ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI, A.A. 2013/2014, GEMMA PARMEGGIANI
|
|
- Luciana Ruggiero
- 5 anni fa
- Visualizzazioni
Transcript
1 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Università degli Studi di Padova Dipartimento di Matematica via Trieste, Padova Programma del corso. Nota : Matrici elementari ed operazioni elementari sulle righe di una matrice. Nota : Osservazioni sul rango di una matrice. Nota 3: Basi dello spazio delle colonne di una matrice: applicazioni. Nota 4: Calcolo di determinanti. Esercizi Tipo. Testi degli esercizi per casa. Svolgimenti degli esercizi per casa. Typeset by AMS-TEX
2 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI PROGRAMMA SVOLTO Il testo di riferimento è: Algebra Lineare, E. Gregorio, S. Salce, ed. Libreria Progetto Padova Programma svolto nella prima settimana: //3 Presentazione del corso. Insiemi. Esempi. Notazioni. Intersezione ed unione di insiemi. La forma algebrica ed il coniugato di un numero complesso. //3 Il modulo di un numero complesso. Proprietà del modulo e del coniugato di un numero complesso. La forma algebrica dell inverso di un numero complesso non nullo. Enunciato del Teorema fondamentale dell Algebra. Matrici. Esempi. Tipi particolari di matrici. Dal libro: Appendice A: da pag. 67 a pag. 7. pag. 73, da pag. a pag. 4. Esercizi per casa: Esercizi,, 3 e 4 degli Esercizi. Programma svolto nella seconda settimana: 7//3 Altri tipi particolari di matrici. Prodotto di una matrice per uno scalare. Somma di due matrici. Prodotto di un vettore riga per un vettore colonna. Prodotto righe per colonne di matrici. Esempi. Proprietà del prodotto per uno scalare, della somma di matrici, del prodotto righe per colonne. Potenze di matrici quadrate. Dal libro: Da pag. 3 a pag. 7, pag. 9. Esercizi per casa: Esercizio 5 degli Esercizi. 8//3 Il prodotto righe per colonne non è commutativo. Premoltiplicazione e postmoltiplicazione per matrici diagonali. Le matrici n n che commutano con ogni matrice n n sono esattamente le matrici scalari di ordine n. Trasposta, coniugata ed H-trasposta di una matrice. Dal libro: Da pag. a pag. 3. Esercizi per casa: Esercizi 6, 7, 8, 9 e degli Esercizi 9//3 Matrici simmetriche, anti-simmetriche, hermitiane, anti-hermitiane e loro proprietà. Ogni matrice quadrata si scrive in modo unico come somma di una matrice hermitiana ed una matrice anti-hermitiana parte hermitiana ed anti-hermitiana di una matrice quadrata. Sottomatrici. Matrici a blocchi. Dal libro: Da pag. 4 a pag. 8. Esercizi per casa: Esercizi,, 3 e 4 degli Esercizi. Programma svolto nella terza settimana:
3 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 3 4//3 Operazioni a blocchi. Casi particolari di decomposizioni a blocchi. Esercizio Tipo. Dal libro: Da pag. 9 a pag.. bf esercizi per casa: esercizi 5, 6 e 7 degli Esercizi. 5//3 Scrittura matriciale di un sistema lineare. Operazioni elementari sulle equazioni di un sistema. Matrici elementari ed operazioni elementari sulle righe di una matrice. Dal libro: Da pag. a pag. 4. Pag. 8. Pag. 46 e pag. 47. Nota file sulla pag. web. Esercizi per casa: Esercizi, e 3 degli Esercizi 3. 6//3 Eliminazione di GaussEG. Forma ridotta di Gauss di una matrice, colonne dominanti, colonne libere. Esempi. Risoluzione di sistemi lineari. Esercizio Tipo. Dal libro: Da pag. 5 a pag. 3. Esercizi per casa: Esercizi 4 e 6 degli Esercizi 3. Programma svolto nella quarta settimana: //3 Esercizio Tipo 3. Rango di una matrice. Inverse destre, sinistre, bilatere. Esempi. Criteri per l esistenza di una inversa destra e per l esistenza di un inversa sinistra. Dal libro: Da pag. 3 a pag. 35. Nota file sulla pag. web. Esercizi per casa: Esercizi 5 e 7 degli Esercizi 3. //3 Costruzione di inverse destre e di inverse sinistre. Esercizio Tipo 4 e 4 bis. Algoritmo di Gauss-Jordan per il calcolo dell inversa. Dal libro: Da pag. 4 a pag. 46. Esercizi per casa: Esercizi 8 e 9 degli Esercizi 3. 3//3 Esercizio Tipo 5. Inverse di matrici. Inverse e trasposte delle matrici elementari. Decomposizioni a rango pieno. Dal libro: Da pag. 47 a pag. 5. Esercizi per casa: Esercizi,, 3, 4, 5, 6 e 7 degli Esercizi 4. Programma svolto nella quinta settimana: 8//3 Decomposizione LU. Esercizio Tipo 6. Dal libro: Da pag. 49 a pag. 5. Esercizi per casa: Esercizio 8 degli Esercizi 4.
4 4 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 9// Decomposizione P T LU. Esercizio Tipo 7. Dal libro: Da pag. 5 a pag. 57. Esercizi per casa: Esercizio degli Esercizi 5. 3// Spazi vettoriali. Esempi. Sottospazi di spazi vettoriali. Esempi. Dal libro: Da pag. 63 a pag. 7. Esercizi per casa: Esercizi, 3,4, 5 e 6 degli Esercizi 5. Programma svolto nella sesta settimana: 4//3 Lo spazio nullo di una matrice. Insiemi di vettori. Sottoinsiemi ed unioni di insiemi di vettori. Combinazioni lineari. Sottospazi generati da insiemi di vettori. Insiemi di generatori. Esempi. Esercizio Tipo 8. Dal libro: Da pag. 7 a pag. 74. Esercizi per casa: Esercizi 7, 8 e 9 degli Esercizi 5. 5//3 Insiemi di vettori linearmente dipendenti ed insiemi di vettori linearmente indipendenti. Esercizio Tipo 9. Basi. Esempi di basi. Dal libro: Da pag. 75 a pag. 8. Esercizi per casa: Esercizi,, 3 e 4 degli Esercizi 6. 6//3 Caratterizzazione delle basi come insiemi di generatori minimali. Ogni spazio vettoriale finitamente generato ha una base. Come estrarre una base da un insieme di generatori. Esercizio Tipo. Teorema di Steinitz. Equipotenza delle basi di uno spazio vettoriale finitamente generato. Dimensione di uno spazio vettoriale. Dal libro: Da pag. 8 a pag. 87. Esercizi per casa: Esercizio 5 degli Esercizi 6. Programma svolto nella settima settimana: //3 Definizione di somma e di somma diretta di sottospazi. Applicazioni lineari. Esempi. Applicazione lineare indotta da una matrice. Spazio nullo e spazio immagine di un applicazione lineare. Teorema nullità+rango. I 4 sottospazi fondamentali di una matrice. Dal libro: Da pag. 88 a pag. 94. Esercizi per casa: Esercizi 6, 7 e 8 degli Esercizi 6. //3 Spazio nullo e spazio immagine dell applicazione lineare indotta da una matrice. Come trovare una base dello spazio nullo di una matrice. Esercizio Tipo. Basi dello spazio delle colonne e dello spazio delle righe di una matrice. Esercizio Tipo.
5 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 5 Dal libro: Da pag. 95 a pag 4. Esercizi per casa: Esercizi e degli Esercizi 7. 3//3 Basi dello spazio delle colonne e dello spazio delle righe di una matrice: applicazioni. Enunciato del Teorema 5.. Basi ordinate. Coordinate di un vettore rispetto ad una base ordinata. Esempi. Applicazione delle coordinate. Dal libro: Nota 3 file sulla pag. web. Da pag. a pag.. Esercizi per casa: Esercizi 3 e 4 degli Esercizi 7. Programma svolto nella ottava settimana: 8//3 Matrice associata ad un applicazione lineare rispetto a fissate basi ordinate su dominio e codominio. Esercizio Tipo 3. Matrice di passaggio da una base ordinata ad un altra. Esercizio Tipo 4. Come cambia la matrice associata ad un applicazione lineare rispetto a fissate basi ordinate su dominio e codominio cambiando le basi. Esercizio Tipo 5. Dal libro: Da pag. 5 a pag. 9. Da pag. a pag. 3. Esercizi per casa: Esercizi 5, 6 e 7 degli Esercizi 7. 9//3 Interpretazione geometrica di R ed R 3. Regola del parallelogramma. Definizione di norma. Esercizio Tipo 6. Le norme. e.. Dal libro: Appendice C: da pag. 85 a pag. 9. Da pag. 9 a pag.. Esercizi per casa: Esercizio 3 degli Esercizi 8. //3 La norma.. Il coseno dell angolo tra due vettori di R. Prodotti interni. Il prodotto interno standard. Esercizio Tipo 7. La norma indotta da un prodotto interno. Il coseno dell angolo tra due vettori in uno spazio vettoriale euclideo. Dal libro: Da pag a pag. 3. Esercizi per casa: Esercizi,, 4, 5, 6 e 7 degli Esercizi 8. Programma svolto nella nona settimana: 5//3 Vettori ortogonali in uno spazio euclideo. Insiemi ortogonali e basi ortogonali. Basi ortonormali. L algoritmo di Gram-Schmidt. Esercizio Tipo 8. Dal libro: Da pag. 3 a pag. 33. Pag 4. Da pag. 44 a pag. 5. Esercizi per casa: Esercizi 8, 9 e degli Esercizi 8. 6//3 Il complemento ortogonale di un sottospazio di uno spazio euclideo. La proiezione ortogonale
6 6 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI di un vettore di uno spazio euclideo su di un sottospazio, ed il suo calcolo. Esercizio Tipo 9. Dal libro: Da pag. 33 a pag. 4. Pag. 43. Esercizi per casa: Esercizi,, 3 e 4 degli Esercizi 9. 7//3 Decomposizione Q R -non-normalizzata di una matrice. Decomposizione QR-normalizzata di una matrice. Esercizio Tipo. Il determinante di una matrice. Dal libro: Da pag. 54 a pag. 57. Pag. 5. Esercizi per casa: Esercizi 5 e 6 degli Esercizi 9. Programma svolto nella decima settimana: 8// Calcolo del determinante di una matrice. Proprietà del determinante. Esercizio Tipo. Dal libro: Nota 4 file sulla pag. web. Esercizi per casa: Esercizi 7, 8 e 9 degli Esercizi 9.
7 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 7 NOTE Nota : Matrici elementari ed operazioni elementari sulle righe di una matrice Sia A una matrice m n. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni: sommare ad una riga un altra riga di A moltiplicata per uno scalare, moltiplicare una riga di A per uno scalare non nullo, 3 scambiare due righe di A. Studiando i prodotti a blocchi abbiamo visto: la i-esima riga di A è uguale a e T i A; se C T s T s. s t T si può premoltiplicare ad A, allora CA s T A s T A.. s T t A Sia B la matrice che si ottiene da A sommando alla i-esima riga di A la j-esima riga di A moltiplicata per lo scalare c, ossia sia B [b kr ] la matrice con tutte le righe diverse dalla i-esima uguali alle corrispondenti righe di A [a kr ], e con i-esima riga il vettore riga Allora da e segue che b i b i... b in a i +ca j a i +ca j... a in +ca jn. B E ij ca dove E ij c è la matrice che ha tutte le righe uguali a quelle della matrice I m, tranne eventualmente la i-esima, che è e i T +ce j T ed è uguale alla i-esima riga di I m solo se c. Dunque E ij c si ottiene da I m sommando alla i-esima riga di I m la j-esima riga di I m moltiplicata per lo scalare c. Per indicare che B è la matrice ottenuta dalla matrice A eseguendo l operazione elementare sommare alla i-esima riga la j-esima riga moltiplicata per lo scalare c, scriviamo: A Eijc B. Sia B la matrice che si ottiene da A moltiplicando la i-esima riga di A per lo scalare c c, ossia sia B [b kr ] la matrice con tutte le righe diverse dalla i-esima uguali alle corrispondenti righe di A [a kr ], ed con i-esima riga il vettore riga Allora da e segue che b i b i... b in ca i ca i... ca in. B E i ca dove E i c è la matrice che ha tutte le righe uguali a quelle della matrice I m, tranne eventualmente la i-esima, che è ce i T ed è uguale alla i-esima riga di I m solo se c. Dunque E i c si ottiene da I m moltiplicando la i-esima riga di I m per lo scalare per lo scalare c c.
8 8 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Per indicare che B è la matrice ottenuta dalla matrice A eseguendo l operazione elementare moltiplicare la i-esima riga per lo scalare non nullo c, scriviamo: A Eic B. 3 Sia B la matrice che si ottiene da A scambiando la i-esima riga di A con la j-esima, ossia sia B [b kr ] la matrice con tutte le righe diverse dalla i-esima e dalla j-esima uguali alle corrispondenti righe di A, e con i-esima e j-esima riga rispettivamente: Allora da e segue che b i b i... b in a j a j... a jn, b j b j... b jn a i a i... a in. B E ij A dove E ij è la matrice che si ottiene da I m scambiando la i-esima riga di I m con la j-esima. Per indicare che B è la matrice ottenuta dalla matrice A eseguendo l operazione elementare scambiare la i-esima riga con la j-esima riga, scriviamo: A Eij B. N.B. Le matrici E ij c,e i c e E ij si chiamano matrici elementari, sono il risultato delle operazioni elementari sulle righe di una matrice identica, e la loro premoltiplicazione per una matrice A produce le operazioni elementari sulle righe di A.
9 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 9 Nota : Osservazioni sul rango di una matrice Sia A una matrice m n. Se U ed U sono due forme ridotte di Gauss per A, allora il numero delle righe non nulle di U è uguale al numero delle righe non nulle di U. Ció dipende dal fatto che l esistenza di diverse forme ridotte di Gauss per una matrice dipende esclusivamente dalla eventuale possibilità di fare delle scelte negli scambi di righe in una EG su A, e gli scambi di righe non decrescono il numero delle righe non nulle. Il numero delle righe non nulle di una forma ridotta di Gauss di A dipende quindi esclusivamente da A e non dalle operazioni elementari che si fanno in una EG su A e si chiama il rango di A piú avanti nel corso daremo un altra definizione di rango di una matrice, equivalente a questa. Si indica con il simbolo rka. Siano A una matrice m n di rango k ed U una forma ridotta di Gauss per A. Poichè ogni scalino di U è alto una riga, allora k numero delle righe non nulle di U numero delle colonne dominanti di U. 3 Se A una matrice m n di rango k allora k m e k n. Infatti se U è ua forma ridotta di Gauss per A allora U è m n e k numero delle righe non nulle di U numero delle righe di U m k numero delle colonne dominanti di U numero delle colonne di U n
10 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Nota 3: Basi dello spazio delle colonne di una matrice: applicazioni. Siano v ;v ;...;v n K m, con K {R,C}, S {v ;v ;...;v n } e W S il sottospazio di K m generato da S. Per trovare una base B di W contenuta in S, piuttosto che procedere come nell Esercizio Tipo, conviene: costruire la matrice m n A v v... v n, ossia costruire una matrice le cui colonne siano gli elementi di S; fare una EG su A, trovando una forma ridotta di Gauss U per A; 3 se u i,u i,...,u ik sono le colonne dominanti di U, allora B {v i ;v i ;...;v ik }, ossia l insieme delle colonne di A corrispondenti alle colonne dominanti di U, è una base di CA v ;v ;...;v n W contenuta in S. Siano v ;v ;...;v n K n, con K {R,C}, e B {v ;v ;...;v n }. Per verificare se B è o meno una base di K n, piuttosto che verificare se B è un insieme di generatori linearmente indipendente di K n, conviene considerare la matrice n n A v v... v n ossia una matrice le cui colonne siano gli elementi di B. Da CA K n segue che dim CA rka n CA K n ; inoltre, dal momento che B ha n elementi e contiene una base di CA, dim CA rka n ogni base di CA ha n elementi B è una base di CA. Quindi dim CA rka n B è una base di K n.
11 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Nota 4: Calcolo di determinanti Sia A una matrice quadrata di ordine n. Il determinante di A è un numero che dipende da A. Esso si indica con il simbolo deta, oppure DetA. Impariamo a calcolarlo, cominciando con i casi n,,3. Il caso n. Se A a, è DetA a. a a Il caso n. Se A a a Esempio. Il determinante di A, è DetA a a a a. 3 è DetA a a Abbiamo detto che Det a a a a a a. Osserviamo che a a a + Deta a la somma degli indici di a Deta a la somma degli indici di a il determinante della matrice che si ottiene da A sopprimendo la a riga e la a colonna di A il determinante della matrice che si ottiene da A a la somma degli indici di a sopprimendo la riga e la colonna in cui si trova a e a a a + Deta a la somma degli indici di a Deta a la somma degli indici di a il determinante della matrice che si ottiene da A sopprimendo la a riga e la a colonna di A il determinante della matrice che si ottiene da A a la somma degli indici di a sopprimendo la riga e la colonna in cui si trova a. Indicando con i simboli C C la matrice che si ottiene da A sopprimendo la a riga e la a colonna, la matrice che si ottiene da A sopprimendo la a riga e la a colonna, ed inoltre A + DetC, A + DetC,
12 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI abbiamo: a a Det a a a A +a A. Si tenga a mente che a ed a sono gli elementi della a riga di A. a a Quindi se A, quello che abbiamo fatto per calcolare DetA è stato: a a mettere in evidenza gli elementi della a riga di A: a a a a, per ciascuna posizione,j della a riga di A posto, e posto, costruire la matrice C j ottenuta sopprimendo da A la a riga e la j esima colonna di A, calcolare DetC j, calcolare +j, calcolare A j +j DetC j, 3 calcolare il prodotto a a A A. Il caso n3. Sia A a a a 3 a a a 3. Per calcolare DetA procediamo come nel caso n. a 3 a 3 a 33 Mettiamo in evidenza gli elementi della a riga di A: a a a 3 a a a 3. a 3 a 3 a 33 per ciascuna posizione,j della a riga di A posto,, posto, e posto,3 costruiamo la matrice C j ottenuta sopprimendo da A la a riga e la j esima colonna di A: a a C 3 a a, C a 3 a 3 a a, C 33 a 3 a a 3 a 3 calcoliamo DetC j, usando il caso n, ossia il caso precedente a quello che stiamo analizzando ora che è n 3: a a DetC Det 3 a a 3 a a 33 a 3 a 3, 33 a a DetC Det 3 a a 3 a a 33 a 3 a 3, 33 a a DetC 3 Det a a 3 a a 3 a a 3, 3
13 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 3 calcoliamo +j : +, +, +3, calcoliamo A j +j DetC j : A + DetC a a 33 a 3 a 3, A + DetC a a 33 a 3 a 3, A 3 +3 DetC 3 a a 3 a a 3. 3 Il determinante di A è il prodotto Det a a a 3 a a a 3 a a a 3 A A a A +a A +a 3 A 3 a 3 a 3 a 33 A 3 a + DetC +a + DetC +a 3 +3 DetC 3 Esempio. Calcoliamo il determinante della matrice A In questo caso abbiamo per cui C DetA 3 + Det a 3, a, a 3, 4 4, C 6 3, C Det 6 3 6, Det Quello che abbiamo fatto è quindi: a per le matrici porre Deta a, b dare una formula che permetta di calcolare il determinante delle matrici sapendo come calcolare il determinante delle matrici, ossia dare una formula che permetta di calcolare il determinante delle matrici nel caso n sapendo come calcolare il determinante delle matrici nel caso precedente, cioè il caso n si veda il punto a, c dare una formula che permetta di calcolare il determinante delle matrici 3 3 sapendo come calcolare il determinante delle matrici, ossia dare una formula che permetta di calcolare il determinante delle matrici nel caso n 3 sapendo come calcolare il determinante delle matrici nel caso precedente, cioè il caso n si veda il punto b. Procediamo quindi allo stesso modo, dando una formula che permetta di calcolare il determinante delle matrici n n sapendo come calcolare il determinante delle matrici n n, ossia dare una formula
14 4 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI che permetta di calcolare il determinante delle matrici nel caso n sapendo come calcolare il determinante delle matrici nel caso precedente, cioè il caso n. Sia dunque A a ij una matrice n n. Cominciamo con il dare la seguente definizione: Def.. Per ogni i n e j n si chiama matrice complementare dell elemento a ij od anche matrice complementare di posto i,j in A, e si indica con il simbolo C ij, la matrice che si ottiene da A sopprimendo la i-esima riga e la j-esima colonna. Dunque C ij è una matrice n n. i Esempio 3. Se A +i 5 5 7, allora 6i 5i 4i 7+i i 4i i 3 4 togliendo la a riga i 3 e la 4 a colonna +i i 5 7 C 4 6i 4i 6i 5i 4i 7+i 34 4i 7+i i 4i i 3 4 togliendo la a riga i 3 4 e la 5 a colonna 7 3 +i C 35 +i 5 5 6i 5i 4i 7+i i 7+i i 4i Def.. Per ogni i n e j n si chiama cofattore di posto i,j di A, e si indica con il simbolo A ij, il numero A ij i+j Det C ij, dove C ij è la matrice complementare di posto i,j in A. Si ha: Formula del determinante di una matrice sviluppato rispetto alla a riga se A a ij è una matrice n n allora DetA a A +a A +...+a,n A,n +a n A n dove A, A,..., A,n, A n sono i cofattori di A di posti,,,,...,,n,,n ossia i posti della a riga rispettivamente Esempio 4. Calcoliamo il determinante della matrice A. 7 5
15 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 5 Usando la formula dello sviluppo del determinante rispetto alla a riga di A abbiamo: DetA A + 5 A + A 3 +3 A 4 A 5A +3A 4. Dobbiamo quindi calcolare A,A ed A 4. A + Det Det Det 5 Dunque otteniamo: + + Det +4, A + Det Det Det Det , A 4 +4 Det Det Det Det Det Det + +3 Det DetA A 5A +3A Si puó dimostrare il seguente Teorema. Sia A una matrice n n. Allora, fissato i {,...,n} si ha che a i A i +a i A i +...+a i,n A i,n +a in A in a A +a A +...+a,n A,n +a n A n, ossia che DetA a i A i +a i A i +...+a i,n A i,n +a in A in.
16 6 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI si chiama lo sviluppo di Laplace del determinante di A rispetto alla i-esima riga di A. Quindi, per calcolare il determinante di una matrice A, si puó partire mettendo in evidenza gli elementi di una riga qualunque, e non necessariamente la a, come abbiamo fatto fino ad ora. a a Esempio 5. Sia A una matrice. Sviluppiamo il determinante di A rispetto alla a a a riga di A: mettiamo in evidenza gli elementi della a a a riga di A:, a a C è la matrice che si ottiene da A togliendo la a riga e la a colonna, quindi C a ; C è la matrice che si ottiene da A togliendo la a riga e la a colonna, quindi C a. Allora a A +a A a + DetC +a + DetC a Deta +a Deta a a +a a a a a a dà lo stesso risultato che abbiamo ottenuto partendo dalla a riga. Conviene quindi sviluppare il determinante rispetto alla riga che contiene piú zeri Esempio 6. Riconsideriamo la matrice dell Esempio 4, A, e calcoliamo il suo 7 5 determinante rispetto alla 3 a riga che contiene due zeri. Allora DetA 3+ Det Det Calcoliamo separatamente Det e Det 5 6. Per entrambe queste matrici 3 3 non è conveniente calcolare il determinante rispetto alla 3 a riga, ma è indifferente scegliere la a o la a. Per fare esercizio scegliamo in entrambi i casi la a riga: Det Det Det Det Det Det 5 Quindi DetA lo stesso numero che avevamo ottenuto sviluppando il determinante rispetto alla a riga.
17 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 7 Cosí come si puó sviluppare il determinante di una matrice rispetto ad una qualunque sua riga, lo si puó sviluppare rispetto ad una qualunque sua colonna, dal momento che vale il seguente Teorema. Sia A una matrice n n. Allora, fissati j {,...,n} e si ha che DetA a j A j +a j A j +...+a n,j A n,j +a nj A nj. si chiama lo sviluppo di Laplace del determinante di A rispetto alla j-esima colonna di A. Conviene quindi sviluppare il determinante rispetto alla riga oppure alla colonna che contiene piú zeri Esempio 7. Riconsideriamo la matrice degli Esempi 4 e 6, A, e calcoliamo il suo 7 5 determinante rispetto alla 3 a colonna che contiene tre zeri. Allora DetA +3 Det Det Det Det Det Calcoliamo Det , ad esempio rispetto alla a colonna: Det Det Det Det quindi DetA si noti che è lo stesso numero che abbiamo ottenuto sviluppando il determinante rispetto alla a oppure alla 3 a riga. Proprietà del determinante. Sia A una matrice n n. Se A ha una riga risp. una colonna nulla, oppure se A ha due righe risp. due colonne uguali, allora DetA.
18 8 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Se A è la matrice che si ottiene da A mediante lo scambio di due righe risp. due colonne allora DetA DetA. 3 Se A è la matrice che si ottiene da A sommando ad una riga risp. ad una colonna di A un altra riga risp. un altra colonna di A moltiplicata per un numero c, allora DetA DetA. 4 Se A è la matrice che si ottiene da A moltiplicando una riga risp. una colonna di A per un numero c, allora DetA cdeta. 5 DetA T DetA. 6 Se B è un altra matrice n n allora DetABDetA DetB. 7 A è non singolare se e solo se DetA, e se A è non singolare si ha DetA DetA. N.B. Per quanto riguarda la proprietà 7, si ricordi che avevamo già osservato che una matrice A a b è non singolare se e solo se il numero ad bc, e tale numero è proprio DetA. c d Esercizio. Si provi che il determinante di una matrice triangolare superiore risp. inferiore è il prodotto degli elementi diagonali. Sia T una matrice n n triangolare superiore la dimostrazione è simile per le matrici triangolari inferiori: t t t 33 T t O t nn. Chiamiamo: T la matrice che si ottiene da T sopprimendo la a riga e la a colonna T è triangolare superiore n n : t t 33 T t O... t nn T la matrice che si ottiene da T sopprimendo la a riga e la a colonna T è triangolare superiore,
19 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 9 n n : t 33 t 44 T.... O,... t nn e cosí via per ogni k,...,n chiamiamo T k la matrice che si ottiene da T k sopprimendo la a riga e la a colonna. T k è una matrice triangolare superiore n k n k. Sviluppiamo il determinante di T ripetto alla a colonna di T: DetT t + DetT t DetT. Sviluppiamo il determinante di T ripetto alla a colonna di T : DetT t DetT t t + DetT t t DetT. Cosí procedendo otteniamo: DetT t t DetT t t t 33 DetT 3 t t t 33 t 44 DetT 4... t t... t n,n DetT n t t... t n,n Dett nn t t... t n,n t nn. In particolare da ció segue: Il determinante di una matrice diagonale è il prodotto degli elementi diagonali, poichè le matrici diagonali sono particolari matrici triangolari superiori. Esercizio. Sia A una matrice n n. Si provi che per ogni scalare c si ha: DetcA c n DetA. Si ha: DetcA DetcI n A DetcI n DetA. cacinacina proprietà 6 del det. Poichè ci n è una matrice scalare n n, in particolare una matrice diagonale, per l esercizio precedente si ha che DetcI n prodotto degli elementi diagonali di ci n. Tali elementi sono tutti uguali a c, ed il loro prodotto ha n fattori perchè ci n è n n, dunque DetcI n c n, per cui DetcA c n DetA.
20 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZI TIPO ESERCIZIO TIPO Siano u,v R n ed a R. Si consideri la matrice a blocchi A ut M n R. v ai n a Sia w a. Si provi che Aw se e solo se u T v a. v b Dopo aver calcolato A a blocchi, si provi che se a ed A A allora A I n. a Calcolando Aw a blocchi si ottiene Aw ut a v ai n v v a av a+ut v av+ai n v a+ut v av+av a+ut v. Dunque Aw a+u T v u T v a. b Calcolando A a blocchi si ottiene A ut ut +ut v u T +u T ai n v ai n v ai n v+ai n v vu T +ai n u T ai n au T I n au T +ut v u T +au T v+av vu T +a I n Per ipotesi A A, quindi +u T v u T u T +au T v v+av ai n vu T +a I n Dalla seconda equazione si ricava au T T, per cui, essendo a, u T T in particolare, u T v T v, e la prima equazione non fornisce informazioni. Dalla terza equazione si ricava av, e quindi, essendo a, v.
21 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Sostituendo v nella quarta equazione, si ottiene da cui segue ai n vu T +a I n O+a I n a I n, a a I n ai n a I n O. Dunque a a, e poichè a concludiamo che a. Allora A ut T I n. v ai n I n
22 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO Risolvere il sistema lineare Ax b nei tre seguenti casi: a A 4 3 e b ; b A 3 4 e b ; c A e b. 3 a Troviamo una forma ridotta di Gauss della matrice aumentata del sistema: A b 4 3 E3 3E E E 3 U d Poichè d è dominante, allora Ux d, e quindi anche Ax b, non ha soluzioni. Infatti: il sistema Ax b è equivalente al sistema Ux d, che è una scrittura compatta per x +x +x 3 x 3 e poichè l ultima equazione di non ha soluzioni, non ha soluzioni., b Troviamo una forma ridotta di Gauss della matrice aumentata del sistema: 3 3 A b 4 E E 3 E U d. Il sistema Ax b è equivalente al sistema Ux d, che è una scrittura compatta per { x +3x x 3 +x 4 x 3 +x 4.
23 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 3 Poichè d è libera, Ux d ammette soluzioni. Poichè U ha esattamente due colonne libere la a e la 4 a, Ux d ha soluzioni. Scegliamo come parametri le variabili corrispondenti alle colonne libere di U e con la sostituzione all indietro otteniamo: x h x 4 k x 3 x 4 + k + x 3x +x 3 x 4 3h+ k + k 3h 5k + Dunque l insieme delle soluzioni di Ux d, e quindi anche di Ax b, è 3h 5k + h h,k C k +. k c Troviamo una forma ridotta di Gauss della matrice aumentata del sistema: A b E4 E3 E 4 3 E 3 U d Il sistema Ax b è equivalente al sistema Ux d, che è una scrittura compatta per x +x +x 3 x +x 3. x 3 Poichè d è libera, Ux d ammette soluzioni. Poichè U non ha colonne libere, Ux d ha esattamente una soluzione. Con la sostituzione all indietro otteniamo: x 3 x x 3 x x x 3 4 Dunque l unica soluzione di Ux d, e quindi anche di Ax b, è il vettore v.
24 4 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 3 Si risolva il sistema lineare Aαx bα dipendente dal parametro complesso α dove 3 3α 3 α+ α+ Aα e bα α α+ i α 3α α+ α α +3. Troviamo una forma ridotta di Gauss della matrice aumentata del sistema. 3 3α 3 3α α+ α+ α+ Aα bα E3 E E 3 α α+ i α α α +3 α α α α α E4 α Bα cα. α i α i α α +3 α + CASO α i i i i Bi ci è una forma ridotta di Gauss per Ai bi, quindi Aix bi è equivalente a Bix ci che è una forma compatta per { x +ix +x 3 i x +ix 3 Poichè ci è libera, Bix ci ammette soluzioni. Poichè Bi ha esattamente una colonna libera, Bix ci ha soluzioni. ScegliamocomeparametrolavariabilecorrispondenteallacolonnaliberadiBila3 a econlasostituzione all indietro da otteniamo x 3 h x ix 3 + ih+ x ix x 3 +i i ih+ h+i h i h+i h L insieme delle soluzioni del sistema Bix ci e quindi l insieme delle soluzioni del sistema Aix bi è h ih+ h C. h CASO α i
25 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 5 α α α Bα cα E3 α i α i α + α α α α α E 4 α i α Cα dα. α + α+i Sottocaso α i i i i C i d i è una forma ridotta di Gauss per A i b i, quindi A ix b i è equivalente a C ix d i che è una forma compatta per x ix +x 3 i x ix 3 x 3 Poichè d i è libera, C ix d i ammette soluzioni. Poichè tutte le colonne di C i sono dominanti, C ix d i ammette un unica soluzione. Con la sostituzione all indietro da otteniamo x 3 x ix 3 + x ix x 3 i i i L unica soluzione di C ix d i e quindi di A ix b i è v Sottocaso α / {i, i}. α α α α α Cα dα E4 α+i α Dα eα α+i è una forma ridotta di Gauss per Aα bα. Poichè eα è dominante, Dαx eα e quindi di Aαx bα non ammette soluzioni.
26 6 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 4 Si trovino tutte le inverse destre della matrice A. Un inversa destra di A è una matrice 3 R tale che se R c c è soluzione di Ax e e c è soluzione di Ax e. Cerchiamo tutte le soluzioni di e. c, allora A I E U b b. è equivalente a Ux b che è una forma compatta per { x x 3 x +x 3 Scegliamo come parametro la variabile corrispondente all unica colonna libera di U la 3 a e con la sostituzione all indietro otteniamo x 3 h x h x +h L insieme delle soluzioni di è h+ h h C. h è equivalente a Ux b che è una forma compatta per { x x 3 x +x 3 Scegliamo come parametro la variabile corrispondente all unica colonna libera di U la 3 a e con la sostituzione all indietro otteniamo x 3 k x k x k
27 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 7 L insieme delle soluzioni di è k k + k C. k Le inverse destre di A sono esattamente tutte le matrici del tipo Rh,k h+ k h k +, al variare h k di h,k C. ESERCIZIO TIPO 4 bis Si trovino tutte le inverse sinistre della matrice A.. Poniamo B A T.. Cerchiamo tutte le inverse destre di B. Dall ESERCIZIO TIPO 4 sappiamo che sono tutte e sole le matrici del tipo h+ k h k + con h,k C. h k 3. Una matrice è inversa sinistra di A se e solo se è la trasposta di una inversa destra di B. Quindi le h+ h h inverse sinistre di A sono esattamente tutte le matrici del tipo al variare di h,k C. k k + k
28 8 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 5 α α Sia Aα α, dove α R. Per quegli α R per cui Aα è non singolare, si calcoli Aα. α α Aα I 3 α E α+e α α : A non ha inversa α α α E 3 α α : A non ha inversa α α α α α α E 3 α α α α α α α E α αα E 3 α α α α I 3 Aα. Se α / {,} Aα αα α α α α.
29 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 9 ESERCIZIO TIPO 6 Sia Aα α 3α 3 α α +4 6 α 6 α 3α+ α+5, dove α C. a Per ogni α / {,i, i} si trovi una decomposizione Aα LαUα, scrivendo anche Lα come prodotto di matrici elementari. b Per ogni α / {,i, i} si trovi una decomposizione a rango pieno Aα L αu α. α 3α 3 α Aα α +4 6 α 6 E 4 αe 3 E α α 3α+ α+5 α 3 α +4 α E 4 E α 5 α α / {i, i} +4 3 Bα α 5 α o CASO α 5 nonchè α,i, i 3 3 Bα α Uα E 43 5+αE 3 α 5 α Lα α α +4 α α 5 α E α E 3 E 4 αe α +4E 4 E 3 α E 43 5 α o CASO α 5
30 3 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 3 B5 U5 4 9 L5 E 4E 3 E 4 5E 9E 4 5 N.B. Se α {,i, i} non è possibile trovare una forma ridotta di Gauss di Aα senza fare scambi di righe, quindi Aα NON ha una decomposizione LαUα. Per ogni α / {5,,i, i}, si ha una decomposizione a rango pieno Aα L αu α prendendo U α 3 e L α α α +4 α α 5 α per α 5 si ha una decomposizione a rango pieno A5 L 5U 5 prendendo U e L 5. 5 ;
31 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 3 ESERCIZIO TIPO Sia A Si trovino una decomposizione A P T LU ed una decomposizione a rango pieno per A. Applicando l algoritmo di Gauss ad A si ottiene: A E E4E E47E E43E E3 Sia Allora P E 3 E PA Applicando l algoritmo di Gauss senza scambi di righe a PA otteniamo una decomposizione LU per PA: ed L PA E 47E E 4 E 3 E 43 E U,
32 3 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Dunque A P T LU dove SI NOTI: P ha 3 6 P, L e U. 7 la 3 a riga di I 4 in a posizione procedendo dall alto verso il basso la a riga di I 4 in a posizione la a riga di I 4 in 3 a posizione la 4 a riga di I 4 in 4 a posizione. Invertendo le righe con le posizioni, la matrice che ha la a riga di I 4 in 3 a posizione la a riga di I 4 in a posizione la 3 a riga di I 4 in a posizione la 4 a riga di I 4 in 4 a posizione è quindi d altronde da P E 3 E 3 segue P P T. P E 3 E 3 E 3 E 3 E 3 E 3 E 3 T E 3 T E 3 E 3 T P T. H E 3 E 3 P e facendo un eliminazione di Gauss su HA si ottiene: HA E4 E E Dunque HA non ha una decomposizione LU. Quindi è fondamentale, per costruire P, l ordine in cui si moltiplicano le matrici corrispondenti agli scambi di righe effettuati si parte dall ultimo procedendo a ritroso.
33 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 33 3 Dall eliminazione di Gauss fatta su A si ottiene che E 43 E 3 E 47E E 3E 4 E E 3 A U. Quindi la tentazione di intuire L direttamente da questa eliminazione di Gauss è fuorviante: posto B E 43 E 3 E 47E E 4E il prodotto delle matrici elementari diverse da quelle corrispondenti agli scambi di righe, si ha che BPA U, e quindi PA B U, ossia B non è un buon candidato per L. 4 Mostriamo che esistono una forma ridotta di Gauss U per A, una matrice di permutazione P ed una matrice triangolare inferiore non singolare L tali che U U, P P, L L, ma A P T L U P T LU, ossia la decomposizione A P T LU non è unica. Facciamo una eliminazione di Gauss su A scegliendo degli scambi di riga diverse da quelli scelti nell eliminazione che abbiamo fatto precedentemente A E E3 E 4 4 E3 7E E4 5 7 E Sia P E 4. Allora 4 P 6 A E 3 E E 4 E 3 7E E U.
34 34 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Quindi A P T L U con 4 P P, U 5 7 U, L 4 7 L. 8 7 Per trovare una decomposizione a rango pieno per A, partiamo, ad esempio, dalla decomposizione A P T LU dove 3 6 P, L e U. 7 Calcoliamo P T L: P T, P T L : B 7 7 Allora A BU e si ottiene una decomposizione a rango pieno A B U prendendo U 3 6 e B 7 ossia prendendo come U la matrice che si ottiene da U togliendo le ultime m k righe, dove m 4 numero delle righe di U e k 3 rango di U e quindi anche k rango di A, e prendendo come B la matrice che si ottiene da B togliendo le ultime m k colonne ossia le colonne in posizioni corrispondenti alle ultime righe nulle tolte da U.
35 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 35 ESERCIZIO TIPO 8 { A Si dica se S di M R. ;A ;A 3 3 ;A 4 Per sapere se S è o meno un insieme di generatori di M R dobbiamo verificare se per ogni esistano o meno α,α,α 3,α 4 R tali che a b c d α A +α A +α 3 A 3 +α 4 A 4 +α α +α 3 3 +α 4 } è un insieme di generatori a b M c d R α +α +α 3 α +α +3α 3 α +α 3 α 4 ossia se il sistema lineare α +α +α 3 a α +α +3α 3 b α +α 3 c α 4 d nelle incognite α,α,α 3,α 4 abbia o meno soluzione per ogni a,b,c,d R. Se avesse soluzione per ogni a,b,c,d R allora S sarebbe un insieme di generatori di M R, in caso contrario ossia se esistono a,b,c,d R per cui non ha soluzione, no. Facendo una eliminazione di Gauss sulla matrice aumentata del sistema si ottiene a a 3 b b a c E c d d E 3 a b a c b+a d E 43 a b a d c b+a U d. Poichè esistono a,b,c,d R per cui d è dominante ad esempio si prendano a b d e c, allora S non è un insieme di generatori di M R in altre parole: poichè esistono delle matrici di M R che NON si possono esprimere come combinazione lineare degli elementi di S, ad esempio la matrice, allora S NON è un insieme di generatori di M R.
36 36 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 9 Siano v, v 3 4, v 3. Si dica se S {v ;v ;v 3 } C 3 è linearmente dipendente o linearmente indipendente. Siano α,β,δ C tali che αv +βv +δv 3 α α+β +δ Allora equivale a β +δ 3α+4β +δ è un sistema lineare nelle incognite α,β,δ. ha sempre la soluzione nulla. 3 +β 4 +δ ossia α β δ. α+β +δ β +δ 3α+4β +δ Se essa dovesse essere l unica soluzione di quindi se avesse un unica soluzione allora S sarebbe L.I., altrimenti, se ha anche una soluzione non nulla quindi se ha piú di una soluzione allora S è L.D. Vediamo allora quante soluzioni ha. Facendo una eliminazione di Gauss sulla sua matrice aumentata si ottiene U E E 3. L ultima colonna di U, ossia, è libera, per cui ha, come avevamo già osservato, soluzioni. Poichè non tutte le colonne di U sono dominanti, il sistema non ha un unica soluzione, quindi S è L.D. Volendo risolvere, si ha che è equivalente ad { α+β +δ β +δ Scegliendo come parametro la variabile corrispondente alla colonna libera di U la 3 a, con la sostituzione δ k all indietro si ottiene β δ k α β δ k k k Il sistema ha soluzioni: tutti gli elementi dell insieme k k k C. k Prendendo ad esempio k si ottiene α δ e β : v v +v 3
37 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 37 è una combinazione lineare nulla di {v ;v ;v 3 } con coefficienti non tutti nulli.
38 38 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI S ESERCIZIO TIPO Sia W l insieme delle matrici reali triangolari superiori. L insieme { C ;C 3 ;C 3 ;C 4 ;C 5 è un insieme di generatori di W. Si trovi una base di W contenuta in S. ;C 6 } 4 4 Restringiamo un insieme di generatori di W. passaggio. Esistono in S vettori che siano combinazioni lineari degli altri vettori di S? C 4 è senz altro combinazione degli altri: C 4 O C +C +C 3 +C 5 +C 6, per cui togliamo subito C 4 togliamo comunque subito tutti gli eventuali vettori di S che siano nulli, e poniamo S { C ;C 3 ;C 3 ;C 5 ;C 6 } 4. 4 passaggio. S è ancora un insieme di generatori di W. Esistono in S vettori che siano combinazioni lineari degli altri vettori di S? Poichè C C 6 C +C 3 +C 5 C 6 ma anche C 6 C C +C +C 3 +C 5 possiamo togliere da S il vettore C, oppure possiamo togliere da S il vettore C 6, ottenendo ancora un insieme di generatori di W. Dunque, guardiamo se tra i vettori di S ci siano coppie di vettori di cui l uno è multiplo dell altro, e per ciascuna di queste eventuali coppie togliamo uno dei due vettori. In questo caso abbiamo individuato la coppia C,C 6 e scegliamo di togliere C. Poniamo S { C 3 ;C 3 ;C 5 ;C 6 } passaggio. S è ancora un insieme di generatori di W. Esistono in S vettori che siano combinazioni lineari degli altri vettori di S? Sia α C +α C 3 +α 3 C 5 +α 4 C 6 O una combinazione lineare nulla dei vettori di S. Allora da 3 4 α +α +α 3 +α 4 4 α +α +α 3 +α 4 3α +α 4α 4 α 3 4α 4
39 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 39 si ottiene il sistema lineare, nelle incognite α,α,α 3,α 4 α +α +α 3 +α 4 3α +α 4α 4 α 3 4α 4 Facendo una E.G. sulla sua matrice aumentata si ha: 3 4 E 3E per cui il sistema è equivalente al sistema α + α + α 3 +α 4 α +3α 3 +4α 4 α 3 4α 4 E il cui insieme delle soluzioni è h 6h h R 4h h 6 Prendendo una sua soluzione non nulla, ad esempio si ponga h, si ottiene 4 C 6C 3 +4C 5 +C 6 O, 3 4, 4 per cui C,C 3, C 5 e C 6 sono combinazioni lineari degli altri elementi di S e ciascuno di loro puó essere scelto come elemento da eliminare da S. Scegliamo di togliere da S la matrice C combinazione lineare degli altri elementi di S e poniamo S 3 { C 3 ;C 5 ;C 6 } passaggio. S 3 è ancora un insieme di generatori di W. Esistono in S 3 vettori che siano combinazioni lineari degli altri vettori di S 3? Sia α C 3 +α C 5 +α 3 C 6 O una combinazione lineare nulla dei vettori di S 3. Allora da 4 α +α α +α +α 3 +α 3 α 4α 3 4 α 4α 3 si ottiene il sistema lineare, nelle incognite α,α,α 3 α +α +α 3 α 4α 3 α 4α 3
40 4 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI Facendo una E.G. sulla sua matrice aumentata si ottiene: 4 E 6 E3 E E3 6 L unica soluzione del sistema è quella nulla, per cui S 3 è linearmente indipendente, ed è una base di W contenuta in S.
41 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 4 ESERCIZIO TIPO Si trovi una base dello spazio nullo NA della matrice A. 4 3 Poichè NA NU per ogni forma ridotta di Gauss U di A, troviamo una base dello spazio nullo di una forma ridotta di Gauss per A. A 4 3 E U U è una forma ridotta di Gauss per A. Per il teorema nullità + rango si ha Poichè dim NU numero delle colonne di U - rku 4. x x x NU x 3 x 4 { x +x +x 3 x 3 +x 4 scegliendo come parametri le variabili corrispondenti alle colonne libere di U la a e la 4 a con la sostituzione all indietro si ottiene x h x 4 k x 3 x 4 k x x x 3 h k h+k Quindi h+k h NA NU h,k C k k e chiamando v l elemento di NA che si ottiene ponendo h e k e v l elemento di NA che si ottiene ponendo h e k, si ha che una base di NA è v ;v.
42 4 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO Sia A α i α+i, dove α C. i α + Per ogni α C si dica qual è rka α e si trovino una base B α di CA α ed una base D α di RA α. A α i α+i i α + E3 E i α+i α + B α o CASO α i B α i α+i α + E α+i i α + C α o Sottocaso α i,i : C α i E3 α + i U α α + rka α 3, D α i ; ;, B α ; i α+i ; i α + o Sottocaso α i : C i i U i rka i, D i i ;, B i ; i 3i i o CASO α i : B i i U i,rka i,d i i,b i
43 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 43 ESERCIZIO TIPO 3 Si consideri l applicazione lineare f : C C 3 definita da a f 4a+b 3a. b a b Si determini la matrice A associata ad f rispetto alle basi ordinate { } B ; e D ; 3 ; 6 4 su dominio e codominio rispettivamente. La matrice che cerchiamo è A f 6 a,b 6 C D f C D f. Poichè 4, f 4 a,b 4 4 6, allora A C D 4 6 C D 4 6. Piuttosto che calcolare separatamente C D 8 3 e 3 C D 6, ecalcoliamoc D a b per un generico vettore a b R 3,especializziamolaformulaottenuta 8 c c ai due diversi vettori 4 6 e 4 6. Poichè allora C D a b c α+δ a 3β b α δ c α β δ a b c α α a+c/ β b/3 δ a c/ +β 3 +δ C D a b c α+δ 3β α δ a+c/ b/3 a c/. Ponendo a 4, b 6 e c otteniamo C D 4 6 ; ponendo a 4, b 6 e c otteniamo C D Quindi A 7. 3
44 44 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 4 Si calcoli la matrice di passaggio M B B da B a B, dove B e B sono le seguenti basi ordinate di R 3 : B ; 3 ;, B 3 ; 3 ; 5. La matrice di passaggio M B B da B a B è M B B C B 3 C B 3 C B 5. Nell ESERCIZIO TIPO 3 abbiamo calcolato C B a b c a+c/ b/3 a c/. Specializzando la formula ottenuta ai tre diversi vettori C B 3, C B 3 3, 3,, C B 5 otteniamo 5 3. Dunque M B B 3.
45 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 45 ESERCIZIO TIPO 5 Sia A 7 la matrice associata ad un applicazione lineare 3 f : C C 3 rispetto alle basi ordinate B { } ; 6 4 e D ; 3 ; su dominio e codominio rispettivamente. Si determini la matrice A associata ad f rispetto alle basi ordinate { } B 6 ; e D 3 ; 3 ; su dominio e codominio rispettivamente. La matrice che cerchiamo è A M D D AM B B dove M D D è la matrice di passaggio da D a D, e M B B è la matrice di passaggio da B a B. Nell ESERCIZIO TIPO 4 abbiamo calcolato M D D 3. Calcoliamo la sua inversa: M D D I 3 3 E3 3 E 3 E3 E3 Calcoliamo E3 M D D M D D M B B a Calcoliamo C B per un generico vettore b 6 vettori e. Poichè 8 4 a C B b α β 3 I 3 3. C B M D D. 6 C 8 B. 4 a C b, e specializziamo la formula ottenuta ai due diversi a α b +β 6 4 α+β 6α 4β
46 46 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI risolvendo il sistema lineare { α+β a 6α 4β b 6 Ponendo a 6 e b 8 otteniamo C B 8 Quindi Dunque M B B nelle incognite α e βsi ottiene a a+b C B b 3a b. C B A M D D AM B B ; ponendo a e b 4 otteniamo C B 6 8 C B
47 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 47 ESERCIZIO TIPO 6 Si verifichi che φ : R R definita da φ φ φ Sia v a a Poichè φv, per provare che a a v φv > a +a + a a è una norma. basta provare che ossia basta provare che Ora: φv a v a { a +a a a v φv, φv v. { a +a a a a a v. a αa φαv φα φ αa a αa +αa + αa αa α a +a + α a a α a +a + a a α φv. 3 Siano v a a e w b b. a +b φv+w φ a a +b +b +a +b + a +b a +b a +a +b +b + a a +b b a +a + b +b + a a + b b φv+φw.
48 48 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI ESERCIZIO TIPO 7 Si verifichi che.. : C C C definita da è un prodotto interno. Siano x x x, y y y x x C. y y x y +x y y x? x y y x y x +y x y x +y x x y. Siano x x x, y y y, w w w C e α,β C. x αy+βw? αx y+βx w x αy+βw x αy +βw +x αy +βw αx y +βx w +αx y +βx w αx y +x y +βx w +x w αx y+βx w. 3? x x x? x x R > + x x x x +x x x + x Essendo x, si ha che x oppure x, per cui x R > oppure x R >. Quindi x + x R >.
49 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 49 ESERCIZIO TIPO 8 Si trovi una base ortonormale del sottospazio di C 4 i V ; ; ;. i i MODO Troviamo una base B di V. Poniamo w, w i i, w 3, w 4 i e costruiamo la matrice A w w w 3 w 4, ossia una matrice tale che CA V. i i i A i E 3 i E 4E 3 i i i i i U E 34 E 3 i i Dunque B {w,w,w 4 } è una base di CA V. Troviamo una base ortogonale B di V: poniamo v w,v w e v 3 w 4, e applichiamo l algoritmo di Gram-Schmidt a {v ;v ;v 3 }.
50 5 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI u v i u v α u, u α u v u u u v α u v i u i i i i u v u H v i i i u u u H u i i α i/ u 3 v 3 α 3 u α 3 u, u α 3 u v 3 u u u v 3 u H v 3 i i α 3 u α 3 u v 3 u u u v 3 u H v 3 i i i i u u u H u i 5 α 3 5 i
51 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 5 u 3 v 3 α 3 u α 3 u v 3 + i 5 u + i 5 i i 5 i i 3i B {u ;u ;u 3 }, dove u, u i i, u 3 5 i, i 3i è una base ortogonale di V. 3 Troviamo una base ortonormale B di V, normalizzando gli elementi di B. B { u u ; u u ; u u u u u u 5/ u 3 u 3 u 3 u 3 u 3 }, dove u H 3 u 3 5 i i 3i 5 i 5 i 5 3i u, u i u u i, u 3 u 3 5 i, i 3i è una base ortonormale di V. MODO Costruiamo dapprima un insieme di generatori ortogonale di V: poniamo v, v i i, v 3, v 4 i e applichiamo l algoritmo di Gram-Schimdt a {v ;v ;v 3 ;v 4 }. Otterremo 4 vettori, u,u,u 3,u 4, e l insieme {u ;u ;u 3 ;u 4 } sarà un insieme di generatori ortogonale di V. Per sapere se alcuni degli u i saranno nulli, e in tal caso quali, troviamo innanzitutto una forma ridotta di Gauss U della matrice A che ha come colnne v,v,v 3,v 4 : le eventuali colonne libere di U corrisponderanno
52 5 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI agli u i nulli. i i A v v v 3 v 4 i E 3 i E 4E 3 i i i i i U E 34 i E 3 i i Poichè U ha come unica colonna libera la 3 a, allora applicando l algoritmo di Gram-Schimdt a {v ;v ;v 3 ;v 4 } otterremo u 3. u v i u v α u, u α u v u u u v u H v i i i u u u H u i i α i/ u v α u v i u i i i i u 3 v 3 α 3 u α 3 u, u α 3 u v 3 u u
53 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 53 u v 3 u H v 3 i i u u α 3 i u α 3 u v 3 u u u v 3 u H v 3 i u 3 v 3 α 3 u α 3 u 5 u u u H u i α 3 i 5 v 3 i u +u i + i i u 4 v 4 α 4 u α 4 u α 34 u 3 u α 4 u v 4 u u u v 4 u H v 4 i i α 4 u α 4 u v 4 u u
54 54 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI u v 4 u H v 4 i i i i u u u H u i 5 u 4 v 4 α 4 u v 4 + i 5 u + i 5 i i 5 i i 3i α 4 5 i u 3 α 34 per def. Dunque u ;u i di V. i ;u 3 ;u 4 5 i i 3i è un insieme di generatori ortogonale Costruiamo una base ortogonale di V togliendo dall insieme di generatori ortogonale di V trovato al punto gli eventuali u i nulli. In questo caso poniamo: w u, w i u i, w 3 u 4 5 i. i 3i L insieme w ;w i i ;w 3 5 i i 3i è una base ortogonale di V. 3 Costruiamo base ortonormale di V normalizzando la base ortogonale trovata al punto, ossia dividendo ciascun elemento della base ortogonale trovata in per la propria norma euclidea. Cominciamo con il calcolare la norma euclidea di w,w,w 3 :
55 ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. 3/4, GEMMA PARMEGGIANI 55 Allora B { w w ; w u u w u u 5/ w 3 u 4 u 4 w w ; w 3 w 3 }, dove w, w i è una base ortonormale di V. u H 4 u 4 5 i i 3i 5 w w i, w 3 w 3 5 i 5 i 5 3i i, i 3i
ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI, A.A. 2010/2011, GEMMA PARMEGGIANI
ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, SGI, A.A. /, GEMMA PARMEGGIANI Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata via Trieste, 63 353 Padova Programma del corso.
Dettagli, è Det(A) = a 11 a 22 a 12 a 21. ( il determinante della matrice che si ottiene da A. la 1 a riga e la 2 a colonna di A
G Parmeggiani, 2/12/2013 Algebra Lineare 1 A, corso di laurea SGI, aa 2013/2014 Nota 4: Calcolo di determinanti Sia A una matrice quadrata di ordine n Il determinante di A è un numero che dipende da A
DettagliG. Parmeggiani, 17/5/2018 Algebra Lineare, a.a. 2017/2018, numero di MATRICOLA PARI
G Parmeggiani, 17/5/2018 Algebra Lineare, aa 2017/2018, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA
DettagliG. Parmeggiani, Facoltà di Scienze Statistiche, corso di laurea SGI, a.a. 2011/2012
6// G. Parmeggiani, Facoltà di Scienze Statistiche, corso di laurea SGI, a.a. / Algebra Lineare A, Svolgimento degli Esercizi per casa 7 Sia V = a+bx+cx a,b,c C} lo spazio dei polinomi a coefficienti complessi
DettagliG. Parmeggiani, Facoltà di Scienze Statistiche, corso di laurea SGI, a.a. 2012/2013., w 3 = α se e solo se.
7// G. Parmeggiani, Facoltà di Scienze Statistiche, corso di laurea SGI, a.a. /3 Algebra Lineare A, Svolgimento degli Esercizi per casa 6 Si dica quale dei seguenti sottoinsiemi di R 3 è linearmente indipendente:
DettagliG. Parmeggiani, 28/4/2016 Algebra Lineare, a.a. 2015/2016, numero di MATRICOLA PARI. Svolgimento degli Esercizi per casa 7
G. Parmeggiani, 8/4/6 Algebra Lineare, a.a. 5/6, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA PARI
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliDef. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliMATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m.
MATRICI Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: 11 a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m con a a n1 a n2 a n 3 a nm i j R, 1 i n, 1 j m. per
Dettagli1 se k = r i. 0 altrimenti. = E ij (c)
Facoltà di Scienze Statistiche, Algebra Lineare A, G.Parmeggiani LEZIONE 5 Matrici elementari e loro inverse Si fissi m un numero naturale. Per ogni i, j m con i j siano E ij (c) (ove c è uno scalare )
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
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,
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
Dettagliha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 6 Eliminazione di Gauss con scambi di righe Sia A O una matrice m n. Abbiamo illustrato nella Lezione 5 un algoritmo che ha come
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
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
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
DettagliSi noti che la matrice trasposta A ha lo stesso determinante. Questa proprietà è generale;
Ottavio Serra Matrici e determinanti In questa nota estenderemo a matrici quadrate di ordine n qualsiasi il concetto di determinante introdotto nelle scuole secondarie per matrici di ordine 2 come tecnica
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
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
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,
Dettaglir 2 r 2 2r 1 r 4 r 4 r 1
SPAZI R n 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, y, z)
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
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari 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) e b è un numero reale (detto
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliLEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
LEZIONE 6 6 Determinanti In questa 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
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2012/13 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi 1.2
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
Dettaglia.a MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI
aa 2012-2013 MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI 1 Sistemi di equazioni lineari Definizione 11 i Un equazione lineare nelle indeterminate (o incognite X 1,, X 1 m a coefficienti interi (o razionali,
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
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/
DettagliNozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali, gli interi, i numeri
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
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
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:
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.+
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
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos
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
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
DettagliVETTORI NELLO SPAZIO ORDINARIO ,
VETTORI E GEOMETRIA ANALITICA 1 VETTORI NELLO SPAZIO ORDINARIO Vettori ordinari ed operazioni. Dipendenza ed indipendenza lineare, basi. Prodotto scalare, proiezioni, angoli. Prodotto vettoriale e prodotto
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
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
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
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
DettagliAnno Accademico 2016/2017
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliCORSI DI LAUREA IN MATEMATICA E FISICA
CORSI DI LAUREA IN MATEMATICA E FISICA FOGLIO DI ESERCIZI # 6 GEOMETRIA 1 Esercizio 6.1 (Esercizio 5.1). Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Per esempio il vettore
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
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Spazio dei vettori Il primo oggetto matematico che definiamo sarà il vettore. Partendo dai numeri reali come rappresentazione dei punti della retta reale R,
DettagliDIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE
DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DOCENTI: S. MATTAREI (TITOLARE), G. VIGNA SURIA, D. FRAPPORTI Prima settimana. Lezione di martedí 23 febbraio 2010 Introduzione al corso: applicazioni dell
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
Dettagli1.[25 punti] Risolvere il seguente sistema di equazioni lineari al variare del parametro reale λ: X +Y +Z = 2. X 2Y +λz = 2
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA SCRITTA DI GEOMETRIA A del 27 giugno 2011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
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
DettagliAnalisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.
Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe
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
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
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
DettagliIstituzioni di Matematiche Modulo A (ST)
Istituzioni di Matematiche Modulo A (ST V II foglio di esercizi ESERCIZIO. Nei seguenti sistemi lineari, discutere l insieme delle soluzioni al variare del parametro t, o dei parametri t e τ, in R. 5 x
DettagliESEMPIO DI SISTEMA LINEARE CON SOLUZIONE. Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R:
ESEMPIO DI SISTEMA LINEARE CON SOLUZIONE Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R: x 1 + x = 0 6x 1 + (λ + )x + x 3 + x 4 = 1 x 1 4x + (λ + 1)x 3 + 6x 4 = 3
Dettagli1 1 2 Il complemento algebrico dell'elemento a 3 2 = 0 è C 2,3 = ( 1) = 1. a j i C i,j. Valutiamo i complementi algebrici C 3,2, C 3,3 :
Esercizi di Geometria 1 1. Si calcoli il determinante della seguente matrice, utilizzando il metodo di Laplace: 1 2 3 B = 2 1 3 0 4 1 Richiamo Sia A = (a j i ) i,j {1...n} matrice in M n (C). Allora, per
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
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
Dettagli12 gennaio Commenti esame di geometria - Ing. gestionale - a.a
Questo documento riporta commenti, approfondimenti o metodi di soluzione alternativi per alcuni esercizi dell esame Ovviamente alcuni esercizi potevano essere risolti utilizzando metodi ancora diversi
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)
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):
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 014-01 Prova scritta del 1-6-01 TESTO E SOLUZIONI Avvertenze: A. Per il recupero del primo esonero svolgere gli esercizi
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2013/14 Algebra Lineare ed Elementi di Geometria (Programma aggiornato in data 23 gennaio 2014) 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliALGEBRA C. MALVENUTO
ALGEBRA CANALE A-L ESAME SECONDA PARTE SECONDO ESONERO 27 GENNAIO 22 C. MALVENUTO Istruzioni. Completare subito la parte inferiore di questa pagina con il proprio nome, cognome e firma. Scrivere solamente
DettagliCorso 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
DettagliGeometria BAER Canale I Esercizi 9
Geometria BAER Canale I Esercizi 9 Esercizio 1. Si trovi la matrice del prodotto standard di R 3 rispetto alle basi B = (2, 0, 1) t, (1, 0, 2) t, (1, 1, 1) t } e D = (2, 2, 1) t, ( 1, 2, 2) t, (2, 1, 2)
DettagliCorso 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
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
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
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
Dettagli