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

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "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"

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 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

Dettagli

1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare:

1 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

Dettagli

Determinante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:

Determinante. 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

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

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

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

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

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

a i x i = b. (1.2) a i x 0 i = b.

a 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

Dettagli

LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (

LEZIONE 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

Dettagli

LEZIONE i i 3

LEZIONE 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

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

Il determinante. a11 a A = 12 a 21 a 22

Il 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

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

Metodi 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 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

DETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (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

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

I determinanti. a11 a A = 12 a 21 a 22

I 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.

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

LEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.

LEZIONE 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

Dettagli

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.

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. 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

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

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

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

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

Il determinante. Area(P (v, w)) se si passa da v a w ruotando in senso orario.

Il 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

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

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

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

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

Determinante. 1 Definizione, esistenza e unicita, calcolo e principali

Determinante. 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

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

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

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

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

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

Sistemi lineari 1 / 41

Sistemi 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

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

GEOMETRIA 1 seconda parte

GEOMETRIA 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

Dettagli

Algebra 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 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

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

e così via per tutte le colonne. Una prima proprietà importante ci dice quello che accade quando si fanno delle permutazioni di colonne di A.

e 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

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 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

( ) 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

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

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

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

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

Matrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer

Matrici 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

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

Corso di Calcolo Numerico

Corso 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

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

SISTEMI DI EQUAZIONI LINEARI

SISTEMI 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

Dettagli

3 Soluzione di sistemi lineari

3 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

Dettagli

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3

Contenuti 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

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

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

CAPITOLO 4. Il determinante

CAPITOLO 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

Dettagli

Testi consigliati e contatti

Testi 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

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

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

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

0.1 Soluzioni Foglio di esercizi 1: Matrici

0.1 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

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

CORSO DI ALGEBRA (M-Z) Prof. A. Venezia

CORSO 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

Dettagli

RIDUZIONE E RANGO , C = 2 5 1

RIDUZIONE 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

Dettagli

Lezione 8: Determinante e Inversa

Lezione 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

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

CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO 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

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

4. Permutazioni di un insieme finito

4. 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

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

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE

M.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

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

a 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

a 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

Dettagli

Richiami di Algebra Lineare

Richiami 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

Dettagli

GEOMETRIA 1 seconda parte

GEOMETRIA 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

Dettagli

Università 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 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,

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

Introduzione 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 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

, 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

Vettori 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 Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara

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

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

G. Parmeggiani, 17/5/2018 Algebra Lineare, a.a. 2017/2018, numero di MATRICOLA PARI

G. 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

Dettagli

1 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. 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

Dettagli

Appunti 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 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..............................

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

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

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

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

APPUNTI 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 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

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

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

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