Introduzione all algebra delle matrici. Appunti a cura di Lara Ercoli

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione all algebra delle matrici. Appunti a cura di Lara Ercoli"

Transcript

1 Introduzione all algebra delle matrici ppunti a cura di Lara Ercoli

2 Indice Definizioni 3. Matrici particolari Operazioni con le matrici 8 2. Somma di matrici Proprietà della somma di matrici Prodotto per uno scalare Proprietà del prodotto per scalare Prodotto di matrici Prodotto di una matrice riga per una matrice colonna Prodotto di matrici (righe per colonne) Proprietà del prodotto tra matrici Trasposta di una matrice Determinante di una matrice 5 3. Calcolo del determinante

3 Capitolo Definizioni Definizione... Chiamiamo matrice m n a coe di m n elementi disposti su m righe ed n colonne. cienti in K una tabella Definizione..2. Indichiamo l insieme delle matrici a m righe ed n colonne fatte di elementi in K con Mat m,n (K) (dove m, n ). La posizione di ogni elemento della matrice è indicata da due indici i e j e ogni elemento di una generica matrice si indica con a i,j dove i= indice di riga con apple i apple m e j= indice di colonna con apple j apple n Gli elementi a i,j appartengono al campo K esiscrive =(a i,j ) 2 Mat m,n (K). La generica matrice di m righe e n colonne è a, a,2... a,n a = 2, a 2,2... a 2,n 2 Mat m,n (K) B C a m, a m,2... a m,n Esempio... Sia = p è una matrice rettangolare con m =2righe e n =3colonne ad elementi in R. Scriviamo 2 Mat 2,3 (R). Gli elementi sono così identificati: a, =, a,2 = p 2, a,3 =3, a 2, = 2, 3

4 CPITOLO. DEFINIZIONI 4 a 2,2 = 5, a 2,3 =. Possiamo scrivere 2 Mat 2,3 (Q)? Perché? Esempio..2. Sia = 9. 9 è una matrice quadrata con m = n = 2 righe e colonne ad elementi in (R). Scriviamo 2 Mat 2 (R). Possiamo scrivere 2 Mat 2 (Q)? E 2 Mat 2 (Z)?. Matrici particolari Definizione... 2 Mat m,n (K) è u n a matrice quadrata se m = n, cioè se il numero delle righe è uguale al numero delle colonne, e scriviamo semplicemente 2 Mat n (K). Esempio... = B 5 4 7C 2 Mat 3(R) Definizione..2. Se 2 Mat n (K), gli elementi a i,i cioè quelli tali che i = j formano la diagonale principale: = B 5 4 7C Si chiama diagonale secondaria o antidiagonale quella fatta dagli elementi riquadrati: = B 5 4 7C Definizione Mat m,n (K) è u n a matrice nulla e si indica con O se a i,j = 8i, j cioè la matrice O è quella i cui elementi sono tutti nulli

5 CPITOLO. DEFINIZIONI 5 Esempio..2. O = 2 Mat 2,3 (R) Definizione Mat m,n (K) è u n a matrice diagonale D se a i,j = 8i 6= j (cioè se gli elementi al di fuori della diagonale sono tutti nulli) 4 3 Esempio..3. D = 2 Mat 4 (R) B C Osservazione... In una matrice diagonale non si impone che gli elementi a i,i sulla diagonale debbano essere non nulli, ma potrebbe essere a i,i =per qualche i. Definizione Mat m,n (K) è u n a matrice scalare se è diagonale e a i,i = a 8i =,...,n 4 Esempio..4. = B 4 C 2 Mat 3(R) 4 Definizione Mat m,n (K) è u n a matrice identica esiindicaconi se a i,i =e a i,j = 8i 6= j, cioè se è scalare con a =(tutti sulla diagonale principale e altrove). Esempio..5. La matrice quadrata identica di ordine n si indica con I n ed è I n = B Mat n (R). C... Definizione Mat n (K) (quadrata!) è triangolare superiore se a i,j = 8i >j cioè se tutti gli elementi al di sotto della diagonale principale sono nulli.

6 CPITOLO. DEFINIZIONI 6 a, a,2 a,3... a,n a 2,2 a 2,3... a 2,n = a 3,3... a 2,n B C a n,n Definizione Mat n (K) (quadrata!) è triangolare inferiore se a i,j = 8i <j cioè se tutti gli elementi al di sopra della diagonale principale sono nulli. 2 Esempio..6. = B 2 5 C 3 5 Definizione..9. Data 2 Mat m,n (K), sidicetrasposta di la matrice t (oppure t ) ottenuta da scambiando le righe con le colonne. Esempio..7. Se = 2 3 allora t = B2 C Osservazione..2. Se 2 Mat m,n (K), allora t 2 Mat n,m (K). Osservazione..3. ( t ) t =. Definizione... Si dice che 2 Mat n (K) è simmetrica se = t (cioé a i,j = a j,i 8i, j). Osservazione..4. Condizione necessaria a nché sia simmetrica è che sia quadrata (cioé m= n. Evidente per l Oss...2). Definizione... Sia 2 Mat m,n (K) se m = è u n a matrice riga se n = è u n a matrice colonna Esempio..8. Matrice riga: = 3 5

7 CPITOLO. DEFINIZIONI 7 Matrice colonna: = B 2 C

8 Capitolo 2 Operazioni con le matrici 2. Somma di matrici Possiamo sommare due matrici, B 2 Mat m,n (K) (di uguale dimensione!) eseguendo la somma componente per componente. La matrice + B risultante avrà come componenti a i,j + b i,j con i =,...,m e j =,...,n. + B è d u n q u e d e l l a stessa dimensione di e B. La definizione di somma si estende per un qualsiasi numero n finito di matrici. Esempio Date le matrici = B3 9 C, B = B C, C = B 5 la loro somma è: 9 9 C 2 Mat 3,2(Z), B + C = B3 9 C + B C + B 9 C = = B C = B 6 9 C 2 Mat 3,2(Z)

9 CPITOLO 2. OPERZIONI CON LE MTRICI Proprietà della somma di matrici Se, B, C 2 Mat m,n (K), allora valgono per la somma tra matrici come definita sopra le seguenti proprietà che rendono (Mat m,n (K), +) un gruppo abeliano:. associativa: ( + B)+C = +(B + C); 2. commutativa: + B = B + ; 3. esistenza dell elemento neutro O tale che + O = ; 4. esistenza dell elemento opposto := ( a i,j ) tale che + = O. Vale inoltre questa proprietà per la trasposizione: la trasposta della somma è la somma delle trasposte cioè ( + B) t = t + B t. 2.2 Prodotto per uno scalare Dati 2 Mat m,n (K) ek 2 K (lo scalare appartiene allo stesso K degli elementi di cui è composta!), si dice prodotto di k per la matrice C = k 2 Mat m,n (K) i cui elementi sono c i,j := k a i,j 8i, jcon i =,...,m e j =,...,n. Esempio Data la matrice = B 6 9C 2 Mat 3(R) e k =3,lamatriceC = k è C = k =3 B 6 9C = B3 3 ( 6) 3 9C = ( 5) = B 8 27C 2 Mat 3(R)

10 CPITOLO 2. OPERZIONI CON LE MTRICI 2.2. Proprietà del prodotto per scalare Se, B 2 Mat m,n (K) eh, k 2 K allora valgono le seguenti proprietà:. k = k; 2. h (k) =hk ; 3. k ( + B) =k + kb; 4. (k + h) = k + h;. 5. (k) t = k t. Esercizio Si verifichino le proprietà appena enunciate tramite questi esempi: = = = (2 4) 2 = 2 2 = t = Prodotto di matrici 2.3. Prodotto di una matrice riga per una matrice colonna Il prodotto vettore riga - vettore colonna (su vettori con lo stesso numero di elementi!) con elementi in K è così definito: t

11 CPITOLO 2. OPERZIONI CON LE MTRICI b b a a 2... a 2 n := a b + a 2 b a n b n 2 K B. C Prodotto di matrici (righe per colonne) b n Date la matrice 2 Mat m,p (K) e la matrice B 2 Mat p,n (K), si dice prodotto righe per colonne di per B la matrice C = B 2 Mat m,n (K) icuielementi c i,j si trovano sommando i prodotti termine a termine della i esima riga di per la j esima colonna di B, o più semplicemente svolgendo il prodotto della i esima riga di per la j esima colonna di B, cioé: b,j b a i, a i,2... a 2,j i,p B. C b p,j := a i, b,j + a i,2 b 2,j a i,p b p,j = P p k= a i,k b k,j Osservazione Si può eseguire il prodotto tra matrici B solo se il numero di colonne di è uguale al numero di righe di B. Esempio Siano, B 2 Mat 2 (R) con = 2 e B = 4. 2 Calcoliamo C = B 2 Mat 2 (R). c, = 2 4 =4 2=2 c,2 = 2 = += c 2, = 2 4 = 2= 2 c 2,2 = 2 = Dunque C = c, c,2 = 2 c 2, c 2,2 2

12 CPITOLO 2. OPERZIONI CON LE MTRICI 2 Come mostra l esempio la matrice risultante C avrà nella posizione c, il prodotto della prima riga di con la prima colonna di B, nella posizione c,2 il prodotto della prima riga di con la seconda colonna di B e così via. In generale nella posizione c i,j il prodotto della i esima riga di con la j esima colonna di B con i, j =,...,n. Esempio Siano = Mat 2,3 (R) e B = B 2 3 C Mat 3,2 (R). llora: B = B 2 3 C 3 = ( = 2) ( ) = 5+ ( 2) ( ) = Mat 2 (R). 6 3 Esempio Siano = Mat 2,3 (R) e B = B3 5 C 2 4 Mat 3,2 (R). Calcoliamo C = B = Mat 2,3 (R) B3 5 C 4 = ( 4) = Mat 2 (R). +( ) 3+ +( ) 5+ ( 4) 3 5 Osservazione Si può calcolare anche B? Sì, ma si nota immediatamente che Mat 3,2 (R) Mat 2,3 (R) =Mat 3 (R), dunque dev essere B 6= B e il prodotto tra matrici non è commutativo.

13 CPITOLO 2. OPERZIONI CON LE MTRICI 3 Esercizio Si provi a svolgere il prodotto B con le matrici e B dell esempio e si verifichi che B 6= B. 2 (Soluzione B = B C Osservazione B = O ; = O oppure B = O. Proviamo questa a ermazione semplicemente con un esempio: B = = = Proprietà del prodotto tra matrici. ssociativa (BC) =(B)C; 2. Esistenza dell elemento neutro I tale che I =. Se 2 Mat n K si ha I n = I n = ; 3. ( B) t = B t t ; 4. distributiva a destra e sinistra rispetto alla somma: ( + B) C = C + BC e (B + C) =B + C Osservazione Come già osservato il prodotto tra matrici non gode della proprietà commutativa. 2.4 Trasposta di una matrice La trasposta di una matrice 2 Mat m,n (K) è ottenuta scambiando l elemento a i,j con l elemento a j,i 8i, j (scambiare indice di riga e indice di colonna, scambiare righe e colonne). La matrice trasposta di si indica con T 2 Mat n,m (K). Proposizione Per le matrici trasposte valgono le seguenti proprietà : ) ( + B) T = T + B T ;

14 CPITOLO 2. OPERZIONI CON LE MTRICI 4 2) (B) T = B T T ; 2 ) se k scalare (kb) T = k T ; 3) ( T ) T =. Proposizione Se per 2 Mat m,n (K) si ha = T,allora è simmetrica. Proposizione Se 2 Mat n (K) è triangolare superiore (inferiore), allora T è triangolare inferiore (superiore). Definizione Mat n (K) si dice antisimmetrica (o emisimmetrica) se T =.

15 Capitolo 3 Determinante di una matrice Osserviamo immediatamente che le matrici rettangolari non hanno determinante. Questa operazione è possibile unicamente per matrici quadrate. Se 2 Mat n (K), indichiamo il suo determinante con oppure con det(). determinante di una matrice è uno scalare k 2 K. Il 3. Calcolo del determinante Se 2 Mat (K) cioè è un singoletto, il suo determinante è il valore del suo unico elemento. Se per esempio = (2) allora = 2; Se 2 Mat 2 (K) il suo determinate è dato dalla di erenza tra il prodotto degli elementi sulla diagonale principale e il prodotto di quelli sulla diagonale secondaria. In simboli se = a c b, allora = ad cb; d Se 2 Mat 3 (K) possiamo calcolarne il determinante con la regola di Sarrus: accostiamo a destra della matrice la prima e la seconda colonna (oppure sotto la matrice la prima e la seconda riga); 5

16 CPITOLO 3. DETERMINNTE DI UN MTRICE 6 sommiamo il prodotto degli elementi della diagonale principale con i prodotti degli elementi delle sue due sovradiagonali; dalla precedente somma sottraiamo il prodotto degli elementi della diagonale secondaria e i prodotti degli elementi delle sue due sottodiagonali. Esempio 3... Sia = B 2 3 4C, allora: = = 2 = ( 2) + 3 ( ( ) + 2 2) = = = 8; Se 2 Mat n (K) pern 2 è diagonale, triangolare inferiore o triangolare superiore, il calcolo del suo determinante si riduce all eseguire il prodotto degli elementi sulla sua diagonale principale. se 2 Mat n (K) pern 2 possiamo calcolare il determinante. secondo il teorema di Laplace rispetto ad una qualunque riga oppure colonna della matrice, in questo modo: rispetto alla i-esima riga della matrice: = P j ( )i+j a i,j i,j dove con i,j intendiamo la matrice a cui abbiamo tolto la i-esima riga e la j-esima colonna. rispetto alla j-esima colonna della matrice: = P i ( )i+j a i,j i,j dove con i,j intendiamo la matrice a cui abbiamo tolto la i-esima riga e la j-esima colonna.

17 CPITOLO 3. DETERMINNTE DI UN MTRICE 7 Osserviamo che ( ) i+j indica il fatto che se la somma dell indice di riga e colonna è dispari, cambiamo il segno nella somma, altrimenti lo manteniamo. Esempio Con un esempio vediamo operativamente come trovare il determinante di una matrice quadrata di ordine n 2 seguendo la regola di Laplace. (Il che è molto più facile di quanto sembra). Prendiamo 2 3 la matrice = B 4C dell esempio precedente, così vedremo che 2 2 il risultato sarà lo stesso usando un metodo diverso. Calcoliamo il determinante rispetto alla prima colonna (o rispetto alla seconda riga, perchè nella posizione a 2, compare uno zero, ed i conti si semplificano, dacchè un prodotto si annullerà). Notiamo comunque che una qualsiasi altra riga o colonna va bene (provare per credere!). Si ha: =( ) + ( ) 4 2 +( ) ( ) 3+ ( 2) =2++( ) = 8. Definizione 3... Lo scalare ( algebrico dell elemento a i,j. ) i+j i,j si chiama complemento 2. secondo il metodo di Gauss-Jordan che consiste nel trasformare una matrice 2 Mat n (K) in una matrice triangolare superiore, applicando alle righe (o colonne) le seguenti operazioni: (a) scambiare tra loro due righe (colonne); (b) moltiplicare tutti gli elementi di una riga (colonna) per uno stesso scalare non nullo;

18 CPITOLO 3. DETERMINNTE DI UN MTRICE 8 (c) sommare ad una riga (colonna) un multiplo scalare di un altra; con le segueni avvertenze: (a ) ogni operazione di tipo (a) ha come e etto un cambiamento di segno nel determinante; (b ) per ogni operazione di tipo (b) il determinante risulta moltiplicato per lo scalare; (c ) ogni operazione di tipo (c) non modifica il determinante. Proposizione 3... Valgono per il determinante le seguenti proprietà: = T ; Se ha una riga o colonna nulla, allora =; Se ha due righe o colonne uguali, allora =; Se ha due righe o colonne linearmente dipendenti, allora =; (Teorema di Binet) Se, B 2 Mat n (K) si ha: B = B.

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

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti

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

Matrici quadrate particolari

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

Dettagli

( ) 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

Esercitazioni di Algebra e Geometria

Esercitazioni 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

Dettagli

Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)

Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Esempi Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Osservazioni per le matrici quadrate a) Data A M n (K) è possibile definire ricorsivamente

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

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

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

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

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico

Lezione 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

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

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

una matrice quadrata si dice singolare se il suo determinante è nullo, altrimenti la matrice è non singolare;

una matrice quadrata si dice singolare se il suo determinante è nullo, altrimenti la matrice è non singolare; Capitolo 5 Rango di una matrice Ricordiamo che: una matrice quadrata si dice singolare se il suo determinante è nullo, altrimenti la matrice è non singolare; un minore di ordine p di 2 Mat m,n (K) è una

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 VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI

MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è

Dettagli

08 - Matrici, Determinante e Rango

08 - Matrici, Determinante e Rango Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.

Dettagli

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

Richiami di algebra delle matrici a valori reali

Richiami di algebra delle matrici a valori reali Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o

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

LEZIONE 1 C =

LEZIONE 1 C = LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi

Dettagli

Testi consigliati e contatti

Testi 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

Dettagli

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici Matrici R. Notari 1 1. Proprietà della somma di matrici 1. (A + B) + C = A + (B + C) qualunque siano le matrici A, B, C Mat(m, n; K). 2. A + B = B + A qualunque siano le matrici A, B Mat(m, n; K). 3. Sia

Dettagli

LeLing9: Prodotto tra matrici.

LeLing9: 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

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

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

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

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

Lezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008 versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe

Dettagli

Appunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena. Marco Alessandrini

Appunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena. Marco Alessandrini Appunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena Marco Alessandrini Ottobre 2006 Indice 1 Informazioni del corso 3 1.1 Programma............................ 3 1.2 Docenti..............................

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

Decomposizione LU di una matrice quadrata

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

Dettagli

TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI

TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of

Dettagli

MATRICI Vol.1. Pag. 1/24

MATRICI Vol.1. Pag. 1/24 MATRICI Vol.1 Sommario ALGEBRA DELLE MATRICI... 3 Matrici nulla, diagonale e unità... 3 Matrice simmetrica e matrice trasposta... 3 Combinazioni lineari e differenza tra matrici. Matrice emisimmetrica...

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

Esercitazioni di Algebra e Geometria

Esercitazioni di Algebra e Geometria Esercitazioni di Algebra e Geometria Anno Accademico 2010 2011 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.30

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

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

08 - Matrici, Determinante e Rango

08 - Matrici, Determinante e Rango Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.

Dettagli

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x 4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto

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

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

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

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

ottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto

ottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto MATRICI Si chiama matrice di m righe ed n colonne una tabella costituita da m n numeri (detti elementi), disposti in m righe orizzontali ed in n colonne verticali, racchiusi tra due parentesi tonde. (1)

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

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

ESERCITAZIONE CON EXCEL SULLE MATRICI

ESERCITAZIONE CON EXCEL SULLE MATRICI ESERCITAZIONE CON EXCEL SULLE MATRICI PROBLEMA 1 commutativa. 2 1 0 e 1 2 4 B = 3 1 2, verificare che la loro somma è Per poter risolvere il problema proposto, è necessario predisporre le matrici sul foglio

Dettagli

ALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini (

ALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini ( ALGEBRA LINEARE [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI PROFESSORE: Antonio Pasini ( http://www3.diism.unisi.it/people/person.php?id=3 ) LINK AL CORSO ANNO 2013/2014: http://www3.diism.unisi.it/fac/index.php?bodyinc=didattica/inc.insegnamento.php&id=54635&aa=2013

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

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

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R. 1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,

Dettagli

Matematica II,

Matematica 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

Dettagli

Applicazioni eliminazione di Gauss

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

Dettagli

Le matrici. A cura di Benedetta Noris, 17 aprile Cos è una matrice. 2 Rappresentazione di una matrice generica 2

Le matrici. A cura di Benedetta Noris, 17 aprile Cos è una matrice. 2 Rappresentazione di una matrice generica 2 Le matrici A cura di Benedetta Noris, 17 aprile 2012 benedetta.noris1@unimib.it Indice 1 Cos è una matrice 1 2 Rappresentazione di una matrice generica 2 3 Somma di matrici e prodotto di una matrice per

Dettagli

AL220 - Gruppi, Anelli e Campi

AL220 - Gruppi, Anelli e Campi AL220 - Gruppi, Anelli e Campi Prof. Stefania Gabelli - a.a. 2013-2014 Settimana 1 - Traccia delle Lezioni Funzioni tra insiemi Ricordiamo che una funzione o applicazione di insiemi f : A B è una corrispondenza

Dettagli

1 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. 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

Dettagli

Inversa. Inversa. Elisabetta Colombo

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

Dettagli

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

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

Dettagli

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

Note per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni

Note per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie

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

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

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

Appunti su matrici e autovalori

Appunti su matrici e autovalori Appunti su matrici e autovalori Scienze Naturali 004-05 1 Le matrici Chiamiamo matrici delle tabelle finite di elementi di un insieme N (in genere, ma non sempre, un insieme di numeri posti su righe e

Dettagli

Parte 8. Prodotto scalare, teorema spettrale

Parte 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,

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

Definizioni e operazioni fondamentali

Definizioni e operazioni fondamentali MATRICI Definizioni e operazioni fondamentali Autovalori e autovettori Potenza Esponenziale Limiti, derivate e integrali Illustrazioni dal Testo di Riferimento per gentile concessione degli Autori 1 DEFINIZIONI

Dettagli

GEOMETRIA I (Prof. M. Biliotti)

GEOMETRIA I (Prof. M. Biliotti) GEOMETRIA I (Prof. M. Biliotti) Appunti del corso a cura della dott.ssa E. Francot Indice 1 Matrici, determinanti e sistemi lineari. 3 1.1 Premesse............................... 3 1.2 Matrici.................................

Dettagli

RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn

RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella

Dettagli

Anelli, corpi e campi

Anelli, corpi e campi Capitolo 4 Anelli, corpi e campi 41 Anelli Esempio 580 Consideriamo l insieme Z Sappiamo che in Z sono definite due operazioni binarie: l operazione di addizione + e l operazione di moltiplicazione Tali

Dettagli

Prodotto scalare e prodotto vettoriale. Elisabetta Colombo

Prodotto scalare e prodotto vettoriale. Elisabetta Colombo Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a

Dettagli

Geometria BIAR Esercizi 2

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

Dettagli

Sistemi lineari. 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

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

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

Parte 1. Sistemi lineari, algoritmo di Gauss, matrici

Parte 1. Sistemi lineari, algoritmo di Gauss, matrici Parte 1. Sistemi lineari, algoritmo di Gauss, matrici A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Brevi richiami sugli insiemi, 1 Insiemi numerici, 3 3 L insieme R n, 4 4 Equazioni

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

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

X Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R

X Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R X Settimana 1 Elementi basilari della teoria degli anelli (I parte) Un anello (R, +, ) è un insieme non vuoto R dotato di due operazioni (binarie), denotate per semplicità con i simboli + e + : R R R,

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

0.1. MATRICI SIMILI 1

0.1. MATRICI SIMILI 1 0.1. MATRICI SIMILI 1 0.1 Matrici simili Definizione 0.1.1. Due matrici A, B di ordine n si dicono simili se esiste una matrice invertibile P con la proprietà che P 1 AP = B. Con questa terminologia dunque

Dettagli

Richiami di algebra delle matrici

Richiami di algebra delle matrici Richiami di algebra delle matrici (S. Terzi) 1. SPAZI VETTORIALI I. ALCUNE DEFINIZIONI 1) Definizione di spazio vettoriale Sia S un insieme di vettori di ordine n. S è detto spazio lineare se e' un insieme

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

MATRICI. 1. Esercizi

MATRICI. 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 +

Dettagli

M. TROVATO. algebra lineare. elementi di goniometria e trigonometria

M. TROVATO. algebra lineare. elementi di goniometria e trigonometria M. TROVATO C algebra lineare 4 elementi di goniometria e trigonometria UNITÀ VETTORI Contenuti vettori e confronto fra vettori operazioni sui vettori combinazione lineare di vettori dipendenza lineare

Dettagli

x 1 Fig.1 Il punto P = P =

x 1 Fig.1 Il punto P = P = Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi

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

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

Spazi vettoriali euclidei.

Spazi vettoriali euclidei. Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti

Dettagli

Esercitazione di Matematica su matrici e sistemi lineari

Esercitazione di Matematica su matrici e sistemi lineari Esercitazione di Matematica su matrici e sistemi lineari Notazioni: deta, A T =trasposta di A, A 1 =inversa di A. 1. Si considerino le matrici A, B, C, D denite da 1 0 5 1 A = 0, B = 0 0, C = 0 1 0 6 1

Dettagli

Parte 5. Sottospazi. A. Savo Appunti del Corso di Geometria

Parte 5. Sottospazi. A. Savo Appunti del Corso di Geometria Parte 5. Sottospazi A. Savo Appunti del Corso di Geometria 03-4 Indice delle sezioni Sottospazi di R n, Equazioni di un sottospazio di R n, 3 3 Sottospazio intersezione, 6 4 Sottospazio somma, 8 5 Formula

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

MATRICI. a k b k. k=1

MATRICI. a k b k. k=1 MATRICI Siano m, n N e sia R un anello con 1 Si definisce matrice di tipo m n a coefficienti in R una tabella costituita da m righe e n colonne di elementi di R (che si dicono appunto coefficienti o anche

Dettagli

CAPITOLO II MATRICI E DETERMINANTI

CAPITOLO II MATRICI E DETERMINANTI CAPITOLO II MATRICI E DETERMINANTI PARTE STORICA Il concetto di matrice (dal latino matrix o mater) fu introdotto da James Joseph Silvester (84-9) in An essay on canonical forms (Londra, 85) per indicare

Dettagli

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

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

Dettagli

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio Riportiamo di seguito gli errata corrige principali, aggiornati alla data

Dettagli

4 0 = 4 2 = 4 4 = 4 6 = 0.

4 0 = 4 2 = 4 4 = 4 6 = 0. Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi 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

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

Elementi di Algebra Lineare Spazi Vettoriali Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali

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