Lezione 8: Determinante e Inversa
|
|
- Miranda Santi
- 6 anni fa
- Visualizzazioni
Transcript
1 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 di questi due concetti è sintetizzata nel risultato che riportiamo nell ultima sezione e che contiene tutto ciò che sappiamo sulle applicazioni lineari da R n a R n. 1 Definizione di determinante Le nostre conoscenze di algebra non sono sufficienti a dare una definizione diretta di determinante (che comunque trovate nell appendice alla fine di questa lezione), tuttavia ne daremo una definizione indiretta e poi calcoleremo il determinante in alcuni casi particolari che saranno i piu significativi per gli esercizi. Sia A una matrice quadrata, cioè una matrice n n. Ad essa vogliamo associare un numero reale, detto il determinante di A, che calcoleremo a partire dagli elementi di A con semplici regole. Il determinante contiene molte informazioni sulla matrice A. Vedremo infatti che la matrice è invertibile se e solo se il suo determinante è diverso da zero. Definizione 1.1. Definiamo determinante di una matrice quadrata A il numero indicato con det(a) con le seguenti proprietà che lo determinano unicamente, (anche se non lo dimostriamo): a) Se B è ottenuta da A scambiando due righe (o colonne) allora: det(a) = det(b) b) Se A ha due righe o due colonne uguali allora det(a) = 0. c) Se una riga (colonna) di A è somma di due elementi in R n allora il determinante di A è la somma dei determinanti delle matrici ottenute da A sostituendo la riga (colonna) in questione con ciascuno dei due addenti. 1
2 d) Se B è ottenuta da A moltiplicando una riga o una colonna per a allora: det(b) = adet(a) e) SeB èottenuta daasommando aduna riga(colonna) di Auna qualunque combinazione lineare delle altre righe (colonne), allora: det(b) = det(a) f) Sia A t la matrice trasposta di A, cioè la matrice in cui le righe sono le colonne di A. det(a t ) = det(a) g) Se A è di forma triangolare (superiore o inferiore): a 11 a det 0 a = a 11 a 22...a nn Grazie a questa definizione-teorema possiamo ridurre una matrice alla forma scala per righe (stando attenti a non dividere mai una riga per una costanteeatener contodegliscambi diriga). Unavoltagiuntiaquesta forma sappiamo che il determinante è il prodotto degli elementi sulla diagonale(vedi parte (g) della proposizione precedente). Vediamo un esempio. Esempio 1.2. Calcoliamo il determinante della matrice (questo metodo non è consigliato in generale):
3 Scambiamo la prima riga con la seconda e usiamo la prima riga per eliminare tutti i termini nella prima colonna: Ora scambiamo la seconda con la terza riga: Ora possiamo usare la proprieta (g) che mi dice che il determinante di una matrice triangolare è il prodotto dei termini sulla diagonale, dunque: det(a) = 1 2 ( 1) ( 1) ( 1) ( 1) Si noti che oltre a moltiplicare i 4 termini sulla diagonale abbiamo dovuto moltiplicare per ( 1) tante volte quanti sono stati gli scambi di riga (in questo caso due). 2 Metodi per il calcolo del determinante Per matrici 2 2 e 3 3 esistono formule piu semplici per il calcolo del determinante, che non dimostriamo rimandando chi è interessato all appendice per la definizione alternativa. Matrici 2 2. Sia A una matrice 2 per 2: a11 a A = 12 a 21 a 22 Il suo determinante e : Matrici 3 3. det(a) = a 11 a 22 a 12 a 21 3
4 Sia A una matrice 3 per 3: a 11 a 12 a 13 A = a 21 a 22 a 23 a 31 a 32 a 33 Il suo determinante e : det(a) = a 11 a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 a 13 a 22 a 31 a 12 a 21 a 33 a 11 a 23 a 32 Un aiuto mnemonico per calcolarlo. Si riscrivano le prime due righe di A di fianco ad A. a 11 a 12 a 13 a 11 a 12 a 21 a 22 a 23 a 21 a 22 a 31 a 32 a 33 a 31 a 32 Si sommano i prodotti delle diagonali a 11 a 22 a 33, a 12 a 23 a 31, a 13 a 21 a 32 e si sottraggono i prodotti delle diagonali opposte : a 13 a 22 a 31, a 12 a 21 a 33, a 11 a 23 a 32. Esempio: Sia Consideriamo A = quindi det(a) = (0+3+30) = 28. Per matrici piu grandi, ma anche come metodo alternativo per le matrici viste qui sopra, diamo un metodo basato su di una definizione ricorsiva di determinante, alternativa, ma del tutto equivalente, a quella vista nella sezione precedente. Cominciamo con il definire il concetto di minore di una matrice, di per sè importante. Definizione 2.1. Sia A M n,n una matrice quadrata di ordine n (cioè con n righe e n colonne). Indichiamo con A ij la sottomatrice quadrata di A ottenuta cancellando la i-esima riga e la j-esima colonna di A. A ij si dice un minore di A di ordine n 1. 4
5 Vediamo degli esempi. Esempio 2.2. Se A = abbiamo A 11 = 6 1 0, A 23 = 3 6 0, A 42 = , Vogliamo ora definire il determinante di una qualsiasi matrice A, procedendo ricorsivamente sull ordine di A. La definizione che diamo è del tutto equivalente a quella vista nella sezione precedente, non lo dimostriamo, ma rimandiamo lo studente interessato ad un qualsiasi libro di algebra lineare. Definizione 2.3. Definiamo ricorsivamente det(a), ove A è una matrice quadrata. Se A ha ordine 1, cioè ha 1 riga e 1 colonna, cioè A = (a 11 ), poniamo det(a) = a 11. Supponiamo ora di saper calcolare il determinante delle matrici di ordine n 1. Sia Γ ij = ( 1) i+j det(a ij ) allora det(a) = a 11 Γ 11 +a 12 Γ a 1n Γ 1n = n a 1k Γ 1k k=0 Questo è il metodo per calcolo del determinante sviluppando secondo la prima riga. Vediamo come si traduce in pratica, per le matrici 2 2 e 3 3 ritroviamo i risultati visti in precedenza. 5
6 Se A = a b è una matrice 2 2 abbiamo c d det(a) = ad bc. 2 3 Ad esempio: det = = 8 3 = 5, 1 4 2k 3 det k 2 = 2k 4 3 k 4 2 = 8k 3k 2 Se a 11 a 12 a 13 A = a 21 a 22 a 23 a 31 a 32 a 33 è una matrice 3 3 abbiamo: Γ 11 = ( 1) 1+1 a22 a deta 11 = det 23, a 32 a ( 33 ) Γ 12 = ( 1) 1+2 a21 a deta 12 = det 23, a 31 a 33 Γ 13 = ( 1) 1+3 a21 a deta 13 = det 22 a 31 a 32 Quindi det(a) = a 11 Γ 11 +a 12 Γ 12 +a 13 Γ 13 = a22 a a 11 det 23 a21 a a a 32 a 12 det 23 a21 a +a 33 a 31 a 13 det 22 = 33 a 31 a 32 = a 11 (a 22 a 33 a 23 a 32 ) a 12 (a 21 a 33 a 23 a 31 )+a 13 (a 21 a 32 a 22 a 31 ) = a 11 a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 a 11 a 23 a 32 a 12 a 21 a 33 a 13 a 22 a 31 Come infatti abbiamo visto in precedenza. Osservazione 2.4. Si può dimostrare che in generale se si sviluppa il determinante di una matrice A M n,n secondo una qualsiasi riga o colonna si ottiene sempre lo stesso numero, quindi conviene sviluppare secondo la riga o la colonna con il maggior numero di zeri. Lo sviluppo di det(a) secondo la r-esima riga è: det(a) = a r1 Γ r1 +a r2 Γ a rn Γ rn = n k=0 a rkγ rk 6
7 Lo sviluppo di det(a) secondo la s-esima colonna è: det(a) = a 1s Γ 1s +a 1s Γ 2s +...+a ns Γ ns = n k=0 a ksγ ks Verifichiamo con un esempio: Sia A = Lo sviluppo di det(a) secondo la terza riga è:, Ora det(a) = 0Γ 31 3Γ 32 +5Γ 33 +0Γ 34 = 3Γ 32 +5Γ Γ 32 = ( 1) 3+2 det = ( 1) = Γ 33 = ( 1) 3+3 det = +( 3) = quindi det(a) = 3 1+5( 3) = 18. Lo sviluppo di det(a) secondo la seconda colonna è: Ora det(a) = 3Γ 12 +0Γ 22 3Γ 32 +0Γ 42 = 3Γ 12 3Γ Γ 12 = ( 1) 1+2 det = (+5) = 5, Γ 32 = ( 1) 3+2 det = ( 1) = quindi det(a) = 3( 5) 3 1 = 18. 7
8 Un importanza particolare è riservata al teorema di Binet che sostanzialmente ci dice che il determinante ha la proprieta moltiplicativa, cioè il determinante di un prodotto è il prodotto dei determinanti (per la somma ciò è molto lontano dall essere vero!). La dimostrazione di questo teorema esula dagli scopi del corso, ma si può trovare in qualsiasi testo di algebra lineare. Teorema 2.5. Teorema di Binet. Siano A e B due matrici quadrate n n. det(ab) = det(a) det(b) 3 Inversa di una matrice Definizione. Una matrice A si dice invertibile se esiste una matrice B (denotata con A 1 ) tale che: AB = BA = I Vediamo ora due metodi per calcolare l inversa. Teorema 3.1. La matrice A è invertibile se e solo se il suo determinante è diverso da zero. Proof. Dimostriamo che se A è invertibile allora il suo determinante è diverso dazero. SihacheAA 1 = I,quindi, perilteoremadibinet,det(a)det(a 1 ) = det(aa 1 ) = det(i) = 1, quindi det(a) 0. Viceversa, se il determinante di A è diverso da zero si può costruire l inversa di A, nel modo seguente: Sia det(a ij ) il determinante della matrice ottenuta da A rimuovendo la i-esima riga e la j-esima colonna. Si ha che A 1 = B, ove l elemento b ij di B è dato dalla formula: b ij = 1 det(a) ( 1)i+j det(a ji ) a b Esempio. Sia A = la sua inversa si puo calcolare immediatamente c d una volta noto il determinante det(a) = ad bc (diverso da zero). ( d ) A 1 b = ad bc ad bc c ad bc 8 a ad bc
9 Ora diamo un metodo alternativo per il calcolo della matrice inversa. È difficile dire quale dei due metodi sia piu efficace, dipende dal tipo di problema. Calcolo dell inversa con il metodo di Gauss Supponiamo di avere una matrice A invertibile e di volerne calcolare l inversa. Consideriamo la matrice: A I ottenuta mettendo accanto ad A la matrice identita. Poi effettuiamo il metodo di Gauss sulla matrice A riducendola alla matrice identita. La matrice identita si trasformera nella matrice inversa di A. Vediamo un esempio. Consideriamo la matrice A = Dobbiamo applicare il metodo di Gauss alla matrice: Facciamo la seconda riga meno la prima: Poi la prima riga meno due volte la seconda riga: Abbiamo ottenuto: A 1 = Vediamo un altro esempio, stavolta parametrico. 9
10 Stabilire per quali valori di k la seguente matrice è invertibile, e per tali valori calcolarne l inversa con il Metodo di Gauss. k 3k 0 A = k 2k 3 Calcoliamo il determinante di A, ad esempio sviluppando secondo la prima colonna. 1 1 det(a) = kγ 11 +0Γ 21 +0Γ 31 = k( 1) 2 det = k(2 k) = k() k 2k 3 Quindi A è invertibile per k 0 e k 3. Consideriamo ora k 3k A I = k 2k k 3k (III kii) k 3 0 k 1 ( I k, III 0 0 (k 3) ) k k k (II III) k L inversa è quindi: k k k (I 3II) k k 1 k 6k k
11 Stabilire per quali valori di k la seguente matrice è invertibile, e per tali valori calcolarne l inversa. k +1 4k A = 3 1 det(a) = (k+1) 12k = 13k 1, quindi A è invertibile per k 1 13 Usiamo la formula per l inversa b 11 = 1 det(a) ( 1)1+1 det(a 11 ) = 1 13k 1, b 12 = 1 det(a) ( 1)1+2 det(a 21 ) = 4k 13k 1, b 21 = 1 det(a) ( 1)2+1 det(a 12 ) = 3 13k 1, b 22 = 1 det(a) ( 1)2+2 det(a 22 ) = k+1 A 1 = B =. 13k 1 ( 1 13k k+1 4k 13k+1 k+1 13k 1 4 La composizione di applicazioni lineari Ricordiamo che se F : R n R s e T : R s R m sono due applicazioni lineari, allora l applicazione lineare composta T F : R n R m è definita da (T F)(x) = T(F(x)). Siano A M m,s la matrice associata a T, B M s,n la matrice associata a F, C M m,n la matrice associata a T F. Ci proponiamo di stabilite il legame tra queste 3 matrici. Abbiamo che F(x) = Bx per ogni x R n e T(z) = Az per ogni z R s (prodotto righe per colonne), quindi (T F)(x) = T(F(x)) = T(Bx) = A(Bx) = (AB)x, per l associatività del prodotto righe per colonne. Quindi la matrice C associata a T F è proprio la matrice AB. Verifichiamolo direttamente su di un esempio. Sia F : R 2 R 3 l applicazione lineare associata alla matrice 0 1 B = e sia T : R 3 R 4 l applicazione lineare associata alla matrice A = )
12 Siano {e 1,e 2 }, {ẽ 1,ẽ 2,ẽ 3 }, {ē 1,ē 2,ē 3,ē 4 } le basi canoniche di R 2,R 3 e R 4 rispettivamente. Si ha che F(e 1 ) = ẽ 2 +2ẽ 3 F(e 2 ) = ẽ 1 +ẽ 2 T(ẽ 1 ) = ē 1 +ē 2 ē 3 T(ẽ 2 ) = ē 3 ē 4 T(ẽ 3 ) = ē 1 +ē 3 Quindi (T F)(e 1 ) = T(F(e 1 )) = T(ẽ 2 +2ẽ 3 ) = T(ẽ 2 )+2T(ẽ 3 ) = ē 3 ē 4 +2( ē 1 + ē 3 ) = 2ē 1 +3ē 3 ē 4 (T F)(e 2 ) = T(F(e 2 )) = T( ẽ 1 + ẽ 2 ) = T(ẽ 1 ) + T(ẽ 2 ) = (ē 1 + ē 2 ē 3 )+ē 3 ē 4 = ē 1 ē 2 +2ē 3 ē 4 La matrice C associata a T F è quindi: C = È facile ora verificare che C = AB Le applicazioni lineari da R n a R n Diamo ora un risultato importantissimo di equivalenza tra tante nozioni che abbiamo introdotto. Teorema 5.1. Sia f : R n R n una applicazione lineare, A la matrice associata a f nella base canonica di dominio e codominio. Le seguenti affermazioni sono equivalenti. 1. A è invertibile. 2. f è invertibile, cioè f è isomorfismo. 3. f è iniettiva. 12
13 4. f è suriettiva. 5. dim(im (f)) = rk (A) = n. 6. Le colonne di A sono linearmente indipendenti. 7. Le righe di A sono linearmente indipendenti. 8. Il sistema A x = 0 ha un unica soluzione. 9. Per ogni b R n il sistema A x = b ha un unica soluzione. 10. A si può trasformare nella matrice identica tramite l algoritmo di Gauss. Inoltre se queste condizioni sono veritficate la soluzione del sistema A x = b è x = A 1 b Proof. Mostriamo che ogni affermazione implica la successiva e poi l ultima implica la prima. (1) implica (2) perchè se chiamiamo B la matrice inversa di A abbiamo che l applicazione g : R n R n associata a B è l inversa di f. Infatti a f g è associata la matrice AB = I, quindi f g è l identità di R n, e analogamente a g f è associata la matrice BA = I, quindi g f è l identità di R n. (2) implica (3) in modo ovvio, perchè un isomorfismo è sia iniettivo che suriettivo. (3) implica (4) per il teorema della dimensione. (4) implica (5) perchè f suriettiva significa che Im (f) = R n e rk (A) = dim(im (f)) per definizione. (5) implica (6) perchè Im (f) è lo Span delle colonne di A. (6) implica (7) perchè il rango di una matrice è uguale al rango della trasposta. (7) implica (8) perchè se le righe di A sono linearmente indipendenti, quando applichiamo il metodo di Gauss per risolvere il sistema A x = 0 troviamo esattamente n pivots, quindi c è un unica soluzione. Mostriamo ora che (8) implica (9). Se l sistema A x = 0 ha un unica soluzione allora riducendo a scala la matrice A si ottiene una matrice A con esattamente n pivots. Allora riducendo a scala la matrice A b si ottiene una matrice del tipo A b, che ha anch essa esattamente n pivots (quelli di A ). 13
14 Quindi il sistema A x = b ammette un unica soluzione. (9) implica (10) perchè se il sistema A x = b ammette un unica soluzione allora rk (A) = rk (A b) = n per il teorema di Rouché - Capelli. In particolare, applicando ad A l algoritmo di Gauss, poichè rk (A) = n si ottiene una matrice a scala A con n pivots, e continuando si ottiene la matrice identica (1) implica (10) perché basta applicare l algoritmo di Gauss alla matrice (A I), e le ipotesi mi garantiscono che ottengo una matrice del tipo (I B). Ma per quanto detto precedentemente sappiamo che B è proprio l inversa di A. Ora se le 10 proprietà equivalenti sono tutte verificate basta moltiplicare a sinistra per A 1 entrambi i membri dell uguaglianza A x = b e si ottiene x = A 1 b Esercizi 1) Sia data l applicazione lineare f : R 3 R 3 f(x,y,z) = (x+2z,y+z,z). a) È un isomorfismo? Motivare la risposta. b) In caso di risposta affermativa al punto (a) si calcoli l inversa di f. 2) Si consideri in l applicazione f : R 3 R 3 tale che: f(x,y,z) = (x+y 2z, y +z, z). Si determini un applicazione g : R 3 R 3 tale che f g = id. 3) Determinare per quali valori di a la matrice 1 2 A = a 3 è invertibile. Scelto uno dei valori per cui è invertibile calcolarne l inversa. 4) Determinare per quali valori di a la matrice A = a 3 è invertibile. Scelto uno dei valori per cui è invertibile calcolarne l inversa. 5) Sia (e 1 = (1,0,0),e 2 = (0,1,0),e 3 = (0,0,1)) la base canonica dello spazio vettoriale reale R 3. Sia a R. Sia T : R 3 R 3 l applicazione lineare tale che T(e 1 ) = e 1 ae 2, T(e 2 ) = e 2 +e 3, T(e 3 ) = ae 3. 14
15 a) Si trovino i valori di a per i quali l applicazione e invertibile. b)sceltounodeivaloridiaperiqualit èinvertibilesenecalcolil inversa. 6) Si calcoli se è possibile l inversa della matrice A. 2 4 A = 1 2 7) a) Si calcoli l inversa della matrice: A = con un qualunque metodo. b) Sia L A l applicazione lineare associata ad A nella base canonica e sia T l applicazione lineare: Si calcoli T L A. T : R 3 R 3 (x,y,z) ( x+y z,z,x y) A Appendice: Definizione di determinante Sia A una matrice quadrata, cioè una matrice n n. Ad essa vogliamo associare un numero reale, detto il determinante di A, che calcoleremo a partire dagli elementi di A con semplici regole. Il determinante contiene molte informazioni sulla matrice A. Vedremo infatti che la matrice è invertibile se e solo se il suo determinante è diverso da zero. Definizione 1. Sia {1...n} l insieme dei primi n numeri naturali. Si definisce permutazione una funzione biettiva σ : {1...n} {1...n}. Spesso le permutazioni si indicano in questo modo: 1... n σ = σ(1)... σ(n) L insieme delle permutazioni si indica con S n. 15
16 Esempio Consideriamo la permutazione σ 1 = Questa permutazione scambia (oppure diciamo permuta ) gli elementi 1 e 2 e lascia inalterati 3 e 4. Si indica anche per semplicita σ 1 = (1,2). 2. Consideriamo la permutazione: σ 2 = Questa permutazione è la composizione delle permutazioni (1, 2) e (2, 3). Si indica anche con (1,2,3). Definiamo ora la parita di una permutazione σ. Consideriamo il numero di coppie (i,j) tali che i < j ma σ(i) > s(j). Se tale numero è pari diremo che la permutazione σ è pari, o che la sua parita p(σ) = 1, se tale numero è dispari diremo allora che la permutazione è dispari, cioe che la sua parita è p(σ) = 1. Nell esempio considerato sopra p(σ 1 ) = 1, p(σ 2 ) = 1. Una proprieta importante della parita è che p(σ 1 s 2 ) = p(s 1 )p(s 2 ). Definizione 2. Sia A = (a ij ) una matrice quadrata n n. Definiamo determinante di A il numero: det(a) = σ S n ( 1) p(σ) a 1,σ(1)...a n,σ(n) Esempio Sia A una matrice 2 per 2: a11 a A = 12 a 21 a 22 Il suo determinante e : det(a) = a 11 a 22 a 12 a Sia A una matrice 3 per 3: a 11 a 12 a 13 A = a 21 a 22 a 23 a 31 a 32 a 33 16
17 Il suo determinante e : det(a) = a 11 a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 a 13 a 22 a 31 a 12 a 21 a 33 a 11 a 23 a 32 come si può verificare direttamente dalla definizione. 17
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 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
DettagliLezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico
Trasformazioni elementari sulle matrici Data una matrice A K m,n definiamo su A le seguenti tre trasformazioni elementari: T : scambiare tra loro due righe (o due colonne) di A; T : sommare ad una riga
DettagliCorso di 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
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
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
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
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
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
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
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.+
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
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
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliDeterminanti. 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
DettagliAnno 4 Matrice inversa
Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere
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)
DettagliMatrici quadrate particolari
Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
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
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
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
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
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
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.
DettagliLeLing12: 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
DettagliIngegneria Gestionale - Corso di Analisi II e Algebra anno accademico 2008/2009
Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 28/29 Dire se le seguenti proposizioni sono vere o false: ESERCITAZIONE. Proposizione Vera Falsa f : R R 4 rk(f f : R 4 R rk(f f :
DettagliALGEBRA LINEARE PARTE II
DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI
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
DettagliAPPLICAZIONI 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
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
DettagliDeterminante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare
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
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
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,
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
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliESERCIZI 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
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
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,
DettagliLezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
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
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
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,
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliInversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
DettagliESERCIZI 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
Dettagli2 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
Dettaglia + 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,
DettagliMatematica II,
Matematica II,.05.04 Diamo qui la nozione di determinante di una matrice quadrata, le sue prime proprieta, e ne deriviamo una caratterizzazione delle matrici non singolari e una formula per l inversa di
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliLEZIONE 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
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
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
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente
DettagliMATRICI. 1. Esercizi
MATICI Esercizio Siano A = 0, B = Esercizi 2, C = 0 2 2 Calcolare: a2a B; b3a + 2B 4C; c 2A + B + 2C 2B; d3b + 2(2A C (A + B + 2C isolvere, se possibile: ( 3X + 2(A X + B + 2(C + 2X = 0; (2 4A + 2(B +
Dettagli08 - Matrici, Determinante e Rango
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.
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
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
Dettaglie così via per tutte le colonne. Una prima proprietà importante ci dice quello che accade quando si fanno delle permutazioni di colonne di A.
Capitolo 3 DETERMINANTE Il problema di stabilire se un insieme di vettori è linearmente indipendente (ad esempio se lo sono le colonne di una matrice quadrata, e quindi se la matrice è invertibile) non
DettagliInversa. Inversa. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una
DettagliOperazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3
Operazioni tra matrici Definizione di matrice a ij è un elemento di A a ij è detto l elemento ij-esimo di A Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia
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
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
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
DettagliMatrici. Prof. Walter Pugliese
Matrici Prof. Walter Pugliese Le matrici Una matrice è un insieme di numeri reali organizzati in righe e colonne. Se n è il numero delle righe e m e il numero delle colonne si dice che la matrice è di
DettagliRIDUZIONE E RANGO , C = 2 5 1
MATRICI E SISTEMI RIDUZIONE E RANGO Riduzione di matrici (definizioni, trasformazioni elementari). Calcolo del rango e dell inversa (metodo di Gauss, metodo di Gauss-Jordan). 3 4 Esercizio Ridurre per
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
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
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,
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliIl determinante. Area(P (v, w)) se si passa da v a w ruotando in senso orario.
Il determinante 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
DettagliEsercitazione 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
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliSISTEMI DI EQUAZIONI LINEARI
SISTEMI DI EQUAZIONI LINEARI Date le rette di equazioni ax + by + c = 0 e a x + b y + c = 0 quanti punti hanno in comune? Per rispondere devo risolvere il sistema ax + by + c = 0 ቊ a x + b y + c = 0 e
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/
DettagliTesti consigliati e contatti
Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi
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):
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
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
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
Dettagli1 Determinante di una matrice 1. 2 Calcolo della matrice inversa 7. 3 Calcolo del rango 8. 4 Soluzioni degli esercizi 12. n! = n.
1 DETERMINANTE DI UNA MATRICE 1 Determinante e rango Indice 1 Determinante di una matrice 1 2 Calcolo della matrice inversa 7 3 Calcolo del rango 8 4 Soluzioni degli esercizi 12 1 Determinante di una matrice
DettagliAutovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
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.............................
DettagliDETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 10 DICEMBRE 2010 1. Una formula per il determinante Iniziamo con il definire, per ogni n 0 e per ogni matrice A M n,n (K) un scalare
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliLezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe
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
DettagliESERCIZI PROPOSTI. Capitolo 5 MCD(15,5) = 15 5 =3. un unico sottogruppo di ordine d, cioè x 20/d = C d. , x 20/10 = x 2 = C 10. , x 20/4 = x 5 = C 4
ESERCIZI PROPOSTI Capitolo 5 511 Determinare il periodo dell elemento x 320 del gruppo ciclico C 15 = x x 15 =1 Indicare tutti i generatori del sottogruppo x 320 Soluzione Dividiamo 320 per 15 Si ha 320
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
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
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
DettagliForme bilineari simmetriche
Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3
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
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
Dettagli