Lezione 12: Ancora sulle matrici
|
|
- Giacinta Piccolo
- 6 anni fa
- Visualizzazioni
Transcript
1 Lezione 12: Ancora sulle matrici La matrice inversa e il metodo di Cramer Abbiamo detto che usando le matrici e i vettori possiamo scrivere sinteticamente un sistema come Ax b Pensate ora di avere una sola equazione lineare con una sola incognita x, cioè ax b dove sia a che b sono due numeri reali (il coefficiente e il termine noto), con a diverso da zero Trovare la soluzione di questa equazione è ovviamente banale Cosa facciamo? Moltiplichiamo entrambi i membri dell equazione per l inverso di a, a 1 1/a, e otteniamo la soluzione dell equazione x 1 x 1 a ax b a, cioè abbiamo una formula esplicita per la soluzione (vi ho scritto esplicitamente tutti i passaggi per sottolineare che stiamo usando il fatto che il prodotto tra un numero e il suo inverso fa 1, che ha la bella proprietà di non cambiare i numeri per cui lo moltiplichiamo, è l elemento neutro del prodotto ) Nell equazione matriciale Ax b sarebbe bello fare la stessa cosa Molte volte questo sarà possibile, ma ovviamente non sarà così banale come nel caso appena visto Non è difficile convincersi del fatto che se ci aspettiamo un metodo simile a quello visto per una singola equazione, che dopo alcuni passaggi algebrici ci porti a una formula esplicita per la soluzione (x ), il sistema che consideriamo dovrà essere tale da avere (sicuramente) soluzione unica, che sarà quella data dalla formula Mettiamoci, allora, nel caso in cui la matrice A sia quadrata Questo vuol dire che il sistema corrispondente ha tante equazioni quante incognite e allora la condizione perché il sistema abbia soluzione unica è che la matrice A abbia rango massimo, ossia det A 0 Troveremo la formula di cui sopra sotto queste condizioni Ma andiamo per gradi La prima cosa che ci servirebbe è l equivalente dell 1, cioè una matrice che moltiplicata per una qualsiasi altra matrice (con essa compatibile rispetto al prodotto righe per colonne) la lasci invariata Questa si dice la matrice identità : Definizione 106 Tra le matrici quadrate di ordine n si chiama l identità (di ordine n), e si indica con I n, la matrice diagonale che ha tutti gli elementi della diagonale uguali a 1, cioè I n
2 Lezione Proposizione 107 La matrice identità I n (di ordine n) ha la seguente proprietà: se A è una qualsiasi matrice m n e B una qualsiasi matrice n m si ha AI n A e I n B B cioè è l elemento neutro del prodotto righe per colonne Proviamo a convincerci del fatto che questa proprietà è vera attraverso qualche esempio Esempio 108 Consideriamo l indentità di ordine 2 e calcoliamo per esempio ( ) analogamente si verifica facilmente che ( 2) ( 2) ( ) (con l identità il prodotto è commutativo ) Facciamo un altro esempio Esempio Visto? E vedrete che qualunque altro esempio vi inventiate, funziona sempre Bene, una volta che abbiamo la matrice identità siamo a buon punto Ora il nostro problema sarebbe risolto se data una matrice quadrata A, fossimo in grado di trovare un altra matrice, per ora la chiamo D, che moltiplicata per A mi dia l identità Allora potremmo partire dall equazione matriciale Ax b, moltiplicare ambo i membri per D e trovare la soluzione come facevamo nel caso di una semplice equazione di un incognita, ossia Ax b DAx Db x Ix Db!!! Una matrice che fa questo con la matrice A si chiama la matrice inversa di A Definizione 110 Data una matrice quadrata A di ordine n, con det A 0, si chiama matrice inversa di A e si indica con A 1, quella matrice quadrata di ordine n che moltiplicata (a destra o a sinistra) per A da l identità, cioè verifica A 1 A I n e AA 1 I n
3 Lezione Nota: Se A è una matrice quadrata, allora A ammette l inversa se e soltanto se det A 0 Attenzione: La notazione A 1 è solo un simbolo che noi usiamo per indicare che questa matrice è l inversa di A, cioè ha insieme ad A la proprietà descritta dalla definizione, e questa matrice può essere costruita (come vedremo subito) a partire da A Nel caso dei numeri reali, l inverso di un numero a 0 si determina facilmente e come sappiamo a 1 1/a, nel caso delle matrici, ovviamente la regola per calcolare l inversa sarà un po più complicata Esempio 111 Prendiamo la matrice A e verifichiamo che A 1 1 ( ) Come facciamo a verificarlo? Basta fare il prodotto delle due e assicurarsi che il risultato sia la matrice identità! Allora: ( 3 A 1 A 1 ) ( ) I e vedrete che è altrettanto facile verificare che AA 1 I 2 Evidentemente c è un metodo che ci permette di determinare l inversa di una matrice quadrata con determinante non nullo Nel caso particolare di una matrice 2 2 è molto facile scriverlo esplicitamente ed è il seguente: se a11 a A 12, a 21 a 22 allora A 1 1 a22 a 12 det A a 21 a 11 Fate la verifica in generale e troverete che se fate il prodotto di A con questa A 1, trovate come risultato l identità indipendentemente da quali siano i valori a ij In generale (per una matrice n n) la regola è un po più complicata Prima di darvela devo introdurre un altra definizione, quella di matrice trasposta (niente di che, è solo un passaggio intermedio che ci permette di descrivere più sinteticamente la regola e che comunque si incontrerà altre volte) Definizione 112 Se A è una matrice m n si chiama la matrice trasposta di A, e si denota con A t, la matrice n m ottenuta da A scambiando le righe con le colonne Esempio 113 Se π A allora, scambiando le righe con le colonne, si ottiene 3 0 A t π 7
4 Lezione Oppure, se B ( ), allora 3 B t Per l operazione di trasposizione valgono le seguenti proprietà (piuttosto ovvie da verificare) 1 det A det (A t ) (il determinante di A è uguale al determinante della sua trasposta) 2 (A t ) t (se facciamo la trasposta della trasposta di A, riotteniamo A) 3 rangoa rangoa t (il rango di A è uguale al rango della sua trasposta) Ora possiamo concludere questa questione della determinazione della matrice inversa Se A è una matrice quadrata n n con det A 0, allora per determinare la matrice inversa si considera la matrice ottenuta da A mettendo al posto di ogni elemento a ij il suo complemento algebrico A ij (vi ricordate? L abbiamo definito quando abbiamo fatto il determinante), quindi si fa la trasposta di questa matrice e la si divide per il determinante di A, la matrice che così si ottiene è la matrice inversa Scritta in formula: A 1 1 det A A 11 A 21 A n1 A 12 A 22 A n2 A 1n A 2n A nn Non ci vuole molto a verificare che questa formula scritta in generale si riduce a quella che vi ho dato prima per le matrici 2 2 È chiaro però che già nel caso 3 3 (per non parlare di matrici più grandi) la determinazione della matrice inversa può richiede un po di operazioni ed essere abbastanza faticosa È bene, però, sapere che questa formula esiste e che all occorrenza si può usare Applichiamo su un esempio semplice quello che abbiamo fatto cercando di mettere in evidenza l utilità della matrice inversa nella risoluzione dei sistemi lineari Esempio 114 Supponiamo di voler studiare un sistema lineare di cui fissiamo i coefficienti, ma in cui ci riserviamo di scegliere più avanti i termini noti { 3x 2y b1 4x + 6y b 2 Scritto in forma matriciale questo sistema diventa x A y b1 b 2 con A
5 Lezione Adesso sappiamo come determinare la matrice inversa di A e di conseguenza la soluzione corrispondente a ogni possibile scelta del termine noto Facilmente si calcola det A 10 e quindi la matrice inversa è data da A e allora, moltiplicando (a sinistra) entrambi i membri dell equazione matriciale si ha x A 1 b1 1 { 6 2 b1 x 6 b b 10 2 y b b 2 y 4 b b 10 2 Vedete il vantaggio? Abbiamo risolto il sistema una volta per tutte e ogni volta che scegliamo dei termini noti diversi, basta sostituire i due valori di b 1 e b 2 in quest ultimo sistema e questo ci dà direttamente la soluzione corrispondente Per esempio se avessimo voluto risolvere il sistema con termini noti b 1 10 e b 2 5 avremmo ottenuto le soluzioni { x y (la verifica che questa è effettivamente la soluzione è immediata) Riassumendo abbiamo detto che se abbiamo una matrice quadrata A con det (A) 0 abbiamo un unica soluzione del sistema Ax b per qualsiasi termine noto b E sappiamo anche come trovare la soluzione: è data dalla formula x A 1 b Se ci ricordiamo qual è l espressione della matrice inversa e calcoliamo esplicitamente le coordinate della soluzione, ci accorgiamo per esempio che e quindi in generale x 1 b 1A 11 + b 2 A b n A n1 det (A) x i b 1A 1i + b 2 A 2i + + b n A ni det (A) C è un modo più veloce di scrivere questa formula Prendiamo la matrice, che chiamiamo A i b, che otteniamo da A mettendo al posto della i-esima colonna la colonna b Per esempio b 1 a 12 a 1n b 2 a 22 a 2n A 1 b b n a n2 a nn Ora provate a calcolare il determinante di A 1 b sviluppandolo con la colonna b e vedrete che vi viene proprio det (A 1 b ) b 1A 11 + b 2 A b n A n1
6 Lezione E analogamente per tutte le altre det (A i b ) b 1A 1i + b 2 A 2i + + b n A ni In altre parole abbiamo che la componente i-esima della soluzione è data da un espressione che non è altro che il rapporto tra il determinante della matrice che otteniamo da A sostituendo l i-esima colonna con la colonna dei termini noti e il determinante di A, ossia x i det (Ai b) det (A) Questa è nota come la regola di Cramer per la soluzione dei sistemi quadrati determinati (che quindi non è altro che un modo esplicito di scrivere x A 1 b) Cenni sulle trasformazioni lineari: autovalori e autovettori Finora, nello studio dei sistemi lineari, abbiamo fissato una matrice A M mn e un vettore b in V m e ci siamo domandati quale fosse la soluzione x del sistema Ax b Qualche volta, invece, non abbiamo fissato b e ci siamo domandati per quali b ci fosse soluzione Proviamo allora a vedere la questione da un altro punto di vista e riformuliamo la domanda nel seguente modo: fissata la matrice A e dato un qualsiasi x V n, quali sono i b che possiamo ottenere calcolando Ax? In altre parole potremmo pensare che la matrice A ci fornisce una regola per trasformare tutti i vettori x di V n in certi vettori b di V m Ossia diremo che la matrice A rappresenta una trasformazione lineare degli elementi di V n in elementi di V m Così sembra piuttosto astratto (e infatti lo è), ma proviamo a vederlo su un esempio Esempio 115 (di trasformazione lineare) Prendiamo la matrice A ( x x Ogni vettore x del piano si trasforma secondo A in un altro vettore x y ) ossia Ax x e quindi { 3x 2y x x + 4y y 1 1 Quindi, per esempio, il vettore diventa Quindi per visualizzare la situazione 1 3 disegnamo il punto (1, 1) in un riferimento cartesiamo e il punto (1, 3) in un altro riferimento y
7 Lezione Q 1 P 1 Figura 57: Il punti P 1 si trasforma nel punto Q 1 Se ora questa stessa trasformazione la facciamo per tutti i punti di un quadrato di lato 2 centrato nell origine otteniamo che il quadrato si trasforma in un parallelogramma Q 4 Q 1 P 4 P 1 P 3 P 2 Q 3 Q 2 Figura 58: Il quadrato si trasforma nel parallelogramma Fatelo È facile verificare che i punti P 2, P 3 e P 4 si trasformano rispettivamente nei punti Q 2 (5, 5), Q 3 ( 1, 3) e Q 4 ( 5, 5) Vedete, guardando la figura si capisce meglio cosa intendiamo per trasformazione Una trasformazione di questo tipo la troviamo in molte situazioni Per esempio se proiettiamo l ombra del quadrato su un piano non parallelo al piano del quadrato Oppure, un esempio ancora più significativo: se il quadrato fosse fatto di materiale elastico, si trasformerebbe in un quadrato se lo tiriamo in una opportuna direzione Questa interpretazione ci suggerisce un altra domanda importante Domanda: Quali vettori x non cambiano direzione se li trasformiamo con A? Ossia ci sono dei vettori x che trasformati con A che si allungano o si accorciano ma rimangono sulla stessa retta? Se ripensiamo all interpretazione della deformazione elastica questo corrisponde a
8 Lezione chiedere in quali direzioni dobbiamo tirare (o eventualmente comprimere) il quadrato per deformarlo nel parallelogramma Sappiamo riscrivere questa domanda in termini matematici? Pensiamoci, è facile Ci stiamo chedendo se ci sono degli x per cui Ax è parallelo ad x, ossia se ci sono degli x per cui esiste uno scalare λ R tale che Ax λx Nel caso che stiamo trattando questo equivale a chiedere se ci sono soluzioni non banali del sistema omogeneo { (3 λ)x 2y 0 x + (4 λ)y 0 Che usando un po di algebra delle matrici possiamo scrivere come (A λi 2 )x 0 Noi sappiamo risolvere questo sistema e la risposta dipende dal rango della matrice dei coefficienti λ 2 A λi 2 λ λ Infatti chiedere che ci siano soluzioni non banali equivale a chiedere che il rango non sia massimo e quindi che questa matrice abbia determinante nullo Quindi cerchiamo dei valori di λ per cui si abbia 3 λ 2 det 0, 1 4 λ ossia tale che (3 λ)(4 λ) 2 λ 2 7λ I valori di λ per cui questo determinante è nullo sono allora λ 2 e λ 5 Ora, come troviamo le direzioni corrispondenti? Ossia quelle che rimangono fisse nella trasformazione lineare? È facile Basta trovare le soluzioni non banali dei due sistemi corrispondenti ai due valori λ 2 e λ 5 Facciamo il caso λ 2 Il sistema corrispondente è quindi { x 2y 0 x + 2y 0 Come è giusto il sistema si riduce a due equazioni proporzionali (infatti λ 2 annulla il determinante di A λi+2) Quindi le soluzioni sono tutti i punti della retta x 2y 0, ossia tutti i punti della forma (2α, α) È questa la direzione che rimane fissa nella trasformazione Altrettanto facile è il caso λ 5 che dà { 2x 2y 0 x y 0 Quindi i punti della retta x + y 0 sono le soluzioni e quindi tutti quelli della forma ( α, α) 2 1 In conclusione abbiamo capito che i vettori paralleli ai vettori e non 1 1 cambiano direzione con trasformazione e si allungano rispettivamente ( di ) 2 ( e 5 I ) valori e 5 si chiamano autovalori della matrice A e i vettori paralleli a e sono 1 1 i corrispondenti autovettori
9 Lezione Quello che abbiamo visto in questo esempio vale in generale Definizione 116 Data una matrice quadrata A M nn i suoi autovalori, se esistono, sono i valori λ 1,, λ n che sono soluzioni della seguente equazione det (A λi n ) 0 Se λ è un autovalore, tutti i vettori x 0 che verificano Ax λx si chiamano gli autovettori di A corrispondenti a λ Attenzione Non tutte le matrici quadrate ammettono autovalori È chiaro infatti che se una trasformazione fa ruotare tutti vettori di un dato angolo allora per questa trasformazione nessuna direzione rimarra fissa Esempio 117 Consideriamo la matrice a Un qualsiani vettore si trasforma in b 0 1 a 1 0 b b a Quindi ogni vettore si trasforma nel suo vettore ortogonale ottenuto ruotandolo in senso antiorario di 90 gradi Questo esempio lo possiamo fare anche più in generale (cosi con l occasione vi ricordo un paio di formule trigonometriche che non è male sapere che esistono) Fissiamo un angolo θ e consideriamo la matrice cosθ sin θ sin θ cosθ Proviamo a trasformare un qualsiasi versore usando questa matrice Se io vi do l angolo che questo versore forma con l asse delle x, diciamo che lo chiamo α, vi ricordate come si indicano le sue coordinate Ma è facile sono date rispettivamente da cos α e sin α Bene ora che conosciamo le sue coordiante siamo pronti a rasformarlo Quindi otteniamo ( cosθ sin θ sin θ cos θ ) cos α sin α cosθ cosα sin θ sin α sin θ cosα + cosθ sin α Vedete le due coordiante del vettore trasformato si possono scrivere più efficientemente usando le due seguenti formule del cos(α+θ) cos(α) cos(θ) sin(α) sin(θ) sin(α+θ) cos(α) sin(θ)+cos(θ) sin(α), quindi il vettore trasformato è semplicemente cos(α + θ) sin(α + θ) Ossia è stato ruotato di un angolo θ
10 Lezione sin( ) sin( + ) + cos( ) cos( + ) Figura 59: Rotazione di un angolo θ Esercizio 118 Determinare gli autovalori della matrice Notate che questa matrice ha una forma particolare, se cambiate le righe con le colonne rimane uguale, ossia è uguale alla sua trasposta, A A t Questo è dovuto al fatto che tutti gli elementi verificano: a ij a ji Una matrice così si dice simmetrica (nelle applicazioni vedrete per lo più matrici simetriche) Si può dimostrare che se la matrice è simmetrica si riescono sempre a determinare i suoi autovalori Facciamolo nel caso della matrice dell Esercizio 118 Dobbiamo calcolare il determinante di A λi 3, ossia det 2 λ λ 5 (2 λ)((3 λ)( 1 λ) 5) (2 λ)(λ 2 2λ 8) λ Si vede facilmente che il polinomio λ 2 2λ 8 si annulla per λ 2 e λ 4 e quindi det (A λi 3 ) (2 λ)(2 + λ)(4 λ) Da cui si deduce facilmente per quali valori di λ questa espressione si annulli e si trovano quindi gli autovalori, che saranno λ 2, λ 2 e λ 4 E l esercizio è svolto Casi particolari 1 Consideriamo la trasformazione associata alla matrice 3 0 A 0 3 È facile vedere che questa trasformazione allunga tutti i vettori di 3 (infatti per qualsiasi vettore x si ha Ax 3x) Allora è chiaro che gli autovalori sono dati dal solo valore λ 3 e tutte le direzioni rimangono ferme (ossia tutti i vettori del piano sono autovettori) Una trasformazione così si chiama omotetia In generale una matrice della forma α 0 A 0 α
11 Lezione Figura 60: L omotetia dilata tutto 2 Un altro esempio significativo è il caso delle matrici diagonali Prendiamo per esempio 1 0 A 0 2 Come trasforma il quadrato questa matrice? È facile, non cambia la prima coordianta e raddoppia la seconda, quindi trasforma il quadrato in un rettangolo Figura 61: Allunga diversamente le due direzioni coordiante Allora è anche chiaro che gli autovalori sono proprio i due valori sulla diagonale 1 e 2 e gli autovettori corrispondenti saranno tutti i vettori sull asse x e tutti i vettori sull asse y, rispettivamente (infatti Ae 1 e 1 e Ae 2 2e 2 ) È chiaro quanto detto è vero per qualsiasi matrice diagonale, come per esempio α1 0 A A 0 α 2 3 L ultimo esempio che voglio mostrarvi è dato dalla matrice 0 1 A 1 0 x È chiaro che questa matrice trasforma un qualsiasi vettore nel vettore y ossia 0 1 x y 1 0 y x ( y x ), Quindi scambia l asse x con l asse y Provate a trasformare il quadrato di vertici (1, 1), (2, 1), (2, 0) e (1, 0) e capirete in che consiste questa trasformazione
12 Lezione Figura 62: Allunga diversamente le due direzioni coordiante Ma quindi è chiaro cosa succede, questa trasformazione è un ribaltamento del piano lungo la bisettrice del primo e terzo quadrante Ma allora è facile capire quali sono le rette che rimangono fisse: le due busettrici Infatti tutti i vettori sulla bisettrice del primo e terzo quadrante rimango fermi e tutti i vettori sulla bisettrice del secondo e quarto quadrante cambiano verso (fate la prova) Quindi 1 1 gli autovettori sono e e i corrispondenti autovalori sono 1 e Matrici a blocchi Concludo questa lezione accennandovi a un modo di scrivere le matrici che a volte è utile quando si considerano matrici molto grandi (e questo in futuro vi capiterà! Infatti è molto raro che in una vera applicazione si abbia a che fare con solo due o tre incognite) In questo caso può essere comodo scrivere la matrice usando delle sue sottomatrici Usando delle righe orizzontali o verticali possiamo suddividere una matrice A in varie sottomatrici (blocchi) In questo caso diremo che A è una matrice a blocchi È evidente che ci sono diversi modi di dividere a blocchi una matrice, per esempio la matrice appena vista può essere divisa anche come segue
13 Lezione La prima volta l abbiamo divisa in quattro blocchi, la seconda in due e ovviamente ci sono tanti altri modi di dividerla in blocchi L utilità di questa procedura sta nel fatto che possiamo scrivere più velocemente una matrice grande specificandone i singoli blocchi (che magari hanno caratteristiche particolari) e poi che possiamo fare anche le operazioni sui singoli blocchi, come fossero veri e proprio elementi della matrice Per essere più esplicita Se scrivo la matrice B A I 2 dove la matrice A è quella dell esempio precedente e I 2 è identità di ordine 2, intendo la matrice B Se ora per esempio voglio fare delle operazioni su B, posso farle sui singoli blocchi di B Quindi 2B 2A 2I 2 oppure A 1 B I 2 A 1 sono stata un po sbrigativa, ma fate la verifica e vedrete che torna E quichiudo
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliLEZIONE 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
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliMetodi 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
DettagliLezione 13: I sistemi di riferimento
Lezione 13: I sistemi di riferimento Cambiamenti di coordinate In questa lezione proveremo a vedere le trasformazioni lineari sotto un altra luce Quando abbiamo visto l esempio di un oggetto che, soggetto
DettagliGeometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
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)
DettagliI. 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
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
Dettagli1 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
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
DettagliRegistro 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( ) 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
DettagliLEZIONE 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
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
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,
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
DettagliAnno 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
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
DettagliLezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
DettagliSi 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
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,
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
DettagliEsercitazione 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
DettagliGeometria BATR-BCVR Esercizi 9
Geometria BATR-BCVR 2015-16 Esercizi 9 Esercizio 1. Per ognuna delle matrici A i si trovi una matrice ortogonale M i tale che Mi ta im sia diagonale. ( ) 1 1 2 3 2 A 1 = A 2 1 2 = 1 1 0 2 0 1 Esercizio
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
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
DettagliParte 12b. Riduzione a forma canonica
Parte 2b. Riduzione a forma canonica A. Savo Appunti del Corso di Geometria 202-3 Indice delle sezioni. Coniche, 2. Esempio di riduzione, 4 3. Teoremi fondamentali, 6 4. Come determinare l equazione canonica,
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliEsercizi sulle coniche (prof.ssa C. Carrara)
Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle da un altra angolazione.. Determinare
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliCONICHE. Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oxy sia data la conica C di equazione
CONICHE Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oy sia data la conica C di equazione 7 2 + 2 3y + 5y 2 + 32 3 = 0. Calcolare le equazioni di una rototraslazione che riduce
DettagliESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
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
DettagliStabilire se il punto di coordinate (1,1) appartiene alla circonferenza centrata nell origine e di raggio 1.
Definizione di circonferenza e cerchio. Equazione della circonferenza centrata in O e di raggio R. Esercizi. La circonferenza e il cerchio Definizioni: dato un punto C nel piano cartesiano e dato un numero
DettagliCLASSIFICAZIONE DELLE CONICHE AFFINI
CLASSIFICAZIONE DELLE CONICHE AFFINI Pre-requisiti necessari. Elementi di geometria analitica punti e rette nel piano cartesiano, conoscenza delle coniche in forma canonica). Risoluzione di equazioni e
Dettagli2x 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):
DettagliIV-2 Forme quadratiche
1 FORME QUADRATICHE 1 IV-2 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli
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
DettagliSistemi 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
DettagliEsercizi sulle coniche (prof.ssa C. Carrara)
Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle più volte.. Stabilire il tipo di
DettagliEsercizi di Matematica Discreta - Parte I
Esercizi di Matematica Discreta - Parte I 7 ottobre 0 AVVISO: Sia i testi che gli svolgimenti proposti possono contenere errori e/o ripetizioni Essi sono infatti opera di vari collage e, per ovvie questioni
DettagliUniversita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI
Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI R. Docente: Prof. F. Flamini Esercizi Riepilogativi Svolti Esercizio
DettagliEsercizi 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
Dettagli1 Forme quadratiche 1. 2 Segno di una forma quadratica Il metodo dei minori principali Soluzioni degli esercizi 7.
1 FORME QUADRATICHE 1 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli esercizi
DettagliDipendenza 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
DettagliEsercizi 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
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliSISTEMI 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,
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliProdotto scalare e prodotto vettoriale. Elisabetta Colombo
Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a
Dettagli1 Coniche. s (x, y, t ) (1) 1 (x, y, t )F r 2
1 Coniche Studieremo le curve nel piano euclideo, cioè nel piano con un sistema di riferimento cartesiano ortogonale fissato, oppure nel completamento proiettivo di questo piano, ottenuto con l introduzione
DettagliSISTEMI 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
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
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
DettagliMATEMATICA. a.a. 2014/ Sistemi di equazioni lineari
MATEMATICA a.a. 2014/15 8. Sistemi di equazioni lineari SISTEMI LINEARI Si definisce sistema lineare un sistema di p equazioni di primo grado in q incognite. a11x1 + a12 x2 +... + a1 qxq = k1 a21x1 + a22x2
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
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
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
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliLezione 11: Il Determinante
Lezione 11: Il Determinante Abbiamo capito come sia sufficiente determinare il rango della matrice dei coefficienti e della matrice completa di un sistema per determinarne completamente il comportamento.
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
DettagliLezione 3: Ancora sui vettori
Lezione : Ancora sui vettori Norma Abbiamo detto che uno degli elementi che contraddistinguono un vettore è la sua lunghezza. Allora incominciamo a vedere i vantaggi della rappresentazione dei vettori
DettagliRisoluzione di ax 2 +bx+c = 0 quando a, b, c sono numeri complessi.
LeLing14: Ancora numeri complessi e polinomi Ārgomenti svolti: Risoluzione di ax + bx + c = 0 quando a, b, c sono numeri complessi La equazione di Eulero: e i θ = cos(θ) + i sin(θ) La equazione x n = a,
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)
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
DettagliSISTEMI 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
DettagliIl 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
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
Dettagli1 Cambiamenti di coordinate nel piano.
Cambiamenti di coordinate nel piano.. Coordinate cartesiane Coordinate cartesiane su una retta. Sia r una retta: dare un sistema di coordinate su r significa fissare un punto O di r e un vettore u = U
DettagliEquazioni di primo grado
Equazioni di primo grado 15 15.1 Identità ed equazioni Analizziamo le seguenti proposizioni: a ) cinque è uguale alla differenza tra sette e due ; b ) la somma di quattro e due è uguale a otto ; c ) il
DettagliGeometria analitica del piano pag 32 Adolfo Scimone
Geometria analitica del piano pag 32 Adolfo Scimone CAMBIAMENTI DI SISTEMA DI RIFERIMENTO Consideriamo il piano cartesiano R 2 con un sistema di riferimento (O,U). Se introduciamo in R 2 un secondo sistema
DettagliTrapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.
2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ
Dettagli10 dicembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
10 dicembre 003 - Soluzione esame di geometria - Ingegneria gestionale - a.a. 003-004 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI
DettagliSistemi 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)
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
DettagliProdotto scalare e norma
Capitolo 7 Prodotto scalare e norma Riprendiamo ora lo studio dei vettori da un punto di vista più geometrico. È noto, per esempio dalla Fisica, che spesso è comodo visualizzare un vettore del piano o
Dettagli3x 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
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
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
Dettagliy 5z = 7 y +8z = 10 +3z = 3
Sistemi lineari Sistemi lineari in tre incognite; esempi tipici Tre equazioni incognite x, y, z Consideriamo il seguente sistema di tre equazioni lineari nelle tre x 2y +6z = 11 x +3y 11z = 18 2x 5y +20z
Dettagli1 SIGNIFICATO DEL DETERMINANTE
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - Facoltà di Farmacia e Medicina - Corso di Laurea in CTF 1 SIGNIFICATO DEL DETERMINANTE Consideriamo il seguente problema: trovare l area del parallelogramma
Dettagli1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
Dettagli(x B x A, y B y A ) = (4, 2) ha modulo
GEOMETRIA PIANA 1. Esercizi Esercizio 1. Dati i punti A(0, 4), e B(4, ) trovarne la distanza e trovare poi i punti C allineati con A e con B che verificano: (1) AC = CB (punto medio del segmento AB); ()
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
DettagliUNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
DettagliRette e piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
ette e piani nello spazio Federico Lastaria, Analisi e Geometria 1 Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it ette e piani nello spazio. 9 Gennaio
DettagliAlcuni esercizi sulla diagonalizzazione di matrici. campo dei reali. Se lo è calcolare una base spettrale e la relativa forma diagonale di A.
Alcuni esercii sulla diagonaliaione di matrici Eserciio Dire se la matrice A 4 8 è diagonaliabile sul 3 3 campo dei reali Se lo è calcolare una base spettrale e la relativa forma diagonale di A Svolgimento
DettagliUn quaternione è un numero complesso con quattro componenti anziché due. Si scrive così :
Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così : Q = q r + q i i + q j j + q k k ove le quantità q sono numeri reali e i, j e k sono tre unità immaginarie. Quando
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
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
Dettagli0.1 Numeri complessi C
0.1. NUMERI COMPLESSI C 1 0.1 Numeri complessi C Abbiamo visto sopra come l introduzione dei numeri irrazionali può essere motivata dalla necessità di trovare soluzione all equazione x = 0 che non ha soluzioni
Dettagli