Per esempio, una matrice 4 4 triangolare alta ha la forma. 0 a. mentre una matrice di ordine 4 triangolare bassa è del tipo

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Per esempio, una matrice 4 4 triangolare alta ha la forma. 0 a. mentre una matrice di ordine 4 triangolare bassa è del tipo"

Transcript

1 Matrici triangolari Prima di esporre il metodo LU per la risoluzione di sistemi lineari, introduciamo la nozione di matrice triangolare Ci limiteremo al caso di matrici quadrate anche se l estensione a matrici rettangolari non presenta difficoltà Allora una n n matrice A è triangolare superiore o triangolare alta se i > j implica a ij = Vale a dire sono nulli tutti i coefficienti sotto la diagonale Tipicamente a a 2 a n a A = 22 a 2n a nn Invece una n n matrice A è triangolare inferiore o triangolare bassa se i < j implica a ij = Questa volta sono nulli tutti gli elementi sotto la diagonale Tipicamente a a A = 2 a 22 a n a n2 a nn Per esempio, una matrice 4 4 triangolare alta ha la forma a a2 a a4 a22 a2 a24 A a a4 a44 mentre una matrice di ordine 4 triangolare bassa è del tipo a a2 a22 A a a2 a a4 a4 a4 a44 Il determinante di una matrice triangolare ( di entrambi i tipi è il prodotto degli elementi diagonali Per esempio, se n = 4, deta = a a 22 a a 44 Segue che una matrice triangolare è singolare se almeno uno degli elementi diagonali è nullo Una matrice diagonale è nello stesso tempio triangolare alta e bassa I sistemi di equazioni con matrice dei coefficienti triangolare sono facilmente risolubili Cominciamo a mostrare l algoritmo nel caso A sia triangolare inferiore di ordine n Il sistema Ax = b, in forma esplicita, si scrive a x = b a 2 x + a 22 x 2 = b 2 a i x + a ij x j + a ii x i = b i a n x + a nn x n = b n Il metodo di risoluzione è il metodo di sostituzione in avanti Si calcola x dalla prima equazione x = b a

2 e, supposto di aver calcolato x, x 2, x i-, si utilizza la equazione i-esima a i x + a ij x j + a ii x i = b i, per calcolare x i, come x i =( b i a i x a i2 x 2 a ii- x i- /a ii, i = 2, n Per calcolare x i occorrono 2i- flop per cui il calcolo del vettore soluzione richiede 2( +2 + n n = n(n+ n = n 2 flop Il metodo di risoluzione del sistema Ax = b, nel caso di A triangolare superiore di ordine n, è, invece, il metodo di sostituzione all indietro Intanto, in forma esplicita, a x + a 2 x 2 + a n x n = b a 22 x 2 + a 2n x n = b 2 a ii x i + a ij x j + a in x n = b i a nn x n = b n Si calcola x n dall ultima equazione, ottenendo x n = b n a nn Poi, supposto di avere calcolato x n, x n-, x i+, si trova x i servendosi dell equazione i-esima Allora x i = (b i a ii+ x i+ a ii+2 x 2 a in x n /a ii, i = n-, Ancora una volta il costo complessivo è di n 2 flop Da notare che ogni elemento diagonale non nullo ha permesso il calcolo del vettore soluzione Questi due algoritmi molto efficaci per risolvere sistemi triangolari ( cioè con matrice dei coefficienti triangolare, si rilevano molto utili se la matrice A di un sistema si presenta in forma fattorizzata Per esempio si consideri il sistema (L UL 2 x = b, dove L e L 2 sono triangolari basse e U è triangolare alta, tutte dello stesso ordine n e non singolari Invece di calcolare la matrice A = L UL 2, conviene, usando la proprietà associativa, porre UL 2 x = y e risolvere il sistema triangolare L y = b Una volta calcolato y, si deve risolvere il sistema (UL 2 x = y, e conviene porre L 2 x = z, e risolvere il sistema Uz = y Infine, trovato z, non resta che risolvere L 2 x = z Il tutto con n 2 flop! Esempio Con riferimento all esempio di prima sia n = 4, e 2 2 L = 2, U = 2, L = Il vettore termine noto sia b = ( 5 9 T Allora, senza eseguire il prodotto A = L UL 2, da L UL 2 x = b, con la posizione UL 2 x = y, andiamo a risolvere il sistema L y = b, che, esplicitando, è y =, -2y + y 2 =, -y + y 2 + 2y = 5, y + y 2 + y + y 4 = 9 Sostituendo y nella seconda equazione si ha y 2 = 2, e sostituendo y e y 2 nella terza equazione si trova y = 7, e, infine, per sostituzione nella quarta si trae y 4 = - IL vettore soluzione è y = ( T Questo diventa vettore termine noto del sistema UL 2 x = y, e con la posizione L 2 x = z, dobbiamo risolvere il sistema Uz = y, che, esplicitando, è 2z - 2z 2 + z 4 =, z 2 + z + 2z 4 = 2, 2z + z 4 = 7, z 4 = - Allora, sostituendo z 4 nella terza equazione, si calcola z = 4, e con la sostituzione di z e z 4, nella seconda si trova z 2 =, e, infine, mettendo z 2, z e z 4 nella prima, si trova z = Il vettore soluzione è dunque z = ( 4 - T Resta da risolvere L 2 x = z, che, in forma esplicita, è

3 x =, -2x + 2x 2 =, x + x 2 + 2x = 4, x x 2 + x + 2x 4 = - Con la sostituzione di x nella seconda equazione si trae x 2 =, e con la sostituzione di x e x 2 nella terza equazione, si calcola x = e, infine, mettendo x, x 2, x, nella quarta equazione si trova x 4 = - Il vettore soluzione del sistema è x = ( - T Per illustrare il metodo LU richiamiamo la nozione si sottomatrice principale e minore principale di testa Sia A una matrice di ordine n Una sottomatrice principale di ordine h n, si ottiene selezionando h righe e colonne di A con gli stessi indici Se scegliamo le prime h righe e h colonne otteniamo la matrice principale di testa di ordine h Le matrici principali di testa sono n come n è la dimensione della matrice La primo è la matrice a, e l ultima e la matrice A stessa In sostanza si tratta delle sottomatrici a a2 a a a 2 a, a a a, ecc a a, a a a 2 I determinanti delle sottomatrici principali di testa sono i minori principali di testa di A Sarà utile per il seguito la seguente proprietà sulle matrici principali di testa Se L è una matrice triangolare inferiore e B è una matrice qualsiasi, entrambe quadrate dello stesso ordine, allora le sottomatrici principali di testa di A = LB, sono il prodotto tra le corrispondenti matrici principali di L e B Questo nasce dal fatto che, selezionata una sottomatrice principale di testa di L, questa viene affiancata da un blocco nullo in L Vale il Teorema Sia A una matrice quadrata di ordine n Se i primi n minori principali di testa di A sono diversi da zero, esiste una sola matrice triangolare bassa L con elementi diagonali uguali a uno e una sola matrice triangolare alta U, tali che A = LU L Algoritmo LU Nel descrivere questo algoritmo di fattorizzazione, mostreremo che, in realtà, si ottengono anche tutte le fattorizzazioni LU delle sottomatrici principali di testa Risulterà evidente l ipotesi sui minori principali di testa Le matrici L e U della fattorizzazione si ottengono dopo n- passi, durante i quali si hanno le fattorizzazioni intermedie A = L (k U (k, k =, n- Al termine del passo k-esimo, L (k è una matrice triangolare bassa con la seguente struttura (k (k L L (k L2 I (k dove L è una matrice quadrata di ordine k, triangolare bassa e con elementi diagonali uguali a (k uno, L 2 è una (n-k k matrice, I è la matrice identità di ordine n -k, e è un blocco k ( n-k nullo In sostanza L (k è una matrice triangolare inferiore con elementi diagonali uno, ma i coefficienti sotto l elemento diagonale sono zero a partire dalla colonna (k+-esima Invece U (k è una quasi triangolare alta con la struttura U (k U (k U U (k 2 (k 22

4 dove (k U è una matrice quadrata di ordine k triangolare alta, (k U 2 è una k (n-k matrice, (k U 22 è una matrice quadrata di ordine n - k, e è un blocco (n-k k nullo In sostanza U (k è tale che le prime k colonne hanno elementi nulli sotto l elemento diagonale Dalla proprietà prima enunciata, la matrice principale di testa di A, di ordine k, diventa il prodotto delle due matrici principali di testa di L (k e U (k che sono rispettivamente triangolare bassa (ad elementi diagonali uno e triangolare alta Cioè si ha la fattorizzazione LU di tale matrice Per uniformità di notazione poniamo L ( = I, U ( = A ( ( ( u u u j n ( ( ( ( U ui uij uin ( ( ( un unj unn Allora, u ( a è il primo pivot ed è non nullo perché a è il primo minore principale di testa Formiamo i moltiplicatori dividendo per il pivot ogni elemento della prima colonna u l i = i u, i = 2, La prima riga, contenente il pivot è la riga pivotale che è quella di riferimento per eseguire le seguenti trasformazioni Da ogni riga i sottraiamo la riga pivotale premoltiplicata per il moltiplicatore l i Si forma una nuova matrice U ( di elementi, ( ( ( ( uij uij li u j, i,j 2,n Gli elementi della prima riga sono gli stessi di U ( Gli elementi della prima colonna sotto il pivot sono stati resi nulli Questo è il motivo per cui l indice j parte da 2 Insomma la nuova matrice è ( ( ( u u j u n ( ( u22 u2n ( U ( ( un2 unn Mettiamo i moltiplicatori, nell ordine, nella prima colonna di L ( = I, sotto l elemento diagonale, per formare L ( = l 2 l n Si dimostra che A è il prodotto di tali matrici, quindi il primo passo A = L ( U ( è completato Supponiamo, ora, di essere pervenuti al passo (k-, con A = L (k- U (k-, (k (k L L (k, L2 I

5 (k (k (k U U2 U (k U22 La matrice L (k- è triangolare bassa con elementi diagonali uguali a uno, e la sottomatrice principale di testa di ordine k di U (k- (k (k è triangolare alta, con determinante u kk det U Poiché deve essere uguale al minore principale di testa di ordine k di A, segue che il k-esimo pivot (k Prendiamo in esame il blocco U kk (k ukk (k (k U22 uik (k unk e formiamo i moltiplicatori (k (k uik l (k u u u u (k kj (k ij (k nj ik, i k,n kk (k u kn (k u in (k unn (k u kk è non nullo La riga k-esima è, ora, la riga pivotale Da ogni riga i > k, sottraiamo la riga pivotale, premoltiplicata per il moltiplicatore i-esimo, vale a dire (k (k (k (k u u l u, i,j k,n ij ij ik kj Il blocco viene modificato con prima colonna nulla sotto il pivot La nuova matrice U (k ha i restanti elementi uguali alla matrice U (k- Mettiamo i moltiplicatori nella colonna k-esima ddi L (k- nell ordine sotto l elemento diagonale uno Si viene a formare la matrice L (k e ancora una volta si prova A = L (k U (k Al passo n- la matrice L = L (n- è triangolare bassa ( ma lo erano anche le altre con elementi diagonali uno, e U = U (n- è finalmente triangolare alta Risulta A = LU, e abbiamo anche ottenuto le fattorizzazioni delle sottomatrici principali Esempio A e proviamo a costruire la fattorizzazione A = LU Poiché, in generale, non possiamo controllare che i cinque minori principali di testa di A sono non nulli, mandiamo comunque in esecuzione l algoritmo di fattorizzazione, e al primo pivot nullo incontrato ( se ciò accade siamo costretti a fermarci e a riconoscere nella matrice A che il minore principale di testa corrispondente è nullo Quindi iniziamo con U ( = A, e

6 ( L Risulta evidentemente A = L ( U ( Il primo pivot è, e quindi formiamo il primo vettore di moltiplicatori 9/ =, (-/ = - 6/=2 9/= e la nuova matrice L ( 2 ( L Dalla seconda riga di U ( sottraiamo la prima riga premoltiplicata per il secondo elemento della prima riga di L ( che è il moltiplicatore, dalla terza riga di U ( sottraiamo la prima riga premoltiplicata per il terzo elemento della prima riga di L ( che è il moltiplicatore Dalla quarta riga di U ( sottraiamo la prima riga premoltiplicata per ilquarto elemento della prima riga di L ( che è il moltiplicatore 2 Dalla quinta riga di U ( sottraiamo la prima riga premoltiplicata per il quinto elemento della prima riga di L ( che è il moltiplicatore Si ottiene la nuova matrice ( U Il secondo pivot è Se ciò non fosse avvenuto, il minore principale di testa di ordine due sarebbe stato nullo Formiamo, allora, i moltiplicatori (-2/(- =2, 4/(-= -4, (-/(- =, La nuova matrice L (2 si ottiene da L ( sostituendo gli zeri della seconda colonna sotto l elemento diagonale uno, con i nuovi moltiplicatori Risulta, allora (2 L Dalla terza riga di U ( sottraiamo la seconda riga premoltiplicata per il terzo elemento della seconda colonna di L (2 che è il moltiplicatore 2 Dalla quarta riga di U ( sottraiamo la seconda riga premoltiplicata per il quarto elemento della seconda colonna di L (2 che è il moltiplicatore 4 Dalla

7 quinta riga di U ( sottraiamo la seconda riga premoltiplicata per il quinto elemento della seconda colonna di L (2 che è il moltiplicatore Otteniamo (2 U 2 Il terzo pivot è Se fosse risultato nullo, sarebbe stato nullo il minore principale di testa di ordine tre di A Allora i moltiplicatori sono (-6/ = -2 / = La nuova matrice L (, è ( L Dalla quarta riga di U (2 sottraiamo la terza riga premoltiplicata per quarto elemento della terza colonna di L ( che è il moltiplicatore 2 Dalla quinta riga di U (2 sottraiamo la terza riga premoltiplicata per il quinto elemento della terza colonna di L ( che è il moltiplicatore Si ottiene ( U 2 Il quarto pivot è Se fosse risultato zero, sarebbe stato zero anche il minore principale di testa di ordine quattro di A L ultimo moltiplicatore è (-/(- = Si trova la matrice finale triangolare bassa con elementi diagonali uno (4 L L Sottraiamo dalla quinta riga di U ( la quarta riga premoltiplicata per l ultimo moltiplicatore ( il quinto elemento della quarta colonna di L (4 Quindi la matrice finale triangolare alta è

8 (4 UU 2 In sostanza abbiamo fatto le 4 = 5-, fattorizzazioni A = L ( U (, A = L (2 U (2, A = L ( U (, A = L (4 U (4 = LU Esercizio Individuale le fattorizzazioni LU delle quattro sottomatrici principali Una di queste è Conseguenze della fattorizzazione L algoritmo LU produce il determinante di A se si calcola il prodotto degli elementi diagonali di U Nell esempio di prima il determinante è - 9 Infine i minori principali di testa di A sono i minori principali di testa di U Nell esempio illustrato sono nell ordine, -, -9, 9, -9 Il costo computazionale della fattorizzazione Una analisi dettagliata delle operazioni floating ( flop per eseguire la fattorizzazione, porta al calcolo esatto del costo complessivo C Interessa, però, solo la parte predominante del costo e si usa scrivere C = O(2n / Vuol dire che esistono altri termini in n 2 e n e un termine costante che, per n sufficientemente grande sono trascurabili rispetto al termine predominante Per esempio se fattorizziamo una matrice di ordine n =, dobbiamo eseguire 65 circa operazioni alle quali aggiungere circa operazioni che non alterano l ordine di grandezza del costo complessivo Utilizzo della fattorizzazione Una volta eseguita la fattorizzazione A = LU di A il sistema lineare si presenta nella forma LUx = b In questa forma si pone Ux = y, poi si comincia col risolvere il sistema triangolare inferiore,cioè con matrice dei coefficienti triangolare bassa, e a elementi diagonali unitari, Ly = b In forma esplicita questo sistema si scrive y = b l 2 y + y 2 = b 2 l i y + y i = b i l n y + y n = b n Allora la prima equazione dà y, e, supposto di averecalcolato y, y i-, dalla equazione i-esima si trova y i = b i l i y - l ii- y i-, i =2, n

9 Questo è il metodo di sostituzione in avanti per sistemi triangolari bassi, che abbiamo già illustrato, ma semplificato dal fatto il coefficiente di y i nella equazione i-esima è uno Il sistema Ux = y, in forma esplicita si scrive u x + u n x n = y u ii x i + u in x n = y i u nn x n = y n Questa volta il metodo risolutivo è esattamente quello di sostituzione all indietro già illustrato Si prende x n = y n /u nn dall ultima equazione, e, supposto di avere calcolato x n, x i+, si trova x i dalla equazione i-esima, x i = (y i - u in x n - u ii+ x i+ /u ii, i =n-, Come già riferito la fattorizzazione LU prende spesso il nome di fattorizzazione di Gauss ( o Gaussiana In generale le tecniche del tipo sottrarre da una riga un altra premoltiplicata, ec, vanno sotto il nome di procedure ( di riduzione di Gauss Costo complessivo Il costo per la soluzione di un sistema triangolare è n 2 flop e, in conseguenza, occorre aggiungere per la soluzione del sistema originario altri 2n 2 flop Questo non contribuisce all ordine di grandezza della fattorizzazione e resta il fatto che la soluzione di un sistema di ordine n richiede un costo di O(2n / flop Esempio Si consideri la matrice precedente e i sistemi con termine noto rispettivamente b = ( T, b = ( T Si controlla che i vettori soluzione sono rispettivamente x= ( T, x = ( 2 2 T Ricordiamo che A è fattorizzata in L 2 e U 2 Per risolvere il sistema col primo termine noto proposto occorre prima risolvere il sistema Ly = b, che, in questo caso si scrive y = 4 y + y 2 = -5

10 -y + 2y 2 +y = -8 2y -4y 2-2y +y 4 = 77 y + y 2 + y +y 4 + y 5 = -4 Si ottiene y = 4 e sostituendo y nella seconda equazione si trae y 2 = -5 -y = -7 Mettendo questi due nella terza equazione si ottiene y = -8 +y -2y 2 = Quindi con i valori di y, y 2, e y, nella quarta equazione si trae y 4 = 77-2y + 4y 2 +2y = Infine siamo in grado di calcolare y 5 = -4 -y -y 2 y y 4 = -4 Il vettore y diventa termine noto nel sistema Ux = y, che, in questo caso, si scrive x -2x 2 x x 4-2x 5 = 4 -x 2 +4x x 4-2x 5 = -7 x -2x+x 5 = -x 4 + x 5 = -x 5 = -4 Si ricava x 5 = 4, e sostituendo nella quarta equazione si ha x 4 = (-x 5 /(- = Poi, dalla terza equazione x = ( +2x 4 -x 5 / = -2 Quindi, dalla seconda equazione x 2 = (-7-4x +x 4 +2x 5 /(- = -2 Infine coinvolgendo la prima equazione si ottiene x = (4 +2x 2 +x + x 4 +2x 5 / = Esercizio Risolvere il sistema col secondo vettore termine noto Come si vede dall esempio, ma la cosa vale in generale, per risolvere vari sistemi con la stessa matrice dei coefficienti, si calcolano una volta per tutte le matrici della fattorizzazione e volta per volta si risolvono i due sistemi triangolari Il caso delle matrici a banda In molte applicazioni le matrici di sistema hanno una struttura particolare, detta struttura a bande, che ora illustriamo Facciamo riferimento a matrici quadrate, anche se le definizioni si estendono senza problemi a matrici rettangolari Definizione Una matrice quadrata A di ordine n ha larghezza di banda alta q, se j > i + q, implica a ij = Invece ha larghezza di banda bassa p se i > j + p implica a ij = Per comprendere questa struttura, ispirandoci al Matlab, diciamo che la diagonale di una matrice è la diagonale e la chiamiamo diagonale principale Poi gli elementi a i i+, i =, n-, formano la diagonale, immediatamente sopra la principale Gli elementi a i i+2, i =, n-2, formano la diagonale 2, gli elementi a i i+h, i =, n-h, h=, n-, formano la diagonale h La diagonale (n- è costituita dal solo elemento a n Quindi gli elementi a i- i, i = 2, n, sono quelli della diagonale -, immediatamente sotto la diagonale principale Gli elementi a i-h i, i = h+, n, h =, n-,sono quelli della diagonale h, e l unico a n va a formare la diagonale (n- Allora larghezza di banda alta q vuol dire che sono nulle le diagonali q+, n-, mentre larghezza di banda bassa p vuol dire che sono nulle le diagonali (p+, -(n- Una matrice triangolare superiore ha larghezza di banda bassa, mentre una triangolare inferiore ha larghezza di banda alta

11

Sistemi 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. 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

Dettagli

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il

Dettagli

Esercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =

Esercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A = Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice

Dettagli

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il

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

Il teorema di Rouché-Capelli

Il teorema di Rouché-Capelli Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un

Dettagli

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im

Definizione 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

Dettagli

1 Risoluzione di sistemi lineari

1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari La presente nota è in parte ripresa dal testo D Bini M Capovani O Menchi Metodi numerici per l algebra lineare Zanichelli Editore Siano A una matrice non singolare di ordine

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis

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

Sistemi II. Sistemi II. Elisabetta Colombo

Sistemi II. Sistemi II. Elisabetta Colombo Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+

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

Motivazioni. Sistemi lineari. Obiettivo. Il problema

Motivazioni. Sistemi lineari. Obiettivo. Il problema Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime

Dettagli

3x 2 = 6. 3x 2 x 3 = 6

3x 2 = 6. 3x 2 x 3 = 6 Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice

Dettagli

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere

Dettagli

Esercitazione 6 - Soluzione

Esercitazione 6 - Soluzione Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione

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

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

SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3

SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3 SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti 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

Dettagli

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,

Dettagli

1 se k = r i. 0 altrimenti. = E ij (c)

1 se k = r i. 0 altrimenti. = E ij (c) Facoltà di Scienze Statistiche, Algebra Lineare A, G.Parmeggiani LEZIONE 5 Matrici elementari e loro inverse Si fissi m un numero naturale. Per ogni i, j m con i j siano E ij (c) (ove c è uno scalare )

Dettagli

Decomposizione LU di una matrice quadrata

Decomposizione LU di una matrice quadrata Appendice al Cap. 5 Decomposizione LU di una matrice quadrata Una qualunque matrice quadrata M = {m ij } di ordine N, reale, invertibile, i cui minori principali siano tutti non nulli, si può sempre decomporre

Dettagli

Def. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:

Def. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni: Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe

Dettagli

2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:

2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare: Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante

Dettagli

Matrici elementari e fattorizzazioni

Matrici elementari e fattorizzazioni Matrici elementari e fattorizzazioni Dario A Bini, Università di Pisa 19 ottobre 2015 Sommario Questo modulo didattico introduce ed analizza la classe delle matrici elementari Tale classe verrà usata per

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

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

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016. Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare

Dettagli

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati. LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b

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

RISOLUZIONE DI SISTEMI LINEARI

RISOLUZIONE DI SISTEMI LINEARI RISOLUZIONE DI SISTEMI LINEARI Algebra lineare numerica 1 La risoluzione di un sistema lineare è il nucleo principale del processo di risoluzione di circa il 70% di tutti i problemi reali Per la risoluzione

Dettagli

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)

Dettagli

Risoluzione di sistemi lineari sparsi e di grandi dimensioni

Risoluzione di sistemi lineari sparsi e di grandi dimensioni Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica

Dettagli

Sistemi d equazioni lineari

Sistemi d equazioni lineari Introduzione Introduzione Sia dato il seguente sistema d equazioni: S S S S Come si risolve un sistema... come si risolve? Lezione 25.wpd 08/01/2011 XXV - 1 Lezione 25.wpd 08/01/2011 XXV - 2 Introduzione

Dettagli

Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente

Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire

Dettagli

2. ALGORITMO DEL SIMPLESSO

2. ALGORITMO DEL SIMPLESSO . ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione

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

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

Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =

Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A = Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.

Dettagli

Matrici di permutazione

Matrici di permutazione Matrici di permutazione Si dice matrice di permutazione elementare una matrice ottenuta dall identità scambiando due righe i e j o due colonne i e j. P ij =...... P ij ha come effetto di scambiare le righe

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 Condizione sufficiente di diagonalizzabilità 0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali

Dettagli

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A = Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):

Dettagli

Operazioni elementari e riduzione

Operazioni 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

Dettagli

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ. ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio

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

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

ESERCIZI SULLE MATRICI

ESERCIZI SULLE MATRICI ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a

Dettagli

Esercizi sui sistemi di equazioni lineari.

Esercizi sui sistemi di equazioni lineari. Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la

Dettagli

Altre trasformazioni elementari

Altre trasformazioni elementari Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens

Dettagli

Applicazioni eliminazione di Gauss

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

Dettagli

Giuseppe Accascina. Note del corso di Geometria e Algebra

Giuseppe Accascina. Note del corso di Geometria e Algebra Giuseppe Accascina Note del corso di Geometria e Algebra Corso di Laurea Specialistica in Ingegneria Gestionale Anno Accademico 26-27 ii Istruzioni per l uso Faremo spesso riferimento a ciò che è stato

Dettagli

ha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il

ha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 6 Eliminazione di Gauss con scambi di righe Sia A O una matrice m n. Abbiamo illustrato nella Lezione 5 un algoritmo che ha come

Dettagli

Esercitazione 5: Sistemi a risoluzione immediata.

Esercitazione 5: Sistemi a risoluzione immediata. Esercitazione 5: Sistemi a risoluzione immediata. Ipotesi: Supponiamo le matrici non singolari. Nota: Per verificare che si ha risolto correttamente il sistema lineare Ax = b basta calcolare la norma del

Dettagli

Esercizi svolti sui sistemi lineari

Esercizi svolti sui sistemi lineari Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: t x + (t 1)y + z = 1 (t 1)y + t z = 1 2 x + z = 5 Soluzione. Il determinante della matrice dei coefficienti è t t 1

Dettagli

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque

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

3. Vettori, Spazi Vettoriali e Matrici

3. Vettori, Spazi Vettoriali e Matrici 3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e

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

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione

Dettagli

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite 3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x

Dettagli

1 Il polinomio minimo.

1 Il polinomio minimo. Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene

Dettagli

Sistemi lineari - Parte Seconda - Esercizi

Sistemi 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

Dettagli

Sistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica,

Sistemi lineari. Lucia Gastaldi. DICATAM - Sez. di Matematica, Sistemi lineari Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Risoluzione di sistemi lineari Risoluzione di sistemi lineari in Matlab Metodi di risoluzione Fattorizzazione

Dettagli

Anno 4 Matrice inversa

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

Dettagli

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007 ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala

Dettagli

Motivazione: Come si fa? Matrici simmetriche. Fattorizzazioni di matrici speciali

Motivazione: Come si fa? Matrici simmetriche. Fattorizzazioni di matrici speciali Motivazione: Fattorizzazioni di matrici speciali Diminuire la complessità computazionale = evitare operazioni inutili = risparmiare tempo di calcolo Diminuire l occupazione di memoria Come si fa? Si tiene

Dettagli

Lezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008

Lezioni 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

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 2b + c 3d = 0, a + c d = 0 c d SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,

Dettagli

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

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

Dettagli

Sistemi sovradeterminati

Sistemi sovradeterminati Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di

Dettagli

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.

1 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,

Dettagli

Metodo di Gauss-Jordan 1

Metodo di Gauss-Jordan 1 Metodo di Gauss-Jordan 1 Nota Bene: Questo materiale non debe essere considerato come sostituto delle lezioni. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi

Dettagli

Dipendenza e indipendenza lineare (senza il concetto di rango)

Dipendenza e indipendenza lineare (senza il concetto di rango) CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori

Dettagli

Sistemi di equazioni lineari

Sistemi di equazioni lineari Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti

Dettagli

Matrici quadrate particolari

Matrici quadrate particolari Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono

Dettagli

Inversa di una matrice

Inversa 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:

Dettagli

LeLing12: Ancora sui determinanti.

LeLing12: Ancora sui determinanti. LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling

Dettagli

Dipendenza e indipendenza lineare

Dipendenza e indipendenza lineare Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus

Dettagli

Sistemi di equazioni lineari

Sistemi di equazioni lineari Sistemi di equazioni lineari I sistemi di equazioni si incontrano in natura in molti problemi di vita reale. Per esempio, prendiamo in considerazione una bevanda a base di uova, latte e succo d arancia.

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

1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =...

1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =... Algebra/ Algebra Lineare, 230207 1 Un sistema di m equazioni lineari in n incognite x 1, x n aventi tutte termine noto nullo a i1 x 1 + a i2 x 2 + + a in x n = 0, i = 1,, m si dice omogeneo; ponendo x

Dettagli

Matrici. Matrici.h Definizione dei tipi. Un po di esercizi sulle matrici Semplici. Media difficoltà. Difficili

Matrici. Matrici.h Definizione dei tipi. Un po di esercizi sulle matrici Semplici. Media difficoltà. Difficili Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo del determinante Difficili Soluzione di sistemi lineari È veramente difficile? 1 Matrici.h

Dettagli

Un sistema lineare si rappresenta in generale come

Un sistema lineare si rappresenta in generale come SISTEMI LINEARI Un sistema lineare si rappresenta in generale come n j=1 a ij x j = b i i = 1, 2,..., m o anche AX = B. La soluzione esiste se e solo se B appartiene allo spazio lineare generato dalle

Dettagli

SISTEMI LINEARI MATRICI E SISTEMI 1

SISTEMI LINEARI MATRICI E SISTEMI 1 MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui

Dettagli

SISTEMI LINEARI, METODO DI GAUSS

SISTEMI LINEARI, METODO DI GAUSS SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti

Dettagli

Esercizi svolti sui sistemi lineari

Esercizi svolti sui sistemi lineari Francesco Daddi - www.webalice.it/francesco.daddi Esercizi svolti sui sistemi lineari Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: tx+(t 1)y + z =1 (t 1)y + tz =1

Dettagli

1 Il metodo dei tagli di Gomory

1 Il metodo dei tagli di Gomory Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare

Dettagli

1 Riduzione per righe e matrici equivalenti per righe.

1 Riduzione per righe e matrici equivalenti per righe. Geometria Lingotto. LeLing2: Sistemi lineari omogenei. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi gia risolti. Il metodo di Gauss-Jordan e la forma echelon.

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo 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

Dettagli

Prendiamo in considerazione la matrice tridiagonale

Prendiamo in considerazione la matrice tridiagonale Questi esercizi sono il completamento di quelli sui sistemi lineari già a disposizione. Ogni esercizio proposto può fare riferimento a qualcuno di questi. In ogni caso sono riportati tutti i dati essenziali

Dettagli

Lezione 7: Il Teorema di Rouché-Capelli

Lezione 7: Il Teorema di Rouché-Capelli Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da

Dettagli

Anno 2. Risoluzione di sistemi di primo grado in due incognite

Anno 2. Risoluzione di sistemi di primo grado in due incognite Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da

Dettagli

Esercitazione 1-I parte

Esercitazione 1-I parte Esercitazione 1-I parte Argomento: Sistemi triangolari Scopo: Implementare il metodo di sostituzione all indietro per la risoluzione di sistemi triangolari superiori. function x=indietro(a,b) Sintassi

Dettagli

Risoluzione di sistemi lineari

Risoluzione di sistemi lineari Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini

Dettagli

Una Libreria di Algebra Lineare per il Calcolo Scientifico

Una Libreria di Algebra Lineare per il Calcolo Scientifico Una Libreria di Algebra Lineare per il Calcolo Scientifico Introduzione Il Lavoro di Tesi Introduzione al Metodo Ridurre l Occupazione di Memoria Metodo di Memorizzazione degli Elementi Risultati Attesi

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

Inversa. Inversa. Elisabetta Colombo

Inversa. Inversa. Elisabetta Colombo Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una

Dettagli