Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
|
|
- Albino Bertoni
- 7 anni fa
- Visualizzazioni
Transcript
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 su m righe ed n colonne. Notazioni: l insieme delle matrici si denota con Mat m,n (K). Se m n la matrice si dice rettangolare, se m = n si dice quadrata. Nel caso di matrici quadrate Mat n,n (K) si indica con Mat n (K).
2 Le matrici In Mat m,n (K) se m = 1 la matrice si dice vettore riga, se n = 1 la matrice si dice vettore colonna. Data una matrice A = [a ij ] i Im,j I n Mat m,n (K) è possibile estrarre la i-esima riga (i I m ), si ottiene il vettore [a i1... a in ]; la j-esima colonna (j I n ), si ottiene il vettore [a 1j... a mj ] T. Data una matrice quadrata A = [a ij ] di Mat n (K) (di ordine n), si possono individuare due sottoinsiemi: {a ii : i = 1,..., n}, detto diagonale principale, {a i (n+1) i : i = 1,..., n}, detto diagonale secondaria.
3 Le matrici In Mat m,n (K) se m = 1 la matrice si dice vettore riga, se n = 1 la matrice si dice vettore colonna. Data una matrice A = [a ij ] i Im,j I n Mat m,n (K) è possibile estrarre la i-esima riga (i I m ), si ottiene il vettore [a i1... a in ]; la j-esima colonna (j I n ), si ottiene il vettore [a 1j... a mj ] T. Data una matrice quadrata A = [a ij ] di Mat n (K) (di ordine n), si possono individuare due sottoinsiemi: {a ii : i = 1,..., n}, detto diagonale principale, {a i (n+1) i : i = 1,..., n}, detto diagonale secondaria.
4 Le matrici In Mat m,n (K) se m = 1 la matrice si dice vettore riga, se n = 1 la matrice si dice vettore colonna. Data una matrice A = [a ij ] i Im,j I n Mat m,n (K) è possibile estrarre la i-esima riga (i I m ), si ottiene il vettore [a i1... a in ]; la j-esima colonna (j I n ), si ottiene il vettore [a 1j... a mj ] T. Data una matrice quadrata A = [a ij ] di Mat n (K) (di ordine n), si possono individuare due sottoinsiemi: {a ii : i = 1,..., n}, detto diagonale principale, {a i (n+1) i : i = 1,..., n}, detto diagonale secondaria.
5 Le matrici Definiamo alcuni sottoinsiemi di Mat n (K). Sia A = [a ij ] Mat n (K). A è detta: triangolare superiore se a ij = 0 per ogni i, j I n tali che j < i; triangolare inferiore se a ij = 0 per ogni i, j I n tali che j > i; diagonale se a ij = 0 per ogni i, j I n con i j; indichiamo con Diag n (K) il sottoinsieme di Mat n (K) delle matrici diagonali; scalare se A è diagonale e inoltre a ii = λ per ogni i I n.
6 Le matrici Due matrici A = [a ij ] e B = [b ij ] si dicono uguali se A, B Mat m,n (K) e se a ij = b ij (i, j) I m I n. Sia A = [a ij ] Mat m,n (K). Si dice trasposta di A la matrice A T i cui elementi a ij sono a ij = a ji, (i, j) I m I n. Proposizione Sia A = [a ij ] Mat m,n (K). Si ha ( A T ) T = A.
7 Le matrici Due matrici A = [a ij ] e B = [b ij ] si dicono uguali se A, B Mat m,n (K) e se a ij = b ij (i, j) I m I n. Sia A = [a ij ] Mat m,n (K). Si dice trasposta di A la matrice A T i cui elementi a ij sono a ij = a ji, (i, j) I m I n. Proposizione Sia A = [a ij ] Mat m,n (K). Si ha ( A T ) T = A.
8 Le matrici Proposizione Una matrice A Mat n (K) è triangolare superiore se e solo A T è triangolare inferiore. Una matrice A Mat m,n (K) si dice simmetrica se e solo se A = A T. Si dice antisimmetrica se e solo se A = A T. Osservazioni. Se una matrice è simmetrica, allora è quadrata. Se una matrice è antisimmetrica, allora è quadrata e gli elementi sulla diagonale principale sono nulli. Ogni matrice diagonale è simmetrica.
9 Le matrici Proposizione Una matrice A Mat n (K) è triangolare superiore se e solo A T è triangolare inferiore. Una matrice A Mat m,n (K) si dice simmetrica se e solo se A = A T. Si dice antisimmetrica se e solo se A = A T. Osservazioni. Se una matrice è simmetrica, allora è quadrata. Se una matrice è antisimmetrica, allora è quadrata e gli elementi sulla diagonale principale sono nulli. Ogni matrice diagonale è simmetrica.
10 Le matrici Proposizione Una matrice A Mat n (K) è triangolare superiore se e solo A T è triangolare inferiore. Una matrice A Mat m,n (K) si dice simmetrica se e solo se A = A T. Si dice antisimmetrica se e solo se A = A T. Osservazioni. Se una matrice è simmetrica, allora è quadrata. Se una matrice è antisimmetrica, allora è quadrata e gli elementi sulla diagonale principale sono nulli. Ogni matrice diagonale è simmetrica.
11 Lo spazio vettoriale delle matrici Siano A = [a ij ], B = [b ij ] matrici di Mat m,n (K). Definiamo: matrice somma di A con B la matrice (A + B) Mat m,n (K) il cui elemento di posto i, j è a ij + b ij (i, j) I m I n ; matrice prodotto dello scalare α K per la matrice A, la matrice (α A) Mat m,n (K) il cui elemento di posto i, j è αa ij (i, j) I m I n.
12 Esercizio 1. Siano α = 2 R e A = [ Calcolare A + B e α B. ], B = [ ] Mat ,3 (R).
13 Lo spazio vettoriale delle matrici Proposizione La terna (Mat m,n (K), +, ) è uno spazio vettoriale sul campo K. Dimostrare che (Mat m,n (K), +) è un gruppo abeliano (non vuoto, operazione associativa, con elemento neutro la matrice nulla e con inverso additivo la matrice opposta; operazione commutativa) e che la somma e il prodotto esterno soddisfano i quattro assiomi: A, B Mat m,n (K), α, β K : (a) (α + β) A = α A + β A; (b) α (A + B) = α A + α B; (c) (αβ) A = α(β A); (d) 1 K A = A. Compito. Date le matrici A = , B = , C = Mat 3,2 (R), verificare che (A + B) + C = A + (B + C) e che A + B = B + A.
14 Lo spazio vettoriale delle matrici Proposizione La terna (Mat m,n (K), +, ) è uno spazio vettoriale sul campo K. Dimostrare che (Mat m,n (K), +) è un gruppo abeliano (non vuoto, operazione associativa, con elemento neutro la matrice nulla e con inverso additivo la matrice opposta; operazione commutativa) e che la somma e il prodotto esterno soddisfano i quattro assiomi: A, B Mat m,n (K), α, β K : (a) (α + β) A = α A + β A; (b) α (A + B) = α A + α B; (c) (αβ) A = α(β A); (d) 1 K A = A. Compito. Date le matrici A = , B = , C = Mat 3,2 (R), verificare che (A + B) + C = A + (B + C) e che A + B = B + A.
15 Lo spazio vettoriale delle matrici Proposizione Per ogni A, B Mat m,n (K), per ogni α K si ha: (A + B) T = A T + B T ; (α A) T = α A T.
16 Esercizio 2. Siano A = Calcolare: a) A + B; [ ] 1 1 2, B = D = b) 3A 2B; c) B + D; Compito. d) 3A + C; e) E + F ; f) 2E F. [ ] 2 1 2, C = [ 3 3 ] , E = [1 0 4], F = [0 3 1]
17 L anello delle matrici Dati un vettore riga A Mat 1,p (K) e un vettore colonna B Mat p,1 (K) con A = [a a 1p ], B = [b b p1 ] T, chiamiamo prodotto della riga A per la colonna B lo scalare k definito da k = [a a 1p ] [b b p1 ] T = a 11 b 11 + a 12 b 21 + a 13 b a 1p b p1 = = p a 1i b i1. i=1 Esempio. Siano A = [ ], B = [ ] T. Calcolare A B.
18 L anello delle matrici Dati un vettore riga A Mat 1,p (K) e un vettore colonna B Mat p,1 (K) con A = [a a 1p ], B = [b b p1 ] T, chiamiamo prodotto della riga A per la colonna B lo scalare k definito da k = [a a 1p ] [b b p1 ] T = a 11 b 11 + a 12 b 21 + a 13 b a 1p b p1 = = p a 1i b i1. i=1 Esempio. Siano A = [ ], B = [ ] T. Calcolare A B.
19 L anello delle matrici Date le matrici A = [a ih ] Mat m,p (K) e B = [b hj ] Mat p,n (K) chiamiamo prodotto (righe per colonne) di A con B la matrice AB Mat m,n (K) avente come elemento di posto (i, j) il prodotto della i-esima riga di A con la j-esima colonna di B: (AB) ij = [a i1... a ip ] [b 1j... b pj ] T. Esempio. Siano [ ] A =, B = , calcolare AB.
20 L anello delle matrici Date le matrici A = [a ih ] Mat m,p (K) e B = [b hj ] Mat p,n (K) chiamiamo prodotto (righe per colonne) di A con B la matrice AB Mat m,n (K) avente come elemento di posto (i, j) il prodotto della i-esima riga di A con la j-esima colonna di B: (AB) ij = [a i1... a ip ] [b 1j... b pj ] T. Esempio. Siano [ ] A =, B = , calcolare AB.
21 Esercizio 3. Compito. Siano Calcolare: a) AB; b) BA; c) AC; d) CA; e) BD; f) AD; g) CD. A = , B = , [ ] C =, D =
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
DettagliTerminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)
Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Esempi Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Osservazioni per le matrici quadrate a) Data A M n (K) è possibile definire ricorsivamente
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
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
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2010 2011 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.30
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
DettagliIl 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
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
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
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
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
DettagliTEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI
TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
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
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..............................
DettagliMatrici quadrate particolari
Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono
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
Dettaglii) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
DettagliLezione I Vettori geometrici e spazi vettoriali
.. Lezione I Vettori geometrici e spazi vettoriali A. Bertapelle 2 ottobre 2012 Vettori geometrici Definizione naïf di vettore Un vettore geometrico è un ente dotato di direzione, lunghezza e verso. Si
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
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
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
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)
DettagliAppunti di Algebra Lineare
Appunti di Algebra Lineare Francesco Mazzocca anno accademico 2006/07 Indice Notazioni 1 1 Strutture Algebriche 3 11 Operazioni su un insieme 3 12 Semigruppi 6 13 Isomorfismi 8 14 Morfismi 10 15 Gruppi
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliAlgebra Lineare (parte I)
Algebra Lineare (parte I) by www.extrabyte.info Il contenuto di questo manuale è distribuito secondo la Creative Commons License v. 2.5 Attribuzione - Non commerciale - Non opere derivate Il testo completo
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/
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
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
DettagliX Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R
X Settimana 1 Elementi basilari della teoria degli anelli (I parte) Un anello (R, +, ) è un insieme non vuoto R dotato di due operazioni (binarie), denotate per semplicità con i simboli + e + : R R R,
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
Dettagli1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?
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 ℕ, gli interi ℤ, i numeri
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
DettagliLEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
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.
DettagliAlgebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)
Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti
DettagliAL220 - Gruppi, Anelli e Campi
AL220 - Gruppi, Anelli e Campi Prof. Stefania Gabelli - a.a. 2013-2014 Settimana 1 - Traccia delle Lezioni Funzioni tra insiemi Ricordiamo che una funzione o applicazione di insiemi f : A B è una corrispondenza
DettagliParte 1. Sistemi lineari, algoritmo di Gauss, matrici
Parte 1. Sistemi lineari, algoritmo di Gauss, matrici A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Brevi richiami sugli insiemi, 1 Insiemi numerici, 3 3 L insieme R n, 4 4 Equazioni
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliLezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe
Dettagliottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto
MATRICI Si chiama matrice di m righe ed n colonne una tabella costituita da m n numeri (detti elementi), disposti in m righe orizzontali ed in n colonne verticali, racchiusi tra due parentesi tonde. (1)
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
DettagliOperazioni elementari e riduzione
Matrici e sistemi Operazioni elementari Riduzioni di matrici L algoritmo di riduzione 2 2006 Politecnico di Torino 1 Operazioni elementari per righe Sia A M m,n. Introduciamo tre tipi di operazioni che
DettagliMATRICI. a k b k. k=1
MATRICI Siano m, n N e sia R un anello con 1 Si definisce matrice di tipo m n a coefficienti in R una tabella costituita da m righe e n colonne di elementi di R (che si dicono appunto coefficienti o anche
DettagliGEOMETRIA NOTE DEL CORSO A.A. 2014/15
GEOMETRIA NOTE DEL CORSO A.A. 2014/15 Nicola Ciccoli Contents 1 Preliminari 3 1.1 Insiemi e applicazioni................. 3 1.1.1 Gli insiemi e le loro operazioni........ 3 1.1.2 Applicazioni..................
DettagliGEOMETRIA NOTE DEL CORSO A.A. 2014/15
GEOMETRIA NOTE DEL CORSO A.A. 2014/15 Nicola Ciccoli Contents 1 Preliminari 3 1.1 Insiemi e applicazioni................. 3 1.1.1 Gli insiemi e le loro operazioni........ 3 1.1.2 Applicazioni..................
DettagliStrumenti Matematici
Strumenti Matematici Dove si richiamano brevemente alcuni concetti di algebra lineare e si fissa la notazione. Spazi Trasformazioni Grafica al Calcolatore Fondamenti Matematici - 1 Spazi Per parlare di
Dettagli1 Applicazioni lineari
1 Applicazioni lineari 1 Applicazioni lineari 1.1 Definizione Si considerino lo spazio tridimensionale euclideo E e lo spazio vettoriale V ad esso associato. Definizione. 1.1. Sia A una applicazione di
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
DettagliAppunti di algebra lineare. Federico G. Lastaria. Mauro Saita. Politecnico di Milano. gennaio 2008
1 Appunti di algebra lineare Federico G. Lastaria Mauro Saita Politecnico di Milano gennaio 2008 Email degli autori: federico.lastaria@polimi.it maurosaita@tiscalinet.it 2 Indice 1 Spazi vettoriali e Applicazioni
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.
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
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
DettagliAppunti su matrici e autovalori
Appunti su matrici e autovalori Scienze Naturali 004-05 1 Le matrici Chiamiamo matrici delle tabelle finite di elementi di un insieme N (in genere, ma non sempre, un insieme di numeri posti su righe e
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
DettagliEsercitazione di Matematica su matrici e sistemi lineari
Esercitazione di Matematica su matrici e sistemi lineari Notazioni: deta, A T =trasposta di A, A 1 =inversa di A. 1. Si considerino le matrici A, B, C, D denite da 1 0 5 1 A = 0, B = 0 0, C = 0 1 0 6 1
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
DettagliRichiami di algebra lineare
2 Richiami di algebra lineare 2.1 Prodotto scalare, prodotto vettoriale e prodotto misto Sia V lo spazio vettoriale tridimensionale ordinario, che dotiamo di una base ortonormale (e 1, e 2, e 3 ), e i
DettagliDISPENSE SU TEORIA DEGLI INSIEMI E NUMERI
FACOLTA' DI ECONOMIA UNIVERSITA DELLA CALABRIA Corso di Modelli Matematici per l Azienda a.a. 2011-2012 DISPENSE SU TEORIA DEGLI INSIEMI E NUMERI Prof. Fabio Lamantia INSIEMI INSIEME= gruppo di oggetti
Dettaglix + y = t x y = t x y = t x : y = t a b c = a (b c) (a b) : c = a (b: c) b : c am bn = (ab) m+n a : b
Vero Falso 1. L addizione è sempre possibile in N. 2. La sottrazione è sempre possibile in N. 3. Se x + y = t, x e y si chiamano fattori. 4. Se x y = t, t si chiama differenza. 5. Se x y = t, t si chiama
DettagliInversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliLezione 9: Le matrici
Lezione 9: Le matrici Ancora un po di sistemi in generale: le notazioni Nella lezione precedente abbiamo visto vari esempi di sistemi lineari in cui si verificavano i seguenti casi: una sola soluzione,
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliGruppi, spazi e sottospazi vettoriali
CAPITOLO 3 Gruppi, spazi e sottospazi vettoriali Esercizio 3.1. Dimostrare che l insieme { a G = b forma un gruppo rispetto al prodotto tra matrici. a,b R, a,b Esercizio 3.2. Sia R[x] l insieme dei polinomi
DettagliALGEBRA 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
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
DettagliESERCIZI IN PIÙ I NUMERI COMPLESSI
ESERCIZI IN PIÙ I NUMERI COMPLESSI L equazione x x 0 non ha soluzioni nell insieme dei numeri reali; infatti, applicando la formula ridotta, si ottiene x, 3. Interpretando come numero immaginario, cioè
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE prof. MICHELE MININNI a.a. 2014/15 Versione provvisoria. Le segnalazioni di errori sono ben accette, anzi sono decisamente sollecitate. e-mail: michele.mininni@uniba.it 1 2 3
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliGEOMETRIA 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.................................
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliApplicazioni 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
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
DettagliDefinizioni 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
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
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
DettagliMATRICI. 1. Esercizi
MATICI Esercizio Siano A = 0, B = Esercizi 2, C = 0 2 2 Calcolare: a2a B; b3a + 2B 4C; c 2A + B + 2C 2B; d3b + 2(2A C (A + B + 2C isolvere, se possibile: ( 3X + 2(A X + B + 2(C + 2X = 0; (2 4A + 2(B +
DettagliSTRUTTURE ALGEBRICHE
Capitolo 2 STRUTTURE ALGEBRICHE 1. Gruppi, anelli, campi e spazi vettoriali In questo paragrafo torneremo sul concetto di operazione su un insieme e presenteremo la definizione e le proprietà di base di
DettagliOmomorfismi e matrici
Capitolo 12 Omomorfismi e matrici 121 Introduzione Nel corso di Geometria è stato visto come associare una matrice ad un omomorfismo tra spazi vettoriali Rimandiamo al testo del corso per esempi e esercizi
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
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliC.L. Informatica, M-Z Bari, 12 Gennaio 2016 Traccia: 1
Bari, 2 Gennaio 206 Traccia: Esercizio. Scrivere la definizione di funzione suriettiva. Dimostrare che la composizione di due funzioni suriettive è una funzione suriettiva. Esercizio 2. () Stabilire se
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
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
DettagliMATRICI Vol.1. Pag. 1/24
MATRICI Vol.1 Sommario ALGEBRA DELLE MATRICI... 3 Matrici nulla, diagonale e unità... 3 Matrice simmetrica e matrice trasposta... 3 Combinazioni lineari e differenza tra matrici. Matrice emisimmetrica...
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliSistemi lineari e spazi vettoriali 1 / 14
Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n
DettagliAlgebra Lineare Chiara Martinengo Teo Mora February 12, 2010
Algebra Lineare Chiara Martinengo Teo Mora February 12, 2010 2 1 Spazi vettoriali 5 11 Spazi vettoriali 5 12 Sistemi di generatori, dipendenza lineare 9 13 Basi, dimensione 13 2 Funzioni lineari 19 21
DettagliLa matematica del CAD. Vettori e Matrici
La matematica del CAD Vettori e Matrici IUAV Disegno Digitale Camillo Trevisan I programmi CAD riducono tutti i problemi geometrici in problemi analitici: la proiezione di un punto su un piano viene, ad
Dettagli