Lezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
|
|
- Giuseppina Greco
- 6 anni fa
- Visualizzazioni
Transcript
1 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 per colonne 3. Trasposta di una matrice 4. Matrice di un sistema lineare 5. Risoluzione di un sistema lineare con l eliminazione di Gauss 1
2 2 1. Somma di matrici e prodotto di una matrice per uno scalare Una matrice a coefficienti reali di misura n m (brevemente matrice reale n m), è una tabella di numeri reali a n righe e m colonne (dove n e m sono interi positivi). Gli elementi (o termini, o componenti) della matrice sono i numeri che la compongono; l elemento di posto (o posizione) (i, j) è l elemento che compare nella i-esima riga e nella j-esima colonna (1 i n, 1 j m). ( ) Esempio. 1 2 è una matrice reale 2 3. Il suo elemento di posto 3 0 (2, 2) è 2 3. Notazione. La scrittura A = (a ij ) 1 i n vuol dire che A è una matrice n m e 1 j m che il suo termine di posto (i, j) è a ij. Gli indici i e j si chiamano l indice di di riga e l indice di colonna, rispettivamente, dell elemento a ij. Se la misura di A è già definita nel contesto, scriviamo semplicemente A = (a ij ) Somma di matrici. Se A e B sono matrici della stessa misura, n m, denotiamo con A + B la matrice n m, ottenuta sommando A e B componente a componente. Esempio. ( ) = ( ) Problema. Dimostrare che la somma di matrici della stessa misura è commutativa e associativa. 1.2 Prodotto di una matrice per uno scalare. Se A è una matrice n m e λ è un numero reale, il prodotto λa è la matrice n m ottenuta da A moltiplicando ciascuno dei suoi elementi per λ. Esempio. 1 2 ( ) = /2 1 2/2. 1/2 3/2 0
3 Denotiamo con M n,m (R) l insieme delle matrici reali n m. È immediato verificare che la matrice nulla n m, cioè la matrice n m con tutti gli elementi uguali a 0, è un elemento neutro per la somma. Inoltre per ogni M M n,m (R) la matrice ( 1) M è l opposta di M rispetto alla somma. Quindi scriviamo M in luogo di ( 1) M. 3 Problema. Dimostrare che M n,m (R), con le operazioni definite sopra è uno spazio vettoriale reale di dimensione n m. 2. Prodotto di matrici righe per colonne. Il prodotto (righe per colonne) AB di due matrici reali A e B è definito se e solo se il numero di colonne di A è uguale al numero di righe di B, cioè A è n m e B è m k, con n, m, k interi positivi. In questo caso, AB è una matrice n k. Il prodotto di matrici non è commutativo: in generale, se il prodotto AB è definito, il prodotto di B per A potrebbe non esserlo e, se è definito, BA può essere diversa da AB. Nei prossimi paragrafi descriveremo la regola aritmetica per la moltiplicazione di due matrici e le proprietà del prodotto definito. Riga per colonna. Consideriamo il caso particolare in cui a è una matrice 1 m, (vettore riga) e b una matrice m 1 (vettore colonna): b 1... a = (a 1,..., a m ), b =. b m Allora b 1... ab = (a 1,..., a m ) b m = def a 1 b a m b m. Cioè: ab è lo scalare (matrice 1 1) ottenuto moltiplicando ordinatamente gli elementi della riga a per gli elementi della colonna b e sommando i prodotti.
4 4 Esempio. ( ) 3 2 = 1 ( 3) + 2 ( 2) = Notazione. Se M è una matrice reale n m, denotiamo con M i la i-esima riga di M (i = 1,..., n) e con M j la j-esima colonna di M (j = 1,..., m). Esempio. Se M = 1 2 3, allora M 1 = ( ), M 2 = ( ), M 1 = Righe per colonne. 1, M 2 = 4 2, M 3 = Sia A una matrice reale n m e B una matrice reale m k. Allora AB è la matrice n k così definita: l elemento di posto (i, j) di AB è il prodotto riga per colonna A i B j. Esempio. Sia A = B = ( Allora A è 3 2 e B è 2 2, quindi AB è definita ed è 3 2. esplicitamente. AB = ( ) = ) ( 1) ( 2) ( 1) ( 2) = ( 2) Calcoliamola Problema 1. Poniamo A = ; B = ; C =
5 5 Dire quali prodotti tra le precedenti matrici sono definiti e calcolarli. Soluzione. Scriviamo la misura delle matrici: Alllora: A : 2 3; B : 3 2; C : 4 2. AB è definita ed è una matrice 2 2; BA è definita ed è una matrice 3 3; CA è definita ed è una matrice 4 3; AC, BC, CB non sono definite. Calcoliamo esplicitamente AB, gli altri prodotti sono lasciati allo studente AB = = ( 1) 2 1 ( 1) ( 1) 5 = ( 1) Formula del prodotto. La regola del prodotto di matrici si sintetizza nella formula seguente. Siano A e B matrici reali n m e m k, rispettivamente, così che AB è una matrice reale n k. Poniamo A = (a ij ), B = (b ij ), AB = (c ij ). Allora m c ij = a ik b kj. k=1 Dalla definizione del prodotto righe per colonne seguono direttamente le proprietà algebriche che descriviamo qui sotto. Proprietà del prodotto: matrice per vettore colonna. Supponiamo che A sia una matrice n m a coefficienti reali. Le colonne A 1,..., A m di A sono vettori
6 6 b 1... in R n. Sia poi b = una matrice reale m 1. In queste ipotesi (numero di b m colonne di A uguale al numero di componenti di b) il prodotto Ab è definito ed è il il vettore di R n con la seguente proprietà : Ab è la combinazione lineare delle colonne di A che ha per coefficienti le componenti di b, cioè Ab = b 1 A b m A m. Esempio. Sia Allora Ab = A = 1 2 3, b = = [Se non vi è chiaro, verificatelo facendo esplicitamente i conti.] Proprietà del prodotto: caso generale. Siano A una matrice n m e B una matrice m k. In queste ipotesi le colonne di B sono vettori in R m e quindi è definito il prodotto di A per ciascuna delle colonne di B. In effetti vale il fatto seguente. Proposizione 1. Le colonne di AB sono i prodotti di A per le colonne di B. Precisamente, la i-esima colonna di AB è il prodotto di A per la i-esima colonna di B (i = 1,..., k). In particolare, le colonne di AB sono combinazioni lineari delle colonne di A. Esempio. A = 1 2 3, B = Allora AB è la matrice 2 2 le cui colonne sono ordinatamente , e [Se non vi è chiaro, verificatelo facendo esplicitamente i conti.]
7 Nella prossima proposizione sono enunciate, senza dimostrazione, alcune proprietà aritmetiche del prodotto di matrici. Gli studenti dovrebbero dimostrarne almeno una per esercizio: le dimostrazioni consistono in una verifica diretta utilizzando la definizione o la formula del prodotto. Proposizione 2. Valgono le proprietà distributive: 7 A(B + C) = AB + AC (A n m, B e C m k), Vale inoltre la proprietà: (A + B)C = AC + BC (A e B n m, C m k). λ(ab) = (λa)b = A(λB) (A n m, B m k, λ scalare). Infine vale la proprietà associativa: A(BC) = (AB)C (A n m, B m k, C k l). 3. Trasposta di una matrice. La definizione che segue è un po informale. Due definizioni formali sono contenute nelle successive Osservazioni 1 e 2. Definizione. Sia A una matrice reale n m. La trasposta di A, che si denota con t A, è la matrice m n che ha come colonne le righe di A (e come righe le colonne di A). Esempio. Se A = Osservazioni immediate , allora t A = Se A = (a ij ), allora il termine di posto (i, j) di t A è a ji. 2. Se a = (a 1... a m ) è un vettore riga in R m (quindi una matrice 1 m), allora t a a 1 è il vettore colonna... Se A 1,..., A n sono le righe di A, allora le colonne di a m
8 8 t A sono t A 1,..., t A n. Analogamente, se A 1,..., A m sono le colonne di A, allora le righe di t A sono t A 1,..., t A m. 3. Per ogni matrice A si ha t ( t A) = A. Proposizione: trasposta di un prodotto di matrici. Siano A e B due matrici reali n m e m k, rispettivamente. Allora t (AB) = t B t A. Dimostrazione. Supponiamo prima che A abbia una sola riga e B una sola b 1... colonna, A = (a 1... a m ) e B =. Allora AB è uno scalare, quindi t (AB) = b m AB, e la tesi equivale a AB = t B t A. Questo è immediato, infatti b 1... a 1 (a 1... a m ) = a 1 b a n b n = (b 1... b m )... b m a m Torniamo al caso generale e indichiamo come al solito con A 1,..., A n le righe di A e con B 1,..., B k le colonne di B. Confrontiamo gli elementi di t (AB) con quelli di t B t A. Per l Osservazione 1, l elemento di posizione (i, j) di t (AB) è uguale al termine di posizione (j, i) di AB, quindi è uguale a A j B i. Per l Osservazione 2, il termine di posizione (i, j) di t B t A è t (B i ) t (A j ). A j B i = t (B i ) t (A j ), quindi otteniamo che t (AB) = t B t A. Per la prima parte della dimostrazione Problema. Utilizzando la Proposizione precedente e la Proposizione 1 della sezione 2, dimostrare che le righe di AB sono combinazioni lineari delle righe di B. 4. Matrice di un sistema lineare Consideriamo un sistema di n equazioni lineari a coefficienti reali in m incognite x 1,..., x m : a 11 x a 1m x m = b a n1 x a nm x m = b n
9 La matrice A = (a ij ) si chiama la matrice dei coefficienti del sistema; il vettore b 1... b = si chiama la colonna dei termini noti del sistema; la matrice (A b), b n ottenuta aggiungendo ad A la colonna b, si chiama la matrice completa del sistema; x 1 il vettore x =.. si chiama il vettore delle incognite del sistema. x m Se ricordiamo la regola di moltiplicazione tra matrici, vediamo subito che i termini a sinistra delle equazioni del sistema sono le componenti del vettore Ax. Quindi il sistema dato equivale all equazione, nell incognita x, 9 Ax = b. Tutti i sistemi che tratteremo saranno di equazioni lineari a coefficienti reali, anche se non lo diremo esplicitamente. Esempio. Consideriamo il sistema di tre equazioni nelle quattro incognite x, y, z, t: 2x z + 3t = 1 x + 4y z t = 2 x + y + 5t = 0 Allora , x y, z t 1 2, sono rispettivamente la matrice dei coefficienti, il vettore delle incognite, la colonna dei termini noti, la matrice completa del sistema. Il sistema dato equivale all equazione dove l incognita è il vettore t (x, y, z, t) x y = 1 2, z t Dalla Proprietà del prodotto matrice per vettore enunciata nell Sezione 2 deduciamo immediatamente la seguente Osservazione basilare.
10 10 Osservazione. Il sistema lineare Ax = b ha soluzioni se e solo se il vettore b è combinazione lineare delle colonne di A. 5. Risoluzione di un sistema lineare con l eliminazione di Gauss Risolvere un sistema lineare a coefficienti reali Ax = b di n equazioni in m incognite, vuol dire trovare tutti i vettori v in R m tali che Av = b. Se non esistono soluzioni, diciamo che il sistema non è risolubile. Consideriamo tre esempi. x + y 3z = 1 y + z = 0 2z = 1 2x + y 3z = 1 y + z = 0 2z = 1 0 = 2 x 1 + x 2 + x 3 3x 4 + x 5 = 2 x 3 + x 4 + 2x 5 = 1 2x 4 4x 5 = 2 (1) (2) (3) È del tutto evidente che il sistema (1) è risolubile ed ha un unica soluzione: basta risolverlo per sostituzione dal basso, cioè: deduciamo il valore di z dalla terza equazione; lo sostituiamo nella seconda e calcoliamo il valore di y; sostituiamo i valori di ze y nella prima equazione e calcoliamo quello di x. L unica soluzione del sistema è x y = 2 1/2 z 1/2 È anche del tutto evidente che il secondo sistema è privo di soluzioni, perché la quarta equazione non è soddisfatta da nessuna attribuzione di valori reali a x, y, z.
11 Studiamo il terzo sistema. Vogliamo mostrare che questo è risolubile e ha infinite soluzioni. In primo luogo trasformiamolo portando le incognite x 2 e x 5 sul lato destro delle equazioni: x 1 + x 3 3x 4 = 2 x 2 x 5 x 3 + x 4 = 1 2x 5 (3 ) 2x 4 = 2 + 4x 5 A sinistra del segno di uguaglianza ora abbiamo le stesse espressioni del sistema (1), a parte il nome diverso delle incognite. Allora, se attribuiamo a x 2 e x 5 due valori reali arbitrari, possiamo dedurre come abbiamo fatto per il sistema (1) i valori di x 4, x 3 e x 1 in modo da soddisfare le equazioni in (3 ). Precisamente, se a e b sono due numeri reali qualunque, ponendo x 2 = a e x 5 = b otteniamo: dalla terza equazione, x 4 = 1 + 2b; sostituendo nella seconda, x 3 = 1 + 2b + (1 + 2b) = 2 + 4b; sostituendo nella prima, x 1 = 2 a b + 3(1 + 2b) (2 + 4b) = 3 a + b. Quindi otteniamo che x 1 = 3 a + b, x 2 = a, x 3 = 2 + 4b, x 4 = 1 + 2b, x 5 = b è una soluzione del sistema (3) qualunque siano i numeri a e b. Dunque le soluzioni ci sono e ce ne sono infinite. Questo si riassume nel modo seguente: L insieme delle soluzioni del sistema (3) è 3 a + b a 2 + 4b 1 + 2b b 11 a, b R. ( ) I tre sistemi che abbiamo appena studiato hanno una forma particolare, la cosiddetta forma a scala. La nozione di sistema a scala può essere precisata in termini della matrice completa del sistema. Definizione: matrici a scala. Sia M una matrice non nulla n m. M si dice a scala se: (1) se M ha delle righe nulle, queste seguono (nell ordine dall alto verso il basso) le righe non nulle;
12 12 (2) se M 1,..., M k (1 k n) sono le righe non nulle di M e, p i (i = 1,..., k) è il primo elemento diverso da 0 della riga M i (nell ordine da sinistra a destra), allora p i+1 si trova strettamenente più a destra di p i, per i = 1,..., k 1. Se M è a scala gli elementi p 1,..., p k si chiamano i pivot di M. Esempio (a scala) (non a scala) La prima delle due matrici scritte sopra è a scala e i suoi pivot sono gli elementi sottolineati. Invece la seconda matrice non è scala, perché non soddisfa la condizione (2) della definizione. Infatti, nelle notazioni della condizione (2), p 2 è il 7 sottolineato, p 3 è il 4 sottolineato, e p 3 non si trova strettamente più a destra di p 2. Definizione: sistemi a scala. Un sistema si dice a scala se la sua matrice completa è a scala. Per un sistema a scala, come abbiamo sperimentato negli esempi, è immediato vedere se esistono soluzioni e, se ne esistono, calcolarle. La tecnica di risoluzione dei sistemi che descriveremo, l eliminazione di Gauss, consiste nel trasformare qualunque sistema dato in un sistema a scala che abbia lo stesso insieme di soluzioni. Le operazioni che si fanno per ottenere questo risultato sono del tipo: (1) scambiare di posizione due equazioni; (2) cambiare una certa equazione sommandole un multiplo di un altra equazione. Le operazione di tipo (2) si usano per eliminare un incognita dall equazione su cui operiamo. Facciamo un esempio che chiarisca le parole in caratteri obliqui. Esempio 2. Se ho il sistema di due equazioni { 2x + 2y + z = 2 3x + y + z = 2 per eliminare la x dalla seconda equazione, sommo a questa, membro a a membro, la prima equazione moltiplicata per 3 2 : 3x + y + z = 2 (II eq.) 3x 3y 3 2 z = 3 ( 3 2 I eq.) (L) 2y 1 2 z = 5
13 13 e ottengo il nuovo sistema { 2x + 2y + z = 2 2y 1 2 z = 5 (L ) Il sistema (L ) è a scala. Se sapessi che ha le stesse soluzioni di (L), potrei lavorare su (L ). Ora è chiaro che una terna di valori reali (a, b, c) per (x, y, z) che soddisfa il sistema (L) soddisfa anche (L ), per come questo è costruito. Ma è vero anche il viceversa, perché (L) si ottiene da (L ) facendo l operazione inversa di quella fatta, precisamente, la seconda equazione di (L) si ottiene dalla seconda equazione di (L ) sommando a questa i 3 2 della prima equazione. Quindi l operazione descritta non cambia le soluzioni. Nota. Per evitare coefficienti frazionari avrei anche potuto prima moltiplicare la seconda equazione per 2, e poi sottarre la prima equazione moltiplicata per 3. I discorsi sulle soluzioni funzionerebbero allo stesso modo. Definizione: Sistemi equivalenti. Due sistemi di equazioni lineari si dicono equivalenti se hanno lo stesso insieme di soluzioni. È chiaro che le operazioni sulle equazioni di un sistema del tipo descritto nell Esempio 2 si possono vedere come operazioni sulla matrice completa del sistema. Riduzione a scala di una matrice: eliminazione di Gauss. L algoritmo che stiamo per descrivere serve a trasformare un arbitraria matrice non nulla in una matrice a scala. L algoritmo è strutturato in modo che, se applicato alla matrice completa di un sistema, la trasforma nella matrice completa di un sistema equivalente. Le operazioni permesse sono: (1) Scambiare di posizione due righe. (2) Sommare ad una riga un multiplo di un altra riga. L algoritmo procede in modo ricorsivo nel modo seguente: (a) Se M è nulla o è già a scala, M resta invariata e la procedura termina. (b) Altrimenti: (1) Vediamo qual è la prima colonna non nulla di M: supponiamo sia la i-esima. Scegliamo in modo arbitrario una riga R di M con l i-esima componente non nulla e, se non abbiamo scelto la prima riga, scambiamo di posto la prima riga e la R scelta.
14 14 (2) Sia p il primo elemento non nullo di R (il pivot). L elemento p sta sulla Ricorsione. prima riga e non ha elementi strettamente alla sua sinistra. Modifichiamo le righe successive alla prima in modo da rendere nulli anche tutti i termini che stanno sotto p (nella stessa colonna di p), nel modo seguente: k-esima riga (1 < k): se x ki è il termine di posizione (k, i) (cioè (k-esima riga, stessa colonna di p)), sommiamo alla k-esima riga R. x ki p Sia M la matrice ottenuta al termine del passo 2 e M la sottomatrice di M costituita dalle righe successive alla prima. Lasciamo la prima riga di M invariata ed eventualmente cambiamo le righe successive, applicando la procedura che abbiamo appena descritto a M in luogo di M. Esempio 3. Applichiamo la riduzione a scala alla matrice M scritta sotto Non serve alcuno scambio di righe L 1 sottolineato è il pivot Le operazioni da fare sono: M = III riga 2 I riga IV riga I riga V riga I riga Si lavora sulle righe sotto la linea. Dobbiamo scambiare la II riga o con E ora l unica operazione la III o con la IV: scegliamo la IV da fare è: (la numerazione delle righe è riferita III riga + II riga alla matrice completa) Qui scambiamo III e IV riga Infine: V riga 2 III riga = S Abbiamo ottenuto la matrice a scala S. Gli elementi sottolineati sono i suoi pivot Nota. Il risultato finale dipende, ad ogni stadio dell iterazione dell algoritmo, da come scegliamo la prima riga. Ad esempio, al passaggio dalla seconda alla terza matrice, avremmo potuto scambiare la II riga con la III. Analogamente, all inizio del procedimento, avremmo potuto, come primo passo, scambiare la I riga con la III, la IV o la V: l unica riga che non va bene è la II, perché in corrispondenza della seconda colonna ha uno 0.
15 È chiaro che un operazione del tipo (1), cioè uno scambio di righe, sulla matrice completa di un sistema corrisponde allo scambio di posizione di due equazioni e perciò non cambia le soluzioni del sistema. Neanche le operazioni del tipo (2), che sono analoghe a quella descritta nell Esempio 2, cambiano le soluzioni. Proposizione 1. Sia L un sistema lineare e sia M la matrice completa di L. Sia poi S una matrice a scala ottenuta da M per eliminazione di Gauss e sia L il sistema lineare di matrice completa S. Allora L e L sono equivalenti. 15 A questo punto scriviamo come si tratta in generale un sistema a scala. Enunciamo i risultati principali. Proposizione 2. (a) Un sistema a scala è risolubile se e solo se la sua matrice completa non ha pivot nell ultima colonna. (b) Se vale la condizione di risolubilità scritta sopra, la soluzione è unica se e solo la matrice dei coefficienti ha un pivot in ogni colonna, altrimenti le soluzioni sono infinite. La conclusione di questo paragrafo è dedicata alla dimostrazione della Proposizione precedente. Il fatto che vi è un pivot p nella colonna dei termini noti equivale al fatto che l ultima equazione del sistema è 0 x x n = p che non è risolubile perché p 0. Quindi se questo succede il sistema non è risolubile. (Cfr. sistema (2) all inizio del paragrafo.) Ora supponiamo che non vi sia un pivot nella colonna dei termini noti e che invece nella matrice dei coefficienti vi sia un pivot per ogni colonna. Questo è il caso esemplificato dal sistema (1) all inizio del paragrafo: il sistema è di tipo con gli a ii tutti diversi da zero. a 11 x 1 + a 12 x a 1n x n = b 1 a 22 x a 2n x n = b a nn x n = b n Si risolve per sostituzione dal basso, partendo dall ultima equazione: troviamo x n = b n /a nn ; sostituiamo questo valore al posto
16 16 di x n nelle altre equazioni; dalla penultima equazione otteniamo il valore di x n 1 ; proseguiamo induttivamente fino a determinare x 1. Infine supponiamo che non ci sono pivot nella colonna dei termini noti e che nella matrice dei coefficienti vi siano colonne senza pivot. Questo vuol dire che vi sono delle incognite alle quali non corrisponde alcun pivot, come nell esempio (3) all inizio del paragrafo. Come primo passo separiamo le incognite corrispondenti alle colonne dei pivot da quelle corrispondenti alle colonne senza pivot, precisamente, in tutte le equazioni del sistema, portiamo a destra dell uguaglianza i termini con le incognite corrispondenti alle colonne senza pivot. Esempio: x 1 x 2 + 2x 3 x 4 + x 5 = 1 x 3 + x 4 x 5 = 1 x 5 = 1 x 1 + 2x 3 + x 5 = 1 + x 2 + x 4 x 3 x 5 = 1 x 4 x 5 = 1 Ora osserviamo che se attribuiamo dei valori reali arbitrari alle incognite che abbiamo spostato, torniamo al caso prececente, otteniamo un sistema nelle incognite rimanenti con soluzione unica. Esempio (seguito): x 2 = a, x 4 = b (a, b R) x 1 + 2x 3 + x 5 = 1 + a + b x 3 x 5 = 1 b x 5 = 1 x 1 = a + 3b 4 x 3 = 2 b x 5 = 1 (l ultimo passaggio si ottiene risolvendo il sistema per sostituzione dal basso). Quindi il sistema ha infinite soluzioni, una per ogni scelta dei valori da attribuire alle incognite che abbiamo spostato a destra.
17 17 Esempio (conclusione): Al variare di a e b in R si ottengono infinite soluzioni; precisamente l insieme delle soluzioni è a + 3b 4 a 2 b b 1 a, b R. Terminologia. Nel caso in cui le soluzioni sono infinite, nella loro descrizione compaiono delle indeterminate (nell esempio a e b). Queste indeterminate si chiamano parametri reali, o variabili libere. Il generico vettore soluzione del sistema si chiama soluzione generale (nell esempio t (a + 3b 4, a, 2 b, b, 1)). Fissando i parametri, cioè attribuendo ad essi dei valori numerici, si ottengono le soluzioni particolari del sistema (ad esempio scegliendo a = 0 e b = 2 nell esempio studiato si ottiene la soluzione particolare t (2, 0, 0, 2, 1)). Nota. L espressione della soluzione generale non è unica. Vedremo però che non può cambiare il numero dei parametri che occorrono nella soluzione generale. Esempio. Consideriamo il sistema di una sola equazione nelle due incognite x e y x y = 2. Il metodo di soluzione descritto in generale, in questo caso, si applica così: scriviamo ( l equazione ) come x = y + 2 e ponendo y = a troviamo la soluzione a + 2 generale (a R). a Ma potremmo anche scrivere y = x 2 e ponendo x = a trovare la soluzione a generale (a R). a 2 E in effetti si verifica facilmente che { } { } a + 2 a a R = a R, a a 2 cioè che abbiamo scritto lo stesso insieme di soluzioni in due modi diversi.
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
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
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
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
Dettagli1 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 )
DettagliDef. 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
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
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)
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
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
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
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2011 2012 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.00
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
DettagliSISTEMI 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
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,
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
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
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
DettagliIntroduzione all algebra delle matrici. Appunti a cura di Lara Ercoli
Introduzione all algebra delle matrici ppunti a cura di Lara Ercoli Indice Definizioni 3. Matrici particolari............................ 4 2 Operazioni con le matrici 8 2. Somma di matrici.............................
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
DettagliMatematica II,
Matematica II 181111 1 Matrici a scala Data una riga R = [a 1 a 2 a n ] di numeri reali non tutti nulli il primo elemento non nullo di R si dice pivot di R Cosi il pivot di R compare come j mo elemento
DettagliMonomi L insieme dei monomi
Monomi 10 10.1 L insieme dei monomi Definizione 10.1. Un espressione letterale in cui numeri e lettere sono legati dalla sola moltiplicazione si chiama monomio. Esempio 10.1. L espressione nelle due variabili
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
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
DettagliLEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
DettagliLe matrici. A cura di Benedetta Noris, 17 aprile Cos è una matrice. 2 Rappresentazione di una matrice generica 2
Le matrici A cura di Benedetta Noris, 17 aprile 2012 benedetta.noris1@unimib.it Indice 1 Cos è una matrice 1 2 Rappresentazione di una matrice generica 2 3 Somma di matrici e prodotto di una matrice per
DettagliIntroduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo.
Capitolo 3 Il campo Z n 31 Introduzione Introduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo 32 Le classi resto Definizione
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
DettagliAppunti di matematica per le Scienze Sociali Parte 1
Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari 1 Sistemi di equazioni lineari 1.1 Determinante di matrici quadrate Ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante della matrice
DettagliParte 1. Sistemi lineari, algoritmo di Gauss, matrici
Parte 1. Sistemi lineari, algoritmo di Gauss, matrici A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Brevi richiami sugli insiemi, 1 Insiemi numerici, 3 3 L insieme R n, 4 4 Equazioni
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
DettagliSistemi 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
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
DettagliGiuseppe 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
Dettagli1.1 Coordinate sulla retta e nel piano; rette nel piano
1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
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
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
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
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliLe disequazioni di primo grado. Prof. Walter Pugliese
Le disequazioni di primo grado Prof. Walter Pugliese Concetto di disequazione Consideriamo la seguente disuguaglianza: 2x 3 < 5 + x Procedendo per tentativi, attribuiamo alla lettera x alcuni valori e
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
DettagliTerminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)
Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Esempi Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Osservazioni per le matrici quadrate a) Data A M n (K) è possibile definire ricorsivamente
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
Dettagliha 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
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):
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
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
Dettaglia 11 s 1 + a 12 s a 1n s n = b 1 a 21 s 1 + a 22 s a 2n s n = b 2..
Matematica II 020304 Ogni sistema di m equazioni lineari in n incognite x 1 x 2 x n si uo raresentare nella forma a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1
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
DettagliLa riduzione a gradini e i sistemi lineari (senza il concetto di rango)
CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere
DettagliEsercizi 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
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliLezione 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( ) 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
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 Relazione di congruenza in Z
1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo
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
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliLe equazioni di primo grado
Le equazioni di primo grado Definiamo prima di tutto cosa è una identità. Definizione : un identità è un uguaglianza, dove compaiono espressioni letterali, verificata per qualunque valore attribuito alle
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliSistemi 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.+
DettagliLEZIONE 3. Typeset by AMS-TEX
LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni
DettagliRisoluzione 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
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
Dettaglic A (a c = b) Le ipotesi che abbiamo ci dicono che esistono h, k A tali che:
Definizione 1. Dato un insieme A, un operazione su A è una applicazione da A A a valori in A. Definizione 2. Se A è un insieme con una operazione, dati a, b A diciamo che a divide b (e scriviamo a b) se
DettagliESERCIZI 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
DettagliSui determinanti e l indipendenza lineare di vettori
Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti
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
DettagliALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,
ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore
DettagliCorso 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
DettagliSistemi di 1 grado in due incognite
Sistemi di 1 grado in due incognite Problema In un cortile ci sono polli e conigli: in totale le teste sono 7 e zampe 18. Quanti polli e quanti conigli ci sono nel cortile? Soluzione Indichiamo con e con
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
Dettagli0.1 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
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
DettagliMetodi Matematici per l Economia anno 2017/2018 Gruppo B
Metodi Matematici per l Economia anno 2017/2018 Gruppo B Docente: Giacomo Dimarco Dipartimento di Matematica e Informatica Università di Ferrara https://sites.google.com/a/unife.it/giacomo-dimarco-home-page/
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)
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
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
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
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
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
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
DettagliLezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico
Trasformazioni elementari sulle matrici Data una matrice A K m,n definiamo su A le seguenti tre trasformazioni elementari: T : scambiare tra loro due righe (o due colonne) di A; T : sommare ad una riga
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
DettagliProntuario degli argomenti di Algebra
Prontuario degli argomenti di Algebra NUMERI RELATIVI Un numero relativo è un numero preceduto da un segno + o - indicante la posizione rispetto ad un punto di riferimento a cui si associa il valore 0.
DettagliOperazioni elementari e riduzione
Matrici e sistemi Operazioni elementari Riduzioni di matrici L algoritmo di riduzione 2 2006 Politecnico di Torino 1 Operazioni elementari per righe Sia A M m,n. Introduciamo tre tipi di operazioni che
DettagliI determinanti. a11 a A = 12 a 21 a 22
I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.
DettagliLezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali
Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
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
DettagliMetodo 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
Dettagli12 - Sistemi di Equazioni Lineari
Università degli Studi di Palermo Facoltà di Economia Dipartimento SEAS Appunti del corso di Matematica - Sistemi di Equazioni Lineari Anno Accademico 5/6 D. Provenzano, M. Tumminello, V. Lacagnina e A.
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
Dettagli1. 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
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliSistemi 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