1 R 2 det ' Rn+μ ( R1 R 2 ' ' R n C j =λ C ' ' ' j +μc j det ( A=det (C 1 C 2 C j =λ C ' ' ' j +μ C j ' =λ det (C 1 C 2 C j C n = C n +μ det (C 1 C 2 C j ' ' = C n R 2 =(7, 4, 5=(3, 2, 4+(4, 2, 1

8 in particolare: se =λ ' ' C j =λ C j allora: ( R 1 R 2 det ( A=det ( =λ det ' =λ Rn R1 R Rn 2 ' ' det ( A=det (C 1 C 2 C j =λ C j = ' C n =λ det (C 1 C 2 C j =0 C n R 2 =(4, 4, 4=4(1,1, 1 5. Se la matrice B M n (R è ottenuta dalla matrice A M n (R scambiando tra loro due righe oppure due colonne, allora det ( B= det ( A. R1 R 2 A=( R k Rn B=( R1 R 2 R k Rn A=(C 1 C 2 C j C k C n B=(C 1 C 2 C k C j C n 6. det ( I n =1. det ( B= det ( A = = =1 Teorema di Binet Siano A, B M n (R e sia C= A B allora det (C =det ( A B=det ( A det( B Siano date le matrici A=( B= ( det ( A= = =1 det ( B= =3 1 1 det ( A B=det ( A det ( B=1 ( 3= = 3

9 Sia A M n (R Complemento algebrico o cofattore a12 a1 3 a1 j a1 n a 21 a 2 3 a 2 j a 2 n A=(a11 n a i 1 a i2 a i 3 a i j a i n a n1 a n2 a n 3 a n j a n Si chiama complemento algebrico o cofattore dell'elemento a i j e si indica con A i j, il numero ottenuto nel seguente modo: A i j =( 1 i+ j det ( A {,C j } dove det ( A {,C j } rappresenta il determinante ottenuto dalla matrice A eliminando la riga e la colonna C j. Consideriamo la matrice A=( complemento algebrico dell'elemento a 11 =0 A 11 =( =3 complemento algebrico dell'elemento a 21 =0 A 2 1 =( =0 complemento algebrico dell'elemento a 3 1 =1 A 3 1 =( = 6 complemento algebrico dell'elemento a 2 2 =3 A 2 2 =( = 2 Indichiamo con cof ( A M n (R la matrice dei cofattori di A. Consideriamo la matrice A=( cof ( A=( cof ( A=( A 11 A 12 A 13 A 1 n A 21 A 22 A 23 A 2 n A n1 A n2 A n 3 A n n =(

10 Teorema di Laplace In una matrice quadrata A M n (R la somma dei prodotti degli elementi di una riga o di una colonna C j per i corrispondenti complementi algebrici è uguale al det ( A. det ( A=a i 1 A i1 +a i 2 A i 2 ++a i n A i n det ( A=a 1 j A 1 j +a 2 j A 2 j ++a n j A n j In una matrice quadrata la somma dei prodotti degli elementi di una riga ( una colonna C j per i complementi algebrici di un'altra riga R k ( un'altra colonna C k è uguale zero. a i 1 A k 1 +a i 2 A k 2 ++a i n A k n =0 a 1 j A 1k +a 2 j A 2k ++a n j A nk =0 i k j k Consideriamo la matrice A=( A[ cof ( A] t =det ( A I n somma dei prodotti degli elementi della riga R 1 per i corrispondenti complementi algebrici det ( A= =2 6 2= 6 somma dei prodotti degli elementi della riga R 1 per i complementi algebrici della riga R 2 det ( A= ( =2 6+4=0 somma dei prodotti degli elementi della riga R 2 per i corrispondenti complementi algebrici det ( A= ( =0 2 4= 6 somma dei prodotti degli elementi della riga R 2 per i complementi algebrici della riga R 1 det ( A= =0 2+2=0 somma dei prodotti degli elementi della riga R 3 per i corrispondenti complementi algebrici det ( A= = 8+2= 6 somma dei prodotti degli elementi della riga R 3 per i complementi algebrici della riga R 1 det ( A= =4 4+0=0 somma dei prodotti degli elementi della colonna C 1 per i corrispondenti complementi algebrici det ( A= =2 0 8= 6 somma dei prodotti degli elementi della colonna C 2 per i complementi algebrici della colonna C 1 det ( A= =6+2 8=0

11 Matrice inversa di una matrice A M n (R Si definisce matrice inversa di una matrice A M n (R, una matrice B M n (R (se esiste che moltiplicata a destra o a sinistra per A, dia per prodotto la matrice identica I. Per il teorema di Binet: B A= A B=I. B= A 1 det ( A A 1 =det ( Adet ( A 1 =det ( I =1. (R è invertibile sse det ( A 0. Se A M n (R è invertibile allora det ( A 1 = 1 det ( A (R si dice singolare quando det ( A=0. (R si dice non singolare quando det ( A 0. (R si dice ortogonale quando A A t =A t A=I Data la matrice 1/ 2 1/ 2 0 A=( 0 1/ 2 1/ 2 a. si dica se A è ortogonale b. se è possibile trovare l'inversa di A (R si dice ortogonale se A A t =A t A=I La matrice A è ortogonale. 1/ 2 1/ 2 0 A=( 0 1/ 2 1/ 2 A A t =( A t =( 1/ 2 1/ 2 0 0( 1/ 2 0 1/ 2 1/ 2 0 1/ 2 1/ 2 1/ 2 1/ 2 0 1/ 2 1/ 2 0 1/ ( = Ogni matrice ortogonale A è invertibile e la sua inversa A 1 coincide con la sua trasposta A t A 1 = A t =( 1/ 2 0 1/ 2 1/ 2 0 1/

12 Sia A M n (R una matrice invertibile Metodo della matrice dei cofattori Dalla relazione: si ricava che: Calcolo della matrice inversa A[ cof ( A] t =det ( A I n A 1 = 1 [cof ( A]t det ( A Determinare la matrice inversa della matrice A=( det ( A= 6, la matrice è invertibile. cof ( A=( =( =( cof ( A t =( 1 A 1 = 1 det ( A Cof ( At = 1 (

13 Metodo dell'equazione matriciale Si definisce matrice inversa di una matrice A M n (R, una matrice B M n (R (se esiste che moltiplicata a destra e a sinistra per A, dia per prodotto la matrice identica I. 11 a 12 a 1 3 a 1n A=(a a 21 a 2 2 a 2 3 a n 2 n a n 1 a n 2 a n 3 a n B=( (a11 a12 a1 3 a1n B A= A B= I. x 11 x12 x1 3 x1 n a 21 a 2 2 a 2 3 a 2n x 21 x 22 x 2 3 x 2 n a n 1 a n 2 a n 3 a nn ( x11 x1 2 x13 x1n x 21 x 2 2 x 23 x 2 n x n 1 x n 2 x n 3 x nn x n1 x n 2 x n 3 x n n=( Determinare la matrice inversa della matrice A= ( Dobbiamo determinare la matrice B= ( x y z t tale che A B= I Si ha: dalla quale ricaviamo i seguenti sistemi: sostituendo in B otteniamo: Metodo di Gauss ( ( x y z t = ( ( x+z y+t z t = ( { x+ z=1 z=0 { y+t =0 t=1 { x=1 z=0 { y= 1 t=1 B= A 1 = ( scriviamo la matrice [ A I ], formata dalla matrice A e dalla matrice identica, mediante operazioni elementari si cerca di costruire una nuova matrice [ I B], con B matrice inversa di A ] operazioni elementari: R j a +b R j R j a [ A I ]=[a 11 a 1 2 a 13 a 1 n a 21 a 2 2 a 23 a 2 n a n1 a n 2 a n3 a n n [ I B]=[ scambiare tra loro due righe della matrice fare la combinazione lineare tra due righe moltiplicare una riga per uno scalare. b1 1 b12 b13 b1 n b 2 1 b 22 b 2 3 b n] 2 n b n 1 b n2 b n 3 b n

14 Determinare la matrice inversa della matrice A=( [ A I ]=[ ] operazione elementare: R 2 R 1 operazione elementare: R 1 + R 3 R 3 operazione elementare: R 3 R 2 operazione elementare: R 2 + R 3 R 3 operazione elementare: R 1 + R 3 R 1 [ ] [ ] [ ] [ ] [ ] operazione elementare: R 2 R 2 R 3 R 3 [ ] A 1 =( Minore di ordine k Sia A M n,m (R, si chiama minore di ordine k, estratto dalla matrice A, qualunque determinante d'ordine k, ottenuto con gli elementi comuni a k righe e a k colonne della matrice A. Consideriamo la matrice minore di ordine 1 a12 a1 3 a1 j a1m a 21 a 2 2 a 23 a 2 j a 2m A=(a11 a i1 a i 2 a i 3 a i j a i m a n1 a n 2 a n3 a n j a nm A=( M 1 =a 11 =1 M 1 =a 12 =3 M 1 =a 21 =0 M 1 =a 31 = 2

15 minore di ordine 2 minore di ordine 3 M 3 = Rango di una matrice M 2 = = =1 M = =1 M = =0 M = =0 M = A M n,m (R = 16 Si chiama rango di una matrice, i cui elementi non siano tutti nulli, l'ordine massimo dei suoi minori non nulli. Il rango per righe di una matrice A M n,m (R è il massimo numero di righe linearmente indipendenti. Il rango per colonne di una matrice A M n,m (R è il massimo numero di colonne linearmente indipendenti. Il rango per righe coincide con il rango per colonne. A=( La matrice A è una matrice 3 4, quindi avrà al massimo rango 3 (r( A 3. R 1 =R 3, R 2 =2 R 1 il r ( A=1. B=( La matrice B è una matrice 3 4, quindi avrà al massimo rango 3 (r( B 3. R 1 =R 3, R 2 R 1 il r ( B=2. C=( La matrice C è una matrice 3 3, quindi avrà al massimo rango 3 (r(c 3. = 1 2 M = = 2+2=0 il r (C M 2 = =2 0 r (C =2.

16 Teorema di Kronecker Se una matrice A M n,m (R possiede un minore M non nullo, di ordine k, e se sono nulli tutti i suoi minori di ordine k+1 ottenuti orlando M con una riga e una colonna qualsiasi di A, allora il rango di A è k. Operativamente: trovato un minore M d'ordine k non nullo, calcoliamo i minori d'ordine k+1 ottenuti orlando M. Se tutti i minori sono nulli allora il rango di A è k. Se, invece, almeno un minore è non nullo, bisogna ripetere il procedimento per il minore di ordine k+1. A=( La matrice A è una matrice 3 4, quindi avrà al massimo rango 3 (r( A 3. M 2 = =2 0 = M = 12 0 il r ( A= = =0 M 3 = =3 2 2 B=( La matrice A è una matrice 3 4, quindi avrà al massimo rango 3 (r( A 3. M 2 = =2 0 = M =0 il r ( B= =2 =0 M =

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1

( ) 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

Dettagli

Argomento 12 Matrici

Argomento 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

Dettagli

Elementi di Algebra Matriciale. (richiami)

Elementi 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,

Dettagli

il determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij

il 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

Dettagli

APPUNTI DI ALGEBRA LINEARE

APPUNTI 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

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

= 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

Dettagli

Operazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3

Operazioni 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

Dettagli

Corso 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 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

4. Richiami: sistemi lineari e matrici

4. Richiami: sistemi lineari e matrici 4 Richiami: sistemi lineari e matrici Vettori 4a Combinazioni lineari Indichiamo con R n l insieme delle n-uple ordinate di elementi di R, { } R n := x = (x 1, x 2,, x n ) x i R, i = 1,,n Si dice che x

Dettagli

Richiami di algebra delle matrici a valori reali

Richiami 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

Dettagli

Le 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. 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

Dettagli

Introduzione all algebra delle matrici. Appunti a cura di Lara Ercoli

Introduzione 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.............................

Dettagli

Il prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno:

Il 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

Dettagli

Si noti che la matrice trasposta A ha lo stesso determinante. Questa proprietà è generale;

Si 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

Dettagli

APPLICAZIONI. Im f = {b B a A tale che f (a) = b}.

APPLICAZIONI. 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

Dettagli

MATRICI e DETERMINANTI. Prof.ssa Maddalena Dominijanni

MATRICI 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

Dettagli

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici

Determinanti. 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

Dettagli

Il determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora

Il determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di

Dettagli

PreCorso di Matematica - PCM Corso M-Z

PreCorso 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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI 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 27/02/2006 1 / 1 Definizione

Dettagli

Geometria BAER I canale Foglio esercizi 2

Geometria BAER I canale Foglio esercizi 2 Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:

Dettagli

Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio

Algebra 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.

Dettagli

VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI

VETTORI 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

Dettagli

Anno 4 Matrice inversa

Anno 4 Matrice inversa Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere

Dettagli

MATRICI 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 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

Dettagli

VETTORI 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 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

Dettagli

Elementi di Algebra Lineare Il determinante

Elementi di Algebra Lineare Il determinante Elementi di Algebra Lineare Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 17 index 1 2 Sottomatrici e minori Cristina Turrini (UNIMI - 2015/2016)

Dettagli

Capitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico

Capitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è

Dettagli

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico Trasformazioni elementari sulle matrici Data una matrice A K m,n definiamo su A le seguenti tre trasformazioni elementari: T : scambiare tra loro due righe (o due colonne) di A; T : sommare ad una riga

Dettagli

Geometria BAER I canale Foglio esercizi 2

Geometria BAER I canale Foglio esercizi 2 Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)

Dettagli

x n i sima pos. x, y = x T y = x i y i R. i=1

x 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

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici Matrici R. Notari 1 1. Proprietà della somma di matrici 1. (A + B) + C = A + (B + C) qualunque siano le matrici A, B, C Mat(m, n; K). 2. A + B = B + A qualunque siano le matrici A, B Mat(m, n; K). 3. Sia

Dettagli

a.a MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI

a.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,

Dettagli

VETTORI. 1. Si dimostri con un esempio che il prodotto vettoriale non è associativo. u = u u

VETTORI. 1. Si dimostri con un esempio che il prodotto vettoriale non è associativo. u = u u VETTORI 1. Si dimostri con un esempio che il prodotto vettoriale non è associativo. Consideriamo i vettori i (1,0,0), j (0,1,0) i ( j j)= i o= o ( i j) j = k j= j k= i il prodotto vettoriale non è associativo

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Elementi 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

Dettagli

Matrici. Prof. Walter Pugliese

Matrici. 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

Dettagli

MATRICI E OPERAZIONI

MATRICI 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

Dettagli

Richiami di algebra delle matrici

Richiami 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

Dettagli

Esercitazioni di Algebra e Geometria

Esercitazioni 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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI 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

Dettagli

Algebra delle matrici

Algebra 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

Dettagli

CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI

CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione

Dettagli

08 - Matrici, Determinante e Rango

08 - 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.

Dettagli

Richiami di Algebra Lineare

Richiami 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 +

Dettagli

Corso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice

Corso 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

Dettagli

Anno Accademico 2015/2016

Anno Accademico 2015/2016 Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2015/2016 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente

Dettagli

Richiami di Algebra Lineare

Richiami 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 +

Dettagli

Richiami di Algebra Lineare

Richiami 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:

Dettagli

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se

Equivalentemente, 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

Dettagli

Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.

Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali, gli interi, i numeri

Dettagli

Determinante, autovalori e autovettori

Determinante, autovalori e autovettori Determinante, autovalori e autovettori Lorenzo Pareschi Dipartimento di Matematica, Universitá di Ferrara http://wwwlorenzopareschicom lorenzopareschi@unifeit Lorenzo Pareschi (Univ Ferrara) Determinante,

Dettagli

Geometria BIAR Esercizi 2

Geometria 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

Dettagli

Matrici e sistemi. Geometria. Matrici e operazioni tra matrici. Operazioni elementari e riduzione Sistemi lineari Matrici invertibili Determinante

Matrici 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

Dettagli

A =, c d. d = ad cb. c d A =

A =, 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

Dettagli

GEOMETRIA ED ALGEBRA (Prof.ssa E. Francot)

GEOMETRIA ED ALGEBRA (Prof.ssa E. Francot) GEOMETRIA ED ALGEBRA (Prof.ssa E. Francot) Appunti del corso 1 Matrici, determinanti e sistemi lineari. 1.1 Premesse Consideriamo l insieme Z dei numeri interi. In questo insieme è definita un operazione

Dettagli

GEOMETRIA I (Prof. M. Biliotti)

GEOMETRIA I (Prof. M. Biliotti) GEOMETRIA I (Prof. M. Biliotti) Appunti del corso a cura della dott.ssa E. Francot Indice 1 Matrici, determinanti e sistemi lineari. 3 1.1 Premesse............................... 3 1.2 Matrici.................................

Dettagli

Metodi Matematici per l Economia anno 2017/2018 Gruppo B

Metodi 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/

Dettagli

3. Elementi di Algebra Lineare.

3. 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.

Dettagli

Matrici quadrate particolari

Matrici 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

Dettagli

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico , Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare

Dettagli

ALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5. Indice. 2. Esercizi 5

ALGEBRA 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

Dettagli

Esercizi di geometria per Fisica / Fisica e Astrofisica

Esercizi di geometria per Fisica / Fisica e Astrofisica Esercizi di geometria per Fisica / Fisica e Astrofisica Foglio 3 - Soluzioni Esercizio. Stabilire se i seguenti sottoinsiemi di R 3 sono sottospazi vettoriali: (a) S = {(x y z) R 3 : x + y + z = }. (b)

Dettagli

Algebra matriciale. Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale

Algebra matriciale. Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale Algebra matriciale Algebra Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale In algebra matriciale un numero è chiamato scalare

Dettagli

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe. Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice

Dettagli

PROBLEMA. Costruire matrici quadrate contenute. Fare i determinanti delle matrici quadrate contenute in A

PROBLEMA. Costruire matrici quadrate contenute. Fare i determinanti delle matrici quadrate contenute in A A = PROBLEMA 0 1 2 7 2 5 3 0 (2 4) Costruire matrici quadrate contenute in A (possibili solo matrici quadrate 2 2 e 1 1) Fare i determinanti delle matrici quadrate contenute in A Questo porta al concetto

Dettagli

Lezione 11. Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale

Lezione 11. Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale Lezione Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale Matrici. Somma Date due matrici n x m, A = A ij e B = B ij, con i =,,,

Dettagli

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema

Dettagli

ALGEBRA LINEARE PARTE II

ALGEBRA 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

Dettagli

Sistemi Lineari II. March 18, 2015

Sistemi Lineari II. March 18, 2015 Sistemi Lineari II March 18, 2015 1 Operazioni elementari Abbiamo visto nell esempio 1 come sia utile manipolare le equazioni di un sistema senza cambiare le soluzioni del sistema in modo da ottenere un

Dettagli

08 - Matrici, Determinante e Rango

08 - 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.

Dettagli

Definizioni e operazioni fondamentali

Definizioni e operazioni fondamentali MATRICI Definizioni e operazioni fondamentali Autovalori e autovettori Potenza Esponenziale Limiti, derivate e integrali Illustrazioni dal Testo di Riferimento per gentile concessione degli Autori 1 DEFINIZIONI

Dettagli

A titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.

A 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

Dettagli

DIARIO 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 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.

Dettagli

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema

Dettagli

Sui determinanti e l indipendenza lineare di vettori

Sui 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

Dettagli

Elementi di Algebra Lineare

Elementi 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

Dettagli

Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a

Corso 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,

Dettagli

CORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO 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

Dettagli

UNIVERSITA DEGLI STUDI LA SAPIENZA DI ROMA POLO DI RIETI FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA DELL AMBIENTE E DEL TERRITORIO

UNIVERSITA DEGLI STUDI LA SAPIENZA DI ROMA POLO DI RIETI FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA DELL AMBIENTE E DEL TERRITORIO UNIVERSITA DEGLI STUDI LA SAPIENZA DI ROMA POLO DI RIETI FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA DELL AMBIENTE E DEL TERRITORIO Geometria 9 5 A.A. 5 Cognome Nome Matricola Codice Scrivere in

Dettagli

DETERMINANTE DI MATRICI QUADRATE

DETERMINANTE DI MATRICI QUADRATE DETERMINANTE DI MATRICI QUADRATE Definizioni e Proprietà 12 Novembre 2015 Pietro Pennestrì pennestri1694905@studentiuniroma1it Università di Roma Sapienza SOMMARIO 1 Introduzione 11 Cenni Storici 12 Definizione

Dettagli

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016.

Registro 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

Dettagli

Matematica II

Matematica II Matematica II 29..0. Somma di due matrici. Siano m ed n due interi positivi fissati. Date due matrici A, B R m n di tipo m n, sommando a ciascun elemento di A il corrispondente elemento di B, si ottiene

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

ottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto

ottenuta 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)

Dettagli

1 Spazi vettoriali. Sottospazi.

1 Spazi vettoriali. Sottospazi. CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v

Dettagli

Geometria BAER I canale Foglio esercizi 3

Geometria BAER I canale Foglio esercizi 3 Geometria BAER I canale Foglio esercizi 3 Esercizio. Discutere le soluzioni del seguente sistema lineare nelle incognite,, z al variare del parametro k. 3 + kz = k k + 3z = k k + z = Soluzione: Il determinante

Dettagli

Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)

Terminiamo 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

Dettagli

, è Det(A) = a 11 a 22 a 12 a 21. ( il determinante della matrice che si ottiene da A. la 1 a riga e la 2 a colonna di A

, è Det(A) = a 11 a 22 a 12 a 21. ( il determinante della matrice che si ottiene da A. la 1 a riga e la 2 a colonna di A G Parmeggiani, 2/12/2013 Algebra Lineare 1 A, corso di laurea SGI, aa 2013/2014 Nota 4: Calcolo di determinanti Sia A una matrice quadrata di ordine n Il determinante di A è un numero che dipende da A

Dettagli

Anno Accademico 2016/2017

Anno 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

Dettagli

Lezione Determinanti

Lezione Determinanti 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

Dettagli

ALGEBRA DELLE MATRICI

ALGEBRA 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

Dettagli

Operazioni tra matrici e n-uple

Operazioni tra matrici e n-uple CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,

Dettagli

ALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini (

ALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini ( ALGEBRA LINEARE [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI PROFESSORE: Antonio Pasini ( http://www3.diism.unisi.it/people/person.php?id=3 ) LINK AL CORSO ANNO 2013/2014: http://www3.diism.unisi.it/fac/index.php?bodyinc=didattica/inc.insegnamento.php&id=54635&aa=2013

Dettagli

Applicazioni eliminazione di Gauss

Applicazioni eliminazione di Gauss Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare

Dettagli

GEOMETRIA 1 prima parte

GEOMETRIA 1 prima parte GEOMETRIA 1 prima parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 44 index Relazioni in un insieme 1 Relazioni in un insieme 2 Gruppi,

Dettagli