Lo scopo della teoria dei determinanti è di definire una funzione. det : M n R. sia calcolabile facendo somme e prodotti delle entrate delle matrici
|
|
- Biaggio Salvatore
- 4 anni fa
- Visualizzazioni
Transcript
1 Determinanti 1 / 44
2 Lo scopo della teoria dei determinanti è di definire una funzione det : M n R chiamata determinante tale che: sia calcolabile facendo somme e prodotti delle entrate delle matrici det(a) 0 A è invertibile 2 / 44
3 Matrici 1 1 Per una matrice A M 1 la risposta è immediata A = (a 11 ) A è invertibile a 11 0 Definizione Se A M 1 il determinante è definito come det(a) = [A] 11 3 / 44
4 Matrici 2 2 Supponiamo che a,c 0, allora ( ) ( ) a b A = A 1 x1 x = 2 c d x 3 x 4 ( )( ) ( ) a b x1 x = c d x 3 x ax 1 + bx 3 = 1 ax 2 + bx 4 = 0 cx 1 + dx 3 = 0 cx 2 + dx 4 = 1 ac x 1 + bc x 3 = c ac x 2 + bc x 4 = 0 ac x 1 + ad x 3 = 0 ac x 2 + ad x 4 = a ac x 1 + bc x 3 = c ac x 2 + bc x 4 = 0 (ad bc) x 3 = c (ad bc) x 4 = a 4 / 44
5 ac x 1 + bc x 3 = c ac x 2 + bc x 4 = 0 (ad bc) x 3 = c (ad bc) x 4 = a Se (ad bc) 0 possiamo andare avanti e concludere che d x 1 = ad bc x 2 = b ad bc x 3 = c ad bc a x 4 = ad bc 5 / 44
6 Se (ad bc) 0 ( ) a b A = c d d A 1 ad bc = c ad bc b ad bc a ad bc Definizione Se A M 2 il determinante è definito come det(a) = [A] 11 [A] 22 [A] 12 [A] 21 6 / 44
7 Come andare avanti? Indichiamo A = (A 1,...,A n ) = (A 1,...,A n ) una matrice di righe A 1,A 2,...,A n e colonne A 1,A 2,...,A n Definizione Per ogni n N un determinante è una funzione det : M n R tale che: (i) det(a 1,...,A n ) = 0 se A i = A j per qualche i j (ii) det(a 1,...,A j + B j,...a n ) = det(a 1,...,A j,...a n ) + det(a 1,...,B j,...a n ) det(a 1,...,λ A j,...a n ) = λ det(a 1,...,A j,...a n ) (iii) det(i n ) = 1 Stesse proprietà valgono per le colonne 7 / 44
8 Permutazioni Dato un insieme X, sia S(X) = { f : S S: f biettiva} Definiamo su S(X) la seguente operazione : S(X) S(X) S(X) (f,g) f g := f g, S(X) munito dell operazione è un gruppo 8 / 44
9 Sia adesso X un sottoinsieme finito di N con S n = {x N: 1 x n} X può essere identificato n = #(X) Definizione Una permutazione su n elementi è una applicazione biunivoca da S n in sè. Denotiamo con σ n l insieme delle permutazioni su n elementi Denotiamo una permutazione τ : S n S n con ( ) 1 2 n τ = τ(1) τ(2) τ(n) #(σ n ) = n! La premutazione identità di σ n è ( ) 1 2 n 1 n = 1 2 n 9 / 44
10 Permutazione inversa Per ottenere la permutazione inversa basterà capovolgere la tabella e riordinare le colonne in modo tale da ottenere nella prima riga 1,2,,n. Esempio ( σ = ), la sua inversa si ottiene capovolgendo la tabella ( ) , e riordinando le colonne σ 1 = ( ). 10 / 44
11 Prodotto di permutazioni Date due permutazioni ( ) 1 2 n σ = σ(1) σ(2) σ(n) ( 1 2 n τ = τ(1) τ(2) τ(n) ), il prodotto σ τ, sarà ( σ τ = 1 2 n σ(τ(1)) σ(τ(2)) σ(τ(n)) ). 11 / 44
12 Esempio Siano ( σ = ) ( τ = ) ( σ τ = ) 12 / 44
13 Cicli, trasposizioni Definizione Un ciclo di σ n, di lunghezza k n è una permutazione τ per cui esistono k elementi distinti i 1,,i k S n tali che: τ(i 1 ) = i 2, τ(i 2 ) = i 3,, τ(i k 1 ) = i k, τ(i k ) = i 1 τ(j) = j per qualunque j S n {i 1,,i k } Esempio La permutazione ( τ = ) è un ciclo di lunghezza 3 sugli elementi (1 4 3) Un ciclo sarà indicato con τ = (i 1... i k ) 13 / 44
14 Definizione Un ciclo di lunghezza 2 è detto trasposizione Esempio La permutazione ( τ = ) è una trasposizione Esercizio Se τ è una trasposizione τ 2 = τ τ = 1 Definizione Due cicli (i 1 i k ),(j 1 j s ) σ n sono detti disgiunti se gli insiemi {i 1,,i k } {j 1,,j s } sono disgiunti. 14 / 44
15 Esempio ( τ = ) ( σ = ) τ = (143) σ = (25) Esercizio Il prodotto di due cicli disgiunti è commutativo Proposizione Ogni permutazione non identica si scrive in modo unico (a meno dell ordine) come prodotto di cicli disgiunti. 15 / 44
16 Sia σ σ n Come si calcolano i cicli disgiunti di cui σ è il prodotto? 1 σ(1) σ(σ(1)) σ k (1) = 1 Abbiamo il ciclo (1σ(1) σ k 1 (1)) Sia j S n {1, σ(1),, σ k 1 (1)} operando come prima si trova il secondo ciclo e così via 16 / 44
17 Esempio ( τ = ) τ(1) = 4 τ 2 (1) = τ(τ(1)) = τ(4) = 3 τ 3 (1) = τ 2 (4) = τ(3) = 1 Il primo ciclo è (143) Se prendiamo 2 si trova il ciclo (2986) L ultimo ciclo è la trasposizione (57) τ = (143)(2986)(57) 17 / 44
18 Dato un ciclo (i 1,,i k ) Questo è uguale al seguente prodotto di trasposizioni: (i k, i k 1 )(i k, i k 2 ) (i k, i 2 )(i k, i 1 ) o (i 1, i k )(i 1 i k 1 ) (i 1, i 3 )(i 1, i 2 ) Esempio Il ciclo (143) i 3 = 3,i 2 = 4,i 1 = 1 ( ) (143) = (34)(31) ( = ) ( ) Proposizione Ogni permutazione può essere scritta (non necessariamente in modo unico) come prodotto di trasposizioni. 18 / 44
19 Esempio ( τ = ) τ = (143)(2986)(57) = (34)(31)(68)(69)(62)(57) 19 / 44
20 Segno di una permutazione Definizione Data una permutazione σ σ n, una inversione per σ è una coppia (i,j) S n S n tale che i < j e σ(i) > σ(j) Denoteremo con i(σ) il numero totale di inversioni di σ e poniamo ε(σ) := ( 1) i(σ) Definizione Una permutazione σ è detta: pari se ε(σ) = 1 dispari se ε(σ) = 1 20 / 44
21 Esempio ( τ = ) Le coppie (1,3),(1,4),(1,6),(2,3),(2,4),(2,6),(4,6),(5,6),(5,7) sono tutte le inversioni di τ e quindi τ è dispari 21 / 44
22 Proposizione Assegnata una permutazione σ, il numero delle trasposizioni di cui σ è prodotto è sempre pari o sempre dispari a seconda che la permutazione sia pari o dispari. Proposizione Per una permutazione σ si ha ε(σ) = ( 1) #t dove #t è il numero di trasposizioni di una sua qualunque decomposizione Proposizione 1 ε(1) = 1 2 se t è una trasposizione allora ε(t) = 1 3 σ,τ σ n si ha ε(στ) = ε(σ)ε(τ) 4 σ σ n si ha ε(σ 1 ) = ε(σ) 5 se t è una trasposizione, σ σ n si ha ε(σt) = ε(σ) 22 / 44
23 il prodotto di due permutazioni pari è pari il prodotto di due permutazioni dispari è pari. Indichiamo con A n L n l insieme delle permutazioni pari l insieme delle permutazioni dispari Esercizio un gruppo. Esercizio Dimostrare che A n munito del prodotto di parmutazioni è Dimostrare che data la trasposizione (h k) l applicazione ϕ h,k : A n L n definita da è biunivoca. ϕ h,k (σ) = σ (h k) 23 / 44
24 ( 1 i j n σ = σ(1) σ(i) σ(j) σ(n) Se moltiplichiamo σ per la trasposizione (i j) otterremo ( ) 1 i j n σ (ij) = σ(1) σ(j) σ(i) σ(n) Moltiplicando per un certo numero trasposizioni, diciamo t 1, t k, si ottiene la permutazione identità. ) σt 1 t 2 t k = 1 σt 1 t 2 t k t k = 1t k σt 1 t 2 t k 1 = t k σ = t k t k 1 t 1 24 / 44
25 Esempio ( ) τ = ( ) τ(57) = ( ) τ(57)(13) = ( ) τ(57)(13)(26) = ( τ(57)(13)(26)(34) = ) τ(57)(13)(26)(34) = 1 τ è una permutazione pari τ = (34)(26)(13)(57) 25 / 44
26 Determinante di una matrice quadrata Definizione Data una matrice quadrata A = (a ij ) di ordine n, chiameremo determinante di A il numero reale così definito: det(a) := τ σ n ε(τ) a 1τ(1) a 2τ(2) a nτ(n) nella definizione appare un addendo per ogni permutazione su n elementi, per un totale di n! addendi ogni addendo è il prodotto di n entrate che si trovano tutte in righe diverse e colonne diverse Data la matrice A = (a ij ), denoteremo il determinante di A anche con con a ij 26 / 44
27 Il caso 1 1 det(a) := τ σ n ε(τ) a 1τ(1) a 2τ(2) a nτ(n) A = (a 11 ) det(a) = τ σ 1 ε(τ) a 1τ(1) = a / 44
28 Il caso 2 2 σ 2 = {1,σ = (2,1)} con ε(σ) = 1 a 11 a 12 a 21 a 22 = ε(τ) a 1τ(1) a 2τ(2) τ σ 2 = ε(1)a 11(1) a 21(2) + ε(σ)a 1σ(1) a 2σ(2) = a 11 a 22 a 12 a / 44
29 Il caso 3 3 Ci sono 6 permutazioni su 3 elementi: ( )( )( )( )( )( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = ε(τ) a 1τ(1) a 2τ(2) a 3τ(3) τ σ 3 = a 11 a 22 a 33 a 11 a 23 a 32 a 12 a 21 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a / 44
30 Proposizione Il determinante di una matrice quadrata gode delle seguenti proprietà: (i) det(a 1,...,A n ) = 0 se A i = A j per qualche i j (ii) det(a 1,...,A j + B j,...a n ) = det(a 1,...,A j,...a n ) + det(a 1,...,B j,...a n ) det(a 1,...,λ A j,...a n ) = λ det(a 1,...,A j,...a n ) (iii) det(i n ) = 1 (iv) det(a) = det(a t ) 30 / 44
31 Dimostrazione di (iv) deta := τ σ n ε(τ) a 1τ(1) a nτ(n) deta t := σ σ n ε(σ) a σ(1)1 a σ(n)n a 1τ(1) a 2τ(2) a nτ(n) =a τ 1 (τ(1))τ(1) a τ 1 (τ(n))τ(n) =a τ 1 (1)1 a τ 1 (n)n deta = τ σ n ε(τ) a 1τ(1) a nτ(n) = τ 1 σ n ε(τ) a 1τ(1) a nτ(n) = ε(τ 1 ) a τ 1 (1)1 a τ 1 (n)n τ 1 σ n = ε(σ) a σ(1)1 a σ(n)n = deta t σ σ n 31 / 44
32 Dimostrazione di (i) Supponiamo che la riga h sia uguale alla riga k con h < k a hi = a ki i Ogni permutazione dispari σ si può scrivere come con τ pari σ = τ (h k) a 1σ(1) a nσ(n) = a 1τ (hk)(1) a nτ (hk)(n) σ L n τ A n deta = ε(σ) a 1σ(1) a nσ(n) σ σ n = a 1τ(1) a nτ(n) a 1σ(1) a nσ(n) τ A n σ L n = a 1τ(1) a nτ(n) a 1τ (hk)(1) a nτ (hk)(n) τ A n τ A n = τ A n [ a1τ(1) a hτ(h) a k τ(k) a nτ(n) a 1τ(1) a hτ(k) a k τ(h) a nτ(n) ] =0 32 / 44
33 Dimostrazione di (ii) e (iii) Esercizio 33 / 44
34 Ulteriori proprietà del determinante 1 se una riga (o una colonna) della matrice A è nulla, allora det(a) = 0 2 se B si ottiene da A permutando le righe con una permutazione σ, allora si ha detb = ε(σ)deta 3 se B = λa allora detb = λ n deta 4 se A = (A 1,,A j 1, s α s B s,a j+1,,a n ) allora si ha deta = α s det(a 1,,A j 1,B s,a j+1,,a n ) s 5 il determinante di una matrice non cambia se ad una sua riga (rispettivamente colonna) si somma una combinazione lineare delle altre righe (rispettivamente colonne). 34 / 44
35 Teorema (Binet) Date due matrici quadrate A,B M n si ha: det(ab) = detadetb Corollario Se una matrice quadrata A è invertibile allora deta 0, det(a 1 ) = 1 deta Dimostrazione Se A è invertibile, allora esiste A 1 tale che A 1 A = AA 1 = I det(a 1 A) = 1 Applicando il Teorema di Binet si ha det(a 1 )deta = 1 deta 0 det(a 1 ) = 1 deta 35 / 44
36 Dimostrazione del Teorema di Binet Sia A = (a ij ) e B = (b ij ) allora C = AB = (c ij ) dove c ij = a ik b kj k Usando la notazione per righe si trova dove C = (C 1,...,C n ) = ( k det(c) = det( k = k a 1k B k,..., k a 1k det(b k,..., k a 1k B k,..., k a nk B k ) a nk B k ) a nk B k ) = d D n a 1d(1) a 2d(2) a nd(n) det(b d(1),...,b d(n) ) rappresenta le disposizioni con ripetizione di n oggetti. D n 36 / 44
37 Dimostrazione del Teorema di Binet det(c) = a 1d(1) a 2d(2) a nd(n) det(b d(1),...,b d(n) ) d D n = a 1σ(1) a 2σ(2) a nσ(n) det(b σ(1),...,b σ(n) ) σ σ n = a 1σ(1) a 2σ(2) a nσ(n) ε(σ)det(b) σ σ n = ε(σ) a 1σ(1) a 2σ(2) a nσ(n) det(b) σ σ n = det(a) det(b) 37 / 44
38 Sottomatrici e minori Definizione Data una matrice A M m n e dei numeri naturali 1 i 1 < i 2 < i k m e 1 j 1 < j 2 < j l n la sottomatrice di A individuata da I = {i 1,i 2,,i k }, J = {j 1,j 2,,j l } è la matrice B con k righe e l colonne definita come segue: [B] sr := a is j r Quando k = l, la matrice B è quadrata e sarà detta minore di A di ordine k 38 / 44
39 Esempio a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 I = {2,3}, J = {2,3,4} La sottamatrice individuata da I e J è ( a22 a 23 ) a 24 a 32 a 33 a 34 I = {1,3}, J = {2,4} La sottamatrice individuata da I e J è ( a12 ) a 14 a 32 a / 44
40 Definizione Data una matrice quadrata A di ordine n ed una sua entrata a ij, diremo minore complementare di a ij il minore di ordine n 1 ottenuto da A eliminando la i-esima riga e la j-esima colonna. Tale minore sarà denotato con M ij Il complemento algebrico o cofattore di a ij è il numero reale definito come segue: A ij := ( 1) i+j detm ij Teorema (Primo teorema di Laplace) Sia A M n, allora per ogni h = 1,,n, si ha: deta = n j=1 a hj A hj = n i=1 a ih A ih 40 / 44
41 Teorema (Secondo teorema di Laplace) Sia A M n, allora per ogni h,k = 1,,n, si ha: n j=1 a hj A kj = n i=1 a ih A ik = deta δ hk Definizione Data una matrice quadrata A, definiamo aggiunta di A, la matrice: Ad(A) := (A ij ) t, Il secondo teorema di Laplace può essere espresso come segue: A Ad(A) = Ad(A) A = (deta)i n 41 / 44
42 Teorema Una matrice quadrata A è invertibile se e solo se il suo determinante è non nullo Dimostrazione Se A è invertibile, per il teorema di Binet deta 0 Viceversa, se deta 0, per il secondo teorema di Laplace dividendo per det A A Ad(A) = Ad(A) A = (deta) I n A Ad(A) deta = Ad(A) deta A = I n A è invertibile con inversa A 1 = Ad(A) deta 42 / 44
43 Torniamo ai sistemi Consideriamo il sistema quadrato AX = B, A M n, X,B M n1 Se det(a) 0 A 1 A 1 AX = A 1 B X = A 1 B x i = [A 1 ] ik b k = k k [Ad(A)] ik deta b k = k [Ad(A)] ik b k deta x i = k A ki b k deta = k b k A ki deta 43 / 44
44 Dal 1 o Teorema di Laplace x i = k b k A ki deta deta = a ki A ki k b 1 a 12 a 1n a 11 b 1 a 1n b 2 a 22 a 2n a 21 b 2 a 2n b 1 a n2 a nn a n1 b n a nn x 1 =, x 2 = deta deta a 11 a 1(i 1) b 1 a 1(i+1) a 1n a 21 a 2(i 1) b 2 a 2(i+1) a 2n a n1 a n(i 1) b n a n(i+1) a nn x i = deta Questa regola prende il nome di Regola di Cramer 44 / 44
Capitolo 3. Determinante e rango Permutazioni
Capitolo 3 Determinante e rango 303 Permutazioni Ricordiamo innanzitutto che, dato un insieme, l insieme S () delle applicazioni biunivoche da in sè stesso, può essere munito di una operazione, indicata
Dettagli1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare:
5 NOVEMBRE 2009 Esempio: Risolviamo il sistema: 3x + 2y + 4z = 1 2x y + z = 0 x + 2y + 3z = 1 1 2 4 3 1 4 3 2 1 0 1 1 2 0 1 2 1 0 1 2 3 1 1 3 1 2 1 x =, y =, z = 3 2 4 3 2 4 3 2 4 2 1 1 2 1 1 2 1 1 1 2
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
Dettagli1. 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
DettagliMATRICI 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
DettagliElementi 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)
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
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
Dettaglia i x i = b. (1.2) a i x 0 i = b.
Capitolo 1 Sistemi lineari 11 Equazioni lineari Una equazione lineare a n incognite, è una equazione del tipo seguente: a 1 x 1 + a 2 x 2 + + a n x n = b, (11) dove a 1,, a n, b sono numeri reali I simboli
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
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
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
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
Dettagli4. 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
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
DettagliDETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 10 DICEMBRE 2010 1. Una formula per il determinante Iniziamo con il definire, per ogni n 0 e per ogni matrice A M n,n (K) un scalare
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
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.
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
DettagliLEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.
LEZIONE 4 4 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
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
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
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
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
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
DettagliIl determinante. Area(P (v, w)) se si passa da v a w ruotando in senso orario.
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
DettagliElementi 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
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
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
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,
DettagliDeterminante. 1 Definizione, esistenza e unicita, calcolo e principali
Determinante 1 Definizione, esistenza e unicita, calcolo e principali 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
DettagliLezione 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
DettagliLezione 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 =,,,
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
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 +
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
DettagliSistemi lineari 1 / 41
Sistemi lineari 1 / 41 Equazioni lineari Una equazione lineare a n incognite, è una equazione del tipo: a 1 x 1 + a 2 x 2 + + a n x n = b, dove a 1,,a n,b sono delle costanti (numeri) reali. I simboli
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
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2015/2016 Cristina Turrini (C. di L. in Fisica - 2015/2016) GEOMETRIA 1 1 / 52 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo
DettagliAlgebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1
Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1 Prof. Lidia Angeleri Anno accademico 2015-2016 1 1 appunti aggiornati in data 14 gennaio 2016 Indice I Gruppi 3
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
Dettaglie così via per tutte le colonne. Una prima proprietà importante ci dice quello che accade quando si fanno delle permutazioni di colonne di A.
Capitolo 3 DETERMINANTE Il problema di stabilire se un insieme di vettori è linearmente indipendente (ad esempio se lo sono le colonne di una matrice quadrata, e quindi se la matrice è invertibile) non
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 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( ) 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
DettagliCapitolo 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
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
DettagliLezione 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
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
DettagliMatrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer
Sistemi lineari Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer 2 2006 Politecnico di Torino 1 Prodotto tra matrici quadrate Date comunque A e B matrici quadrate
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:
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
DettagliDeterminante, autovalori e autovettori
Determinante, autovalori e autovettori Lorenzo Pareschi Dipartimento di Matematica, Universitá di Ferrara http://wwwlorenzopareschicom lorenzopareschi@unifeit Lorenzo Pareschi (Univ Ferrara) Determinante,
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
Dettagli3 Soluzione di sistemi lineari
3 Soluzione di sistemi lineari Prima di addentrarci nello studio dei metodi numerici, è doveroso introdurre le matrici e alcune strutture particolari di matrici nonchè alcuni concetti fondamentali quali
DettagliContenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3
Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Dimostrazione 310 Sia W = L(C A ) K Osserviamo che S è una base di W Infatti S è indipendente, inoltre ogni vettore di W dipende
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
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
DettagliCAPITOLO 4. Il determinante
CAPITOLO 4 Il determinante 1. Motivazione Ogni matrice A M 2 (R) può essere considerata come una trasformazione f del piano in sé: identificando un punto come un vettore colonna P = [a b] T R 2, a esso
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
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
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
Dettagli0.1 Soluzioni Foglio di esercizi 1: Matrici
0.1 Soluzioni Foglio di esercizi 1: Matrici Esercizio 1 (dal Test di Autovalutazione 3/11/2015 M.Manaresi) Siano 1 1 1 1 A 2 2 0, B 1, 1 0 X M 3 (R) Si stabilisca per quali valori del parametro reale k
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.
DettagliCORSO DI ALGEBRA (M-Z) Prof. A. Venezia
CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2015-16 Complementi ed Esercizi 1. AUTOVETTORI e AUTOVALORI di ENDOMORFISMI e MATRICI Una applicazione lineare avente per dominio e condominio lo stesso spazio vettoriale
DettagliRIDUZIONE E RANGO , C = 2 5 1
MATRICI E SISTEMI RIDUZIONE E RANGO Riduzione di matrici (definizioni, trasformazioni elementari). Calcolo del rango e dell inversa (metodo di Gauss, metodo di Gauss-Jordan). 3 4 Esercizio Ridurre per
DettagliLezione 8: Determinante e Inversa
Lezione 8: Determinante e Inversa In questa lezione vogliamo descrivere due concetti fondamentali, il determinante, che è un numero associato ad ogni matrice quadrata, e l inversa di una matrice. L importanza
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
DettagliCORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE
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/
Dettagli4. Permutazioni di un insieme finito
4 Permutazioni di un insieme finito Considerato un insieme finito non vuoto X studieremo l insieme SX) delle permutazioni di X La prima osservazione da fare è che non importa il nome e la natura degli
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
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente
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
Dettaglia a 1n A = a n1... a nn a 11 x a 1n x n = b 1 a n1 x a nn x n = b n ] sono determinati. 2- La matrice A = [ a ij
Recupero. 2, Determinanti. 1. Determinanti Consideriamo una matrice A = a 11... a 1n.. a n1... a nn quadrata di ordine n ad elementi in R. Sappiamo che sono equivalenti la affermazioni 1- tutti i sistemi
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
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Gilberto Bini - Cristina Turrini 2017/2018 Gilberto Bini - Cristina Turrini (2017/2018) GEOMETRIA 1 1 / 62 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e immagine
DettagliUniversità degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 19 - Determinante Anno Accademico 2015/2016 M. Tumminello,
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
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
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
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
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
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
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
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.
DettagliG. Parmeggiani, 17/5/2018 Algebra Lineare, a.a. 2017/2018, numero di MATRICOLA PARI
G Parmeggiani, 17/5/2018 Algebra Lineare, aa 2017/2018, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA
Dettagli1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A.
1 PRELIMINARI 1.1 NOTAZIONI denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. B A si legge B è un sottoinsieme di A e significa che ogni elemento di B è anche elemento di
DettagliAppunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena. Marco Alessandrini
Appunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena Marco Alessandrini Ottobre 2006 Indice 1 Informazioni del corso 3 1.1 Programma............................ 3 1.2 Docenti..............................
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.
DettagliDETERMINANTE 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
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.............................
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
DettagliAPPUNTI DEL CORSO DI ALGEBRA LINEARE per il corso di Laurea in Matematica 1. Prof. Maria Evelina Rossi
APPUNTI DEL CORSO DI ALGEBRA LINEARE per il corso di Laurea in Matematica 1 Prof. Maria Evelina Rossi L algebra lineare svolge un ruolo cruciale in tutti i campi della matematica e, piú in generale, delle
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,
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 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