Applicazioni eliminazione di Gauss

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Applicazioni eliminazione di Gauss"

Transcript

1 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 superiore con termini diagonali uguali a, corrispondente ad un sistema lineare che ha esattamente le stesse soluzioni del sistema di partenza (si veda la Figura.) Figura. Illustrazione schematica del processo di eliminazione di Gauss sulla matrice A di un sistema lineare. Definizione. (Sistemi lineari equivalenti) Due sistemi lineari aventi lo stesso numero di incognite si dicono equivalenti se hanno esattamente le stesse soluzioni. La matrice finale del sistema è anche detta matrice ridotta a scala o semplicemente matrice ridotta. Osservazione. Se è possibile continuare il processo di eliminazione delle variabili in modo tale che ogni colonna della matrice che contiene un sulla diagonale principale ha tutti i restanti elementi nulli, allora la forma finale della matrice che otteniamo è unica. Il processo così descritto prende il nome di eliminazione di Gauss-Jordan.

2 Capitolo Osservazione. Potremo incontrare sistemi che non hanno nessuna soluzione, oppure che ne hanno infinite. Da un punto di vista pratico queste situazioni corrispondono a una situazione di non applicabilità del precedente metodo (così come descritto finora)... Soluzioni di un sistema lineare All atto pratico per risolvere il sistema conviene utilizzare una notazione in tabella nella quale riportiamo la matrice del sistema ed il vettore dei termini noti. Esempio. (Sistemi lineari e soluzioni) Consideriamo le seguenti possibilità.. (Soluzione unica) { 3x 3x + x 3 = x + x + x 3 = x + x 3x 3 = /3 /3 (R /3) 3 /3 /3 7/3 7/3 (R + R ) 3 /3 /3 (R 3 R ) /3 /3 3 /3 /3 (R R 3 ) 7/3 7/3 /3 /3 /9 /9 (R /3) (3R 3 /7) Da cui x 3 = x 9 x 3 = 9 x 9 = 9 x = x x + 3 x 3 = 3 x + 3 = 3 x =

3 Eliminazione di Gauss 3 Ossia la soluzione è ed è unica. x =, x =, x 3 =. (Infinite soluzioni) { x + x x 3 = 4 x x + 3x 3 = 7 4x + x + x 3 = (R R ) 3 5 (R 3 4R ) 4 3 5/3 5 /3 (R /( 3)) (Attenzione: due righe uguali!) 4 5/3 /3 (R 3 + 3R ) Il procedimento è terminato con il sistema x + x x 3 = 4 x 5 3 x 3 = 3 che ha solo due equazioni in tre incognite x,x,x 3. In questo caso esistono infinite soluzioni. Infatti una delle tre incognite può assumere un qualunque valore e da questo è sempre possibile ricavare il valore delle altre due. La forma usata per esprimere le soluzioni in questo caso è del tipo x 3 = s x = s x = s + s = 3 3 s al variare di s numero reale (s R).

4 4 Capitolo 3. (Nessuna soluzione) { x + x x 3 = 3 x + x + x 3 = 5x + 5x 3x 3 = (R R ) 7 (R 3 5R ) 3 7 (R /3) 3 3 (R 3 R ) 3 (R 3 /3) Bisogna fare attenzione al fatto che solo il termine noto è non nullo nell ultima riga della tabella finale. Il sistema in questo caso non ha soluzioni, infatti l ultima equazione corrisponde a x + x + x 3 = che non può mai essere verificata per nessun valore di x, x, x 3. Dato un sistema lineare Ax = b, con A matrice m n consideriamo la matrice  = (A b) di tipo m (n + ), detta matrice ampliata o matrice completa del sistema lineare, ottenuta considerando le n colonne di A e come ultima colonna il vettore b a a a 3... a n b a a a 3... a n b  = a 3 a 3 a a 3n b 3 = (A b) a m a m a m3... a mn b m

5 Eliminazione di Gauss 5 Nell applicare il metodo di eliminazione di Gauss abbiamo trasformato, tramite operazioni elementari, tale matrice in una forma ridotta avente elementi tutti nulli sotto la diagonale principale ed elementi uguali a o a sulla diagonale principale. Per tale forma ridotta (ossia la forma finale della tabella dopo l eliminazione di Gauss) vale la seguente regola generale. Proposizione. (Regola generale). Non esistono soluzioni se, dopo aver applicato il metodo di eliminazione di Gauss, l ultima riga non nulla ha un valore uguale a come ultimo elemento a destra e altrove.. Esiste un unica soluzione se, dopo aver applicato il metodo di eliminazione di Gauss, ci sono esattamente n righe non nulle, l ultima delle quali ha come penultimo elemento a destra. 3. Esistono infinite soluzioni se, dopo aver applicato il metodo di eliminazione di Gauss, le righe non nulle sono meno di n, e non è verificata la condizione. Esempio. (Forme ridotte) Vediamo alcuni possibili risultati del metodo di eliminazione di Gauss e indicazione del tipo di soluzione (come esercizio calcolare esplicitamente le soluzioni ove possibile).. 3 (soluzione unica). (nessuna soluzione) (soluzione unica) 4. (infinite soluzioni) (soluzione unica) (nessuna soluzione) (soluzione unica) (infinite soluzioni)

6 6 Capitolo.. Matrici elementari Le trasformazioni che eseguiamo sulla matrice ampliata del sistema lineare durante il metodo di eliminazione di Gauss possono essere rappresentate come una successione di prodotti di particolari matrici, dette matrici elementari, per la matrice ampliata. Tale rappresentazione risulta molto utile ai fini pratici, per esempio nel calcolo dell inversa di una matrice. Definizione. (Matrice elementare) Una matrice elementare è una matrice quadrata ottenuta applicando a una matrice identità una sola operazione elementare di riga. Esempio.3 (Matrici elementari) E = E = 5 3 E 3 = R R 5R 3 R + 3R in I in I in I L importanza di tali matrici è data dalla seguente proprietà. Proprietà I. Sia E una matrice ottenuta applicando a una matrice identica m m una sola operazione elementare di riga e sia A una qualunque matrice m n. Allora la matrice prodotto EA è la stessa matrice che si otterrebbe applicando direttamente ad A la stessa operazione elementare di riga. Esempio.4 (Matrici e trasformazioni elementari) Sia 3 A = e applichiamo E,E,E 3 definite nell esempio precedente ad A, ossia moltiplichiamo a sinistra A per E,E,E E A = = E A = =

7 Eliminazione di Gauss E 3 A = = Potremo quindi applicare l algoritmo di eliminazione di Gauss utilizzando una serie di matrici elementari che moltiplicate a ogni passo per la matrice ampliata del sistema fornisce una matrice avente elementi nulli sotto la diagonale principale. Ossia E r E r E E  per un certo valore di r e opportune scelte delle matrici elementari sarà una matrice avente tutti zero sotto la diagonale principale e nei primi termini non nulli in ogni riga a partire da sinistra. Esempio.5 (Matrici elementari ed eliminazione di Gauss) Utilizzare le matrici elementari per applicare il metodo di eliminazione di Gauss al seguente sistema { x 3x 3 = 3 x x + x + x 3 = x + x + 4x 3 = x = 4 x 3 Indichiamo con  = (A b) la matrice ampliata ed eseguiamo le trasformazioni sulla matrice indicando a lato la corrispondente matrice elementare. 3  = 4 Quindi R R 3 4 R 3 R 3 3 R 3 + R 3 3 R 3 /3 3 E = E = E 3 = E 4 = /3 E 4 E 3 E E }{{}  = T  = 3. T

8 8 Capitolo Ossia abbiamo costruito una matrice T tale che T Â è la matrice finale risultante dell eliminazione di Gauss, ossia una matrice avente elementi nulli al di sotto della diagonale principale ed elementi uguali a o a sulla diagonale principale. Un altra interessante proprietà delle matrici elementari è la loro facile invertibilità. Infatti abbiamo la seguente Proprietà II. Sia E una matrice ottenuta da I tramite una operazione elementare di riga. Se F è la matrice elementare ottenuta da I eseguendo l operazione elementare inversa, allora chiaramente F E = I. È facile verificare inoltre che anche EF = I e quindi le due matrici sono l una l inversa dell altra. Esempio.6 (Inverse di matrici elementari) Riportiamo per esempio le matrici elementari inverse corrispondenti alle matrici elementari viste nell Esempio.4 E = R R F = R R E = 5R 3 F = R 3 /5 5 /5 3 E 3 = 3 R + 3R F 3 = Lasciamo come esercizio la verifica che soddisfano alle relazioni E F = F E = I, E F = F E = I, E 3 F 3 = F 3 E 3 = I. R 3R Dall invertibilità delle matrici elementari discende che la matrice T = E r E r E E che effettua l eliminazione di Gauss tramite r trasformazioni elementari è una matrice invertibile. Infatti avremo T = (E r E r E E ) = E E E r E r = F F F r F r...3 Calcolo della matrice inversa Discutiamo ora il problema del calcolo dell inversa di una matrice. Supponiamo ora di applicare l eliminazione di Gauss a una matrice quadrata A. Otterremo dopo

9 Eliminazione di Gauss 9 r passi una matrice triangolare superiore che indichiamo con U avente elementi uguali a o sulla diagonale, ossia E r E r E E A = U. Se la diagonale della matrice U non presenta alcuno ma solo degli allora possiamo pensare di continuare ad applicare operazioni elementari di riga in modo da annullare anche tutti gli elementi sopra la diagonale della matrice U. Dopo ulteriori s trasformazioni elementari otterremo quindi una matrice avente elementi nulli sopra e sotto la diagonale ed elementi sulla diagonale tutti uguali a uno, ossia una matrice identità E r+s E r+s E r+ E r+ U = I. Riassumendo abbiamo ottenuto in r + s trasformazioni elementari E r+s E r+s E E A = I. Poniamo B = E r+s E r+s E E, abbiamo BA = I. Ma in realtà abbiamo anche AB = I. Infatti, indicando con F i = E i, i =,...,r + s abbiamo F F F r+s F r+s = F F F r+s F r+s I = F F F r+s F r+s E r+s E r+s E E A = IA = A. Ne segue AB = F F F r+s F r+s E r+s E r+s E E = I, essendo F i E i = I, i =,...,r + s. Quindi B = A è l inversa di A. Come calcoliamo in pratica A = E r+s E r+s E E senza doverci calcolare tutti i prodotti delle matrici elementari utilizzate? L idea è molto semplice basta infatti applicare il procedimento effettuando contemporaneamente le stesse operazioni sulla matrice identità, ossia applicando il metodo appena descritto alla matrice à = (A I). Avremo infatti E r+s E r+s E E à = (E r+s E r+s E E A E r+s E r+s E E I) = (I A ). Esempio.7 (Calcolo inversa) Sia A = 3 Vogliamo stabilire se A è invertibile, e in tal caso calcolare A. In forma di tabella possiamo scrivere

10 Capitolo 3 (R R ) (R 3 R ) (R 3 ( )) A questo punto abbiamo terminato l eliminazione di Gauss ottenendo a sinistra la matrice U, che in questo caso ha tutti elementi uguali a sulla diagonale. Quindi A è invertibile. Continuiamo ad applicare trasformazioni elementari al fine di trasformare U in una matrice identità (R R 3 ) (R R 3 ) (R R ) L inversa di A è A = 3 Verificare come esercizio che A A = AA = I. Il metodo appena illustrato si applica chiaramente a matrici quadrate di qualsiasi dimensione. Come ci accorgiamo se una matrice non è invertibile? Basta osservare che il buon esito del nostro procedimento dipende dall avere ottenuto alla fine dell eliminazione di Gauss una matrice avente elementi tutti uguali a sulla

11 Eliminazione di Gauss diagonale. Come abbiamo visto nei paragrafi precedenti non è detto che questo sia sempre possibile, e potremmo anche ottenere sulla diagonale principale. Se questo succede il metodo per il calcolo dell inversa si arresta e e la matrice è non invertibile, ossia singolare. Esempio.8 (Matrice singolare) Sia 3 A = Abbiamo 3 3 (R R ) 3 (R ( )) 3 (R 3 R ) Il procedimento si arresta e la matrice A è non invertibile.. Dipendenza lineare e rango Dati i vettori A,A,...,A r una combinazione lineare è un espressione del tipo α A + α A α r A r dove gli α i sono numeri reali. È ovvio che il risultato di una combinazione lineare è un vettore. Se è possibile determinare gli α i non tutti nulli in modo tale che α A + α A α r A r = allora i vettori A,...,A r si dicono linearmente dipendenti. Se invece l espressione precedente può essere soddisfatta solo prendendo α i = per ogni valore di i, allora i vettori si dicono linearmente indipendenti (abbreviati l.i. e l.d.).

12 Capitolo Esempio.9 (Lineare dipendenza e sistemi omogenei) Stabilire se l insieme di vettori } {,, è linearmente indipendente. Cerchiamo dei coefficienti x,x,x 3 non tutti nulli tali che x + x + x 3 = ossia { x + x + x 3 = x x + x 3 = 5x + 4x + 4x 3 = Possiamo applicare l eliminazione di Gauss alla matrice ampliata  = Eliminando i passaggi intermedi (farli per esercizio) si ottiene /6 quindi il sistema ha infinite soluzioni e l insieme di vettori è linearmente dipendente. Si noti che la matrice ampliata del corrispondente sistema non è altro che la matrice avente come colonne i vettori stessi ed il vettore nullo. Osservazione.3 Un sistema omogeneo Ax = è sempre consistente in quanto ammette la soluzione nulla x =. Per un tale sistema l eliminazione di Gauss può essere applicata direttamente alla matrice A in quanto l ultima colonna di  non viene mai modificata e resta nulla. Tale sistema ammette quindi solo la soluzione nulla x = oppure infinite soluzioni. Definizione.3 (Rango) Dato un insieme di vettori {A,A...,A n } dicesi rango dell insieme il massimo numero di vettori l.i. nell insieme. Data la matrice A, il rango della matrice A, indicato con rank (A), è il rango dell insieme dei suoi vettori colonna. Possiamo enunciare le seguenti regole. Regola I. Dato un insieme di vettori A,...,A n di dimensione m, per verificare se l insieme di vettori è l.i. si costruisce la matrice A A = A A... A n

13 Eliminazione di Gauss 3 di tipo m n avente come colonne i vettori A,...,A n e si applica a essa l eliminazione di Gauss. Se la matrice risultante ha meno di n righe non nulle l insieme assegnato è l.d., altrimenti è l.i.. Regola II. Qualunque insieme di vettori di dimensione n formato da più di n vettori distinti è linearmente dipendente. Di conseguenza il rango di una matrice è il numero di righe non nulle che restano al termine dell eliminazione di Gauss. Il rango di una matrice m n è necessariamente minore o uguale a n e anche minore o uguale a m, ossia rank (A) min{m,n}..3 Determinante Il concetto di determinante è essenziale nell ambito dell algebra lineare. Tale oggetto consente per esempio di determinare in modo pratico se un sistema lineare di matrice quadrata ammette una unica soluzione o se un insieme di n vettori in R n è linearmente dipendente o indipendente. Definizione.4 (Matrici di permutazione) Definiamo le matrici P rs, dette matrici di permutazione elementari, ottenute dalla matrice identità scambiando le righe r e s. Esempio. (Matrici di permutazione) Un esempio di matrice di permutazione a partire da I = è la seguente (r =, s = 3) P 3 = Sono casi particolari di matrici elementari. Quindi P rs A è una matrice uguale ad A ma con le righe r ed s scambiate fra loro. Analogamente AP rs è una matrice uguale ad A ma con le colonne r ed s scambiate fra loro. Definizione.5 (Determinante) Dato l insieme delle matrici quadrate di ordine n, a ogni matrice A di questo insieme associamo un numero che indicheremo con det(a), detto determinante di A, tale che. Se A è una matrice triangolare (superiore o inferiore), allora det(a) è uguale al prodotto degli elementi sulla diagonale.

14 4 Capitolo. Se A e B sono due matrici quadrate di ordine n, det(ab) = det(a) det(b). 3. det(p rs ) = per ogni valore di r,s con r s..3. Proprietà del determinante La definizione precedente determina in modo univoco det(a). ulteriori proprietà discendono da tale definizione. Vediamo quali. Se la matrice A ha due righe o due colonne uguali il determinante è nullo.. Dato α in R, det(αa) = α n det(a). 3. Se A è la matrice ottenuta moltiplicando tutti gli elementi di una riga (o di una colonna) di A per α allora det(a) = α det(a). 4. Se una riga o una colonna di A sono nulli, il determinante sarà nullo. 5. Se una riga o una colonna di A è combinazione lineare delle altre allora il determinante è nullo. 6. Sia A non singolare, ossia le colonne sono linearmente indipendenti. Allora det(a ) = det(a)..3. Calcolo del determinante Sono note semplici regole pratiche di utilizzo immediato per il calcolo del determinante nel caso di matrici di dimensione e 3. Ma come procediamo se la matrice ha dimensioni maggiori? Ancora una volta il nostro strumento di calcolo sarà basato sull eliminazione di Gauss. Abbiamo visto che se applichiamo l eliminazione di Gauss ad A matrice quadrata otteniamo dopo r passi E r E r... E E A = U con U matrice triangolare superiore con elementi sulla diagonale uguali a o a ed E i matrici elementari che caratterizzano il procedimento. Di conseguenza sappiamo che det(u) = oppure det(u) =. In particolare indicata con T = E r E r E E allora tale matrice è invertibile con inversa T = (E r E r E E ) = E E Er E r = F F F r F r

15 Eliminazione di Gauss 5 dove al solito abbiamo indicato con le matrici elementari F i le inverse delle E i, i =,...,r. Quindi T T A = T U. Se indichiamo con L = T abbiamo il risultato A = LU, dove la matrice L è data dal prodotto delle inverse delle matrici elementari viste nell eliminazione di Gauss. La relazione A = LU fattorizza la matrice A nel prodotto di due matrici L e U ed è detta fattorizzazione di Gauss o semplicemente fattorizzazione LU. Avremo quindi che det(a) = det(l) det(u) ossia det(a) = oppure det(a) = det(l), con det(l) = det(f ) det(f ) det(f r ) det(f r ). Il calcolo delle quantità det(f i ) può essere effettuato direttamente usando le proprietà del determinante. Infatti in base al punto 3 della definizione di determinante se abbiamo uno scambio di righe det(f i ) =, dalla proprietà 3 del determinante se moltiplichiamo una riga per un valore costante α, det(f i ) = α. Infine se F i è ottenuta sommando o sottraendo da una riga della matrice identità il multiplo di un altra riga della stessa matrice il valore del determinante resterà inalterato in quanto F i sarà sempre una matrice diagonale e quindi dal punto della definizione di determinante det(f i ) =. Riassumendo abbiamo { scambio di righe det(f i ) = α moltiplicazione di una riga per α somma o sottrazione di una riga per un multiplo di un altra. Esempio. (Calcolo del determinante) Calcoliamo i determinanti delle seguenti matrici. 3 A = 4

16 6 Capitolo (R R ) 5 (R 3 R ) 3 / 5 (R ( /6)) α = 6 3 / 4 (R 3 + R ) 3 / (R 3 /4) α = 4 La matrice finale è triangolare superiore con determinante uguale a. determinante di A sarà α α = 6 4 = 4. Il risultato poteva essere ottenuto direttamente da A tramite la regola det(a) = = 4, basata sulle diagonali di A. Il. A = (R R ) cambio segno (R 3 R ) (R 4 R )

17 Eliminazione di Gauss 7 (R 3 R ) (R 4 R ) / (R 3 /( )) α = / 3/ (R 4 + R 3 ) / (R 4 /( 3/)) α = 3/ Quindi det(a) = (α α ) = 3.

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani

Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 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.

Dettagli

Sistemi di equazioni lineari

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

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti su Indipendenza Lineare di Vettori Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo

Dettagli

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

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

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI 1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito

Dettagli

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

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

Dettagli

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

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

Dettagli

SISTEMI LINEARI, METODO DI GAUSS

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

Dettagli

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme

Dettagli

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

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

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

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

Dettagli

LEZIONE i i 3

LEZIONE i i 3 LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

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

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria. Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo

Dettagli

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

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

Dettagli

Esercitazione 6 - Soluzione

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

Dettagli

SISTEMI LINEARI MATRICI E SISTEMI 1

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

Dettagli

Sistemi lineari - Parte Seconda - Esercizi

Sistemi lineari - Parte Seconda - Esercizi Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione

Dettagli

Sistemi II. Sistemi II. Elisabetta Colombo

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

Dettagli

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

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

Dettagli

Giuseppe Accascina. Note del corso di Geometria e Algebra

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

Dettagli

12 - Sistemi di Equazioni Lineari

12 - 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.

Dettagli

1 Ampliamento del piano e coordinate omogenee

1 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

Dettagli

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema

Dettagli

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

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

Dettagli

Equazioni di primo grado

Equazioni 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

Dettagli

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

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

Dettagli

Geometria BIAR Esercizi 2

Geometria BIAR Esercizi 2 Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si

Dettagli

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

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

Dettagli

MATEMATICA. a.a. 2014/ Sistemi di equazioni lineari

MATEMATICA. 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

Dettagli

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

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

Dettagli

2 Sistemi lineari. Metodo di riduzione a scala.

2 Sistemi lineari. Metodo di riduzione a scala. Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1

Dettagli

Inversa di una matrice

Inversa di una matrice Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due

Dettagli

ALGEBRA LINEARE PARTE II

ALGEBRA LINEARE PARTE II DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI

Dettagli

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI

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

Dettagli

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

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

Dettagli

Esercizi svolti. delle matrici

Esercizi svolti. delle matrici Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa

Dettagli

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

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

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)

Dettagli

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio Esempio. Determinare le soluzioni del sistema lineare Ax = B, in cui 4 A = 6 6, B = Sol. Consideriamo la matrice aumentata C = 4 6 6 6 5 e

Dettagli

Dipendenza e indipendenza lineare (senza il concetto di rango)

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

Dettagli

LEZIONE 5. AX = 0 m,1.

LEZIONE 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,

Dettagli

Il teorema di Rouché-Capelli

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

Dettagli

Dipendenza e indipendenza lineare

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

Dettagli

Matematica II,

Matematica 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

Dettagli

Metodi per la risoluzione di sistemi lineari

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

Dettagli

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5. SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga

Dettagli

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV

Dettagli

Operazioni tra matrici e n-uple

Operazioni 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,

Dettagli

Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari

Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare

Dettagli

Precorso di Matematica

Precorso 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

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

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

Dettagli

LeLing12: Ancora sui determinanti.

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

Dettagli

4 Autovettori e autovalori

4 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

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la

Dettagli

Matematica per Analisi dei Dati,

Matematica 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

Dettagli

Operazioni elementari e riduzione

Operazioni elementari e riduzione Matrici e sistemi Operazioni elementari Riduzioni di matrici L algoritmo di riduzione 2 2006 Politecnico di Torino 1 Operazioni elementari per righe Sia A M m,n. Introduciamo tre tipi di operazioni che

Dettagli

LEZIONE 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 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

Dettagli

ESERCIZI SULLE MATRICI

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

Dettagli

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

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo

Dettagli

Sui determinanti e l indipendenza lineare di vettori

Sui determinanti e l indipendenza lineare di vettori Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti

Dettagli

Corso di Matematica per la Chimica

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

Dettagli

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

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

Dettagli

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

I determinanti. a11 a A = 12 a 21 a 22 I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.

Dettagli

Sistemi di equazioni lineari

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

Dettagli

1 Definizione di sistema lineare omogeneo.

1 Definizione di sistema lineare omogeneo. Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari

Dettagli

ossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.

ossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare. ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono

Dettagli

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1 . Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo

Dettagli

La riduzione a gradini e i sistemi lineari (senza il concetto di rango)

La 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

Dettagli

Monomi L insieme dei monomi

Monomi 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

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi 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

Dettagli

Anno 4 Matrice inversa

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

Dettagli

Metodi Matematici per l Economia anno 2017/2018 Gruppo B

Metodi Matematici per l Economia anno 2017/2018 Gruppo B Metodi Matematici per l Economia anno 2017/2018 Gruppo B Docente: Giacomo Dimarco Dipartimento di Matematica e Informatica Università di Ferrara https://sites.google.com/a/unife.it/giacomo-dimarco-home-page/

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

NOTE 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

Dettagli

Motivazioni. Sistemi lineari. Obiettivo. Il problema

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

Dettagli

Risoluzione di sistemi lineari

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

Dettagli

Le equazioni e i sistemi di primo grado

Le equazioni e i sistemi di primo grado Le equazioni e i sistemi di primo grado prof. Roberto Boggiani Isiss Marco Minghetti 1 settembre 009 Sommario In questo documento verrà trattato in modo semplice e facilmente comprensibile la teoria delle

Dettagli

Corso di Matematica per la Chimica

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

Dettagli

ESERCIZI sui VETTORI

ESERCIZI 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

APPLICAZIONI LINEARI

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

Dettagli

Equazioni di primo grado ad un incognita

Equazioni di primo grado ad un incognita Equazioni di primo grado ad un incognita Identità Si dice IDENTITÀ un uguaglianza fra due espressioni letterali che è verificata per ogni valore attribuito alle lettere. 2 = 2 è un identità =3 2 3=2 3

Dettagli

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

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

Dettagli

Lezione 8: Determinante e Inversa

Lezione 8: Determinante e Inversa Lezione 8: Determinante e Inversa In questa lezione vogliamo descrivere due concetti fondamentali, il determinante, che è un numero associato ad ogni matrice quadrata, e l inversa di una matrice. L importanza

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 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

Dettagli

Frazioni algebriche. Osserviamo che un espressione di questo tipo si ottiene talvolta quando ci si propone di ottenere il quoziente di due monomi.

Frazioni algebriche. Osserviamo che un espressione di questo tipo si ottiene talvolta quando ci si propone di ottenere il quoziente di due monomi. Frazioni algebriche 14 14.1 Definizione di frazione algebrica Diamo la seguente definizione: Definizione 14.1. Si definisce frazione algebrica un espressione del tipo A B polinomi. dove A e B sono Osserviamo

Dettagli

RIDUZIONE E RANGO , C = 2 5 1

RIDUZIONE E RANGO , C = 2 5 1 MATRICI E SISTEMI RIDUZIONE E RANGO Riduzione di matrici (definizioni, trasformazioni elementari). Calcolo del rango e dell inversa (metodo di Gauss, metodo di Gauss-Jordan). 3 4 Esercizio Ridurre per

Dettagli

Corso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice

Corso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine

Dettagli

Argomento 13 Sistemi lineari

Argomento 13 Sistemi lineari Sistemi lineari: definizioni Argomento 3 Sistemi lineari I Un equazione nelle n incognite x,,x n della forma c x + + c n x n = b ove c,,c n sono numeri reali (detti coefficienti) eb è un numero reale (detto

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 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

Dettagli

a 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..

a 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

Dettagli

Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n

Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra e di Matematica

Dettagli

Metodo dei minimi quadrati e matrice pseudoinversa

Metodo dei minimi quadrati e matrice pseudoinversa Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati

Dettagli

Esercizi sui sistemi di equazioni lineari.

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

Dettagli