LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece ("

Transcript

1 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 Definizione 6 Siano A (a i,j ) i m k m,n, k R, C, p, q Z tali che p m j n e q n Una sottomatrice p q di A è una matrice in k p,q ottenuta da A considerando solo le entrate che si trovano all intersezione di p righe e q colonne Esempio 62 Sia A 2 C 2, i 0 Le sottomatrici 2 2 di A sono 2, i 0, i 2 0 Invece ( 2 ) i non è sottomatrice di A In alternativa una sottomatrice p q di A k m,n può essere pensata come ottenuta da A cancellando m p righe e n q colonne fissate Definizione 6 Sia A (a i,j ) i,j n k n,n, k R, C Il determinante di A è il numero di k, indicato con det(a) o A, definito come segue i) Se n si pone det(a, ) a, ii) Se n 2 si pone (6) det(a) a, A, + a,2 A,2 + + a,n A,n n a,j A,j, ove A i,j indica il prodotto di ( ) i+j per il determinante della sottomatrice ottenuta da A cancellando la riga di indice i e la colonna di indice j j Typeset by AMS-TEX

2 2 6 DETERMINANTI La Formula (6) viene detta sviluppo di Laplace secondo la prima riga mentre il numero A i,j introdotto nella Definizione 6 viene detto complemento algebrico dell entrata a i,j Si noti che per saper calcolare il determinante di una matrice A k n,n bisogna calcolare n determinanti di matrici d ordine n : poiché ciascuno di essi si ottiene calcolando n determinanti di matrici quadrate d ordine n 2, il determinante di A si ottiene calcolando n(n ) determinanti di matrici quadrate d ordine n 2 Iterando questo ragionamento concludiamo che per calcolare il determinante di una matrice A k n,n è necessario moltiplicare n! n (n ) (n 2) 2 determinanti di matrici quadrate d ordine (cioè entrate di A) e sommarli dopo averli moltiplicati per un opportuna potenza di Da quanto osservato si deduce, perciò, che il calcolo di un determinante diviene sempre più oneroso quando l ordine della matrice quadrata cresce: per calcolare il deteminante di una matrice quadrata d ordine n 2,,, 5, bisogna fare rispettivamente 2! 2,! 6,! 2, 5! 20, prodotti e sommarli (algebricamente) Diamo alcuni esempi di determinanti di matrici quadrate d ordine n 2 piccolo Esempio 6 Si consideri una matrice quadrata generale d ordine 2, diciamo a, a,2 a 2, a 2,2 Risulta concludiamo che Per esempio A, ( ) + det(a 2,2 ) a 2,2, A,2 ( ) +2 det(a 2, ) a 2, : a, a,2 a 2, a 2,2 a,a, + a,2 A,2 a, a 2,2 a,2 a 2, 2 i ( i) 0 + 2i 2i, , 2 2 ( ) 2 ( 2) + 0 Per esercizio calcolare i seguenti determinanti e confrontarli con i determinanti calcolati sopra: 2, 2, 2 / / 2 2,

3 LEZIONE 6 Esempio 65 Si consideri una matrice quadrata generale d ordine, diciamo a, a,2 a, a 2, a 2,2 a 2, a, a,2 a, Risulta A, ( ) + a 2,2 a 2, a,2 a, a 2,2a, a 2, a,2, A,2 ( ) +2 a 2, a 2, a, a, a 2,a, + a 2, a,, A, ( ) + a 2, a 2,2 a, a,2 a 2,a,2 a 2,2 a, : concludiamo che a, a,2 a, a 2, a 2,2 a 2, a, a,2 a, a,a, + a,2 A,2 + a, A, a, (a 2,2 a, a 2, a,2 )+ + a,2 ( a 2, a, + a 2, a, ) + a, (a 2, a,2 a 2,2 a, ) (65) Per esempio si consideri la matrice Si ha a, a 2,2 a, + a,2 a 2, a, + a, a 2, a,2 + a, a 2,2 a, a, a 2, a,2 a,2 a 2, a, A det(a) ( ) ( ) La Formula (65) viene spesso chiamata regola di Sarrus: è importante osservare che essa può essere applicata solo per il calcolo del determinante di matrici quadrate di ordine Il segno per cui bisogna moltiplicare il determinante della sottomatrice ottenuta da A cancellando la riga di indice i e la colonna di indice j, nel calcolo di A i,j, può essere ricordato con il seguente semplice trucco mnemonico: alla matrice a, a,2 a, a, a 2, a 2,2 a 2, a 2, A a, a,2 a, a, a, a,2 a, a,

4 62 PROPRIETÀ DEL DETERMINANTE si può associare la matrice di segni Per determinare il segno ( ) i+j basta, allora, guardare l entrata di posizione (i, j) della matrice dei segni! Osservazione 66 In base alla definizione, se A (a i,j ) i,j n k n,n è triangolare inferiore, il calcolo del suo determinante si riduce al prodotto delle entrate sulla diagonale Infatti a, a a 2, a 2, ,2 0 0 a a, a,2 a, 0,2 a, 0 a, a a n, a n,2 a n, a n,2 a n, a n,n n,n a, 0 a, a 2,2 a, a 2,2 a, a n,n a n, a n,n Per esempio ( 5) /5 7 π /5 Ciò vale anche per le matrici diagonali: in particolare det(i n ) 62 Proprietà del determinante I determinanti non si calcolano quasi mai, soprattutto applicando il metodo di Laplace: infatti in questo caso si devono fare n! somme di prodotti di n entrate della matrice, un numero che cresce velocemente con il crescere di n Si noti che tale complessità decresce con l aumentare del numero di entrate nulle della matrice Si preferisce, perciò, utilizzare un altro metodo che si basa sul buon comportamento dei determinanti rispetto alle operazioni elementari di riga (si veda la proposizione seguente di cui omettiamo la dimostrazione) e che descriveremo in questo paragrafo Proposizione 62 Sia A k n,n, k R, C Valgono le seguenti proprietà (DR) Se A è ottenuta da A sommando ad una riga un multiplo di un altra, det(a ) det(a) (DR2) Se A è ottenuta da A moltiplicando una riga per una costante α k, det(a ) α det(a) (DR) Se A è ottenuta da A scambiando due righe diverse, det(a ) det(a)

5 LEZIONE 6 5 La Proprietà (DR) ci permette di sviluppare il determinante di una qualsiasi matrice A (a i,j ) i,j n k n,n, k R, C, invece che secondo la prima riga, secondo una riga qualsiasi Si può, perciò, parlare dello sviluppo di Laplace secondo la riga di indice i dato dalla formula det(a) a i, A i, + a i,2 A i,2 + + a i,n A i,n n a i,j A i,j Esempio 622 Quanto visto nell Osservazione 66 può essere esteso anche a matrici triangolari superiori Infatti, ad ogni passo, basta sviluppare il determinante secondo l ultima riga, cioè ancora j a, a,2 a, a,n 0 a 2,2 a 2, a 2,n 0 0 a, a,n a, a 2,2 a, a n,n a n,n Per esempio Continuando con le proprietà notevoli dei determinanti si ha la seguente Proposizione 62 Sia A k n,n, k R, C Allora det( t A) det(a) Poiché ogni operazione elementare di riga su t A equivale ad un analoga operazione elementare di colonna su A, dalle Proposizioni 62 e 62 segue subito la seguente Proposizione 62 Sia A k n,n, k R, C Valgono le seguenti proprietà (DC) Se A è ottenuta da A sommando ad una colonna un multiplo di un altra, det(a ) det(a) (DC2) Se A è ottenuta da A moltiplicando una colonna per una costante α k, det(a ) α det(a) (DC) Se A è ottenuta da A scambiando due colonne diverse, det(a ) det(a) In particolare è possibile sviluppare il determinante di A (a i,j ) i,j n k n,n, invece che secondo una riga, secondo una colonna qualsiasi Quindi si può parlare sviluppo di Laplace secondo la colonna di indice j dato dalla formula det(a) a,j A,j + a 2,j A 2,j + + a n,j A n,j n a i,j A i,j i

6 6 62 PROPRIETÀ DEL DETERMINANTE L idea generale per calcolare il determinante di una matrice quadrata A k n,n è la seguente Si trasforma prima A in A, matrice ridotta per righe, con operazioni elementari E A questo punto si trasforma A in A, matrice triangolare superiore, con scambi di colonna: se si devono operare h di tali scambi si ha det(a) det(a ) ( ) h det(a ), in forza delle Proposizioni 62 e 62 Si noti che, per la generica matrice A k n,n, tale metodo permette di ridurre il numero di operazioni da n n! a circa 2n / Illustriamo questa tecnica con un esempio Esempio 625 Si consideri la matrice quadrata d ordine dell Esempio 52 Si ha R R +R C 2 C ( ) R R R C C ( )2 ( ) 2 2 Anche la Proprietà (DR) ha un importante conseguenza Si consideri una matrice A (a i,j ) i,j n k n,n, ed indichiamo con R i la sua riga di indice i, cioè la matrice R i ( a i, a i,2 a i,n ) Supponiamo, per semplicità, che esistano α,, α n k tali che o R n α R + + α n R n Allora con operazioni elementari di riga E della forma A R n R n α R α n R n A si ottiene una nuova matrice A avente la riga di indice n nulla: sviluppando il determinante secondo l ultima riga si ottiene allora det(a) det(a ) 0 Un discorso analogo vale sostituendo nel ragionamento sopra la parola riga con la parola colonna ed utilizzando la Proprietà (DC) Esempio 626 Si consideri la matrice A /5 2 π Poiché le colonne C j di A sono legate dalla relazione C 2 7C + 0C segue da quanto visto sopra che det(a) 0 Per esercizio si verifichi la nullità di det(a) calcolandolo con uno qualsiasi dei metodi sopra descritti Un altra applicazione interessante della Proposizione 62 è il calcolo, illustrato nel prossimo esempio, dei cosiddetti determinanti di matrici di Vandermonde o, più semplicemente, determinanti di Vandermonde

7 LEZIONE 6 7 Esempio 627 Siano dati i numeri x, x 2,, x n k: definiamo matrice di Vandermonde relativa a x, x 2,, x n la matrice x x 2 x n 2 x n x 2 x 2 2 x n 2 2 x n 2 x x 2 x n 2 x n V (x, x 2,, x n ) x n x 2 n x n 2 n xn n x n x 2 n x n 2 n x n n Per determinare la formula generale che esprime il determinante di V (x, x 2,, x n ), detto determinante di Vandermonde relativo a x, x 2,, x n in funzione dei numeri x, x 2,, x n si può procedere i con operazioni elementari Per esempio sia n Allora: x x 2 0 V (x, x 2, x, x ) C C x C x 2 x 2 2 x 2 x x 2 2 x x 2 x x x 2 x x 2 x x x 2 x x 2 0 x 2 x 2 2 (x 2 x )x 2 2 C C x C x x 2 (x x )x 2 2 x x 2 (x x )x 2 x 0 0 x 2 (x 2 x )x 2 (x 2 x )x 2 2 C 2 C 2 x C x (x x )x 2 (x x )x 2 x (x x )x 2 (x x )x x 2 x (x 2 x )x 2 (x 2 x )x 2 2 x x (x x )x 2 (x x )x 2 x x (x x )x 2 (x x )x 2 x 2 x (x 2 x )x 2 (x 2 x )x 2 2 x x (x x )x (x x )x 2 x x (x x )x (x x )x 2 x 2 x 2 2 (x 2 x )(x x )(x x ) x x 2 x x 2 L ultimo determinante è ancora di Vandermonde, precisamente è V (x 2, x, x ) ma, di dimensione più piccola, cioè n Ripetendo il ragionamento otteniamo alla fine che V (x, x 2, x, x ) (x 2 x )(x x )(x x )(x x 2 )(x x 2 )(x x )

8 8 6 ANCORA SULL INVERSA DI MATRICI In generale lo stesso procedimento permette di dimostrare la seguente formula (627) det(v (x, x 2,, x n )) (x i x j ) Per esempio i,j,,n i>j det(v (, 2, 2,, 0)) (2 )( 2 )( )( )( 2 2)( 2)( 2)( + 2)(2)() 288 Si noti che la Formula (627) permette di affermare che det(v (x, x 2,, x n )) 0 se e solo se gli x, x 2,, x n non sono tutti distinti Infatti un implicazione è chiara a partire dalla definizione di det(v (x, x 2,, x n )), mentre per l altra bisogna necessariamente fare uso della Formula (627) per dimostrarla 6 Ancora sull inversa di matrici Illustreremo in questo paragrafo il legame fra la nozione di determinante, di invertibilità e di inversa di una matrice quadrata A k n,n Iniziamo con un altro importante risultato, di cui omettiamo la dimostrazione, il Teorema di Binet Proposizione 6 Siano A, B k n,n, k R, C Allora det(ab) det(a) det(b) In generale, non è vero che det(a + B) det(a) + det(b) Per esempio siano E,, E 0 0 2,2 0 Chiaramente det(e, ) det(e 2,2 ) 0 e det(e, + E 2,2 ) det(i 2 ) : in particolare det(e, ) + det(e 2,2 ) det(e, + E 2,2 ) Definizione 62 Sia A (a i,j ) i,j n k n,n, k R, C Definiamo aggiunta di A la matrice à la cui entrata di posizione (i, j) è il complemento algebrico A j,i dell entrata a j,i Si consideri il prodotto B Aà La sua entrata b i,j di indice (i, j) è il prodotto della riga i di A per la colonna di indice j di Ã, cioè b i,j ( a i, a i,2 a i,n ) A j, A j,2 A j,n a i, A j, + a i,2 A j,2 + + a j,n A i,n

9 LEZIONE 6 9 Se i j la Formula (622) implica che b i,i det(a) Consideriamo poi l entrata b i,j con i j: per fissare le idee scegliamo i 2 e j (gli altri casi sono analoghi) Si ha b 2, a 2, A, + a 2,2 A,2 + a 2,2 a 2, a 2, a 2, a 2, ( ) + a,2 a, + a 2,2 ( ) 2+ a, a, + a 2, a 2,2 a 2, a 2, a 2,2 a 2, R R R 2 a 2, a 2,2 a 2, a, a,2 a, a, a,2 a, 0 Concludiamo che { det(a) se i j (6) b i,j 0 se i j Procedendo in maniera simile, utilizzando la Formula (6), otteniamo anche che B ÃA det(a)i n, ovvero abbiamo dimostrato la seguente Proposizione 6 Sia A k n,n, k R, C Allora (6) Aà ÃA det(a)i n Esempio 65 Consideriamo la matrice dell Esempio 52 A Allora A,, A,2, A,, A 2, 5, A 2,2, A 2,, A,, A,2, A,, quindi à 5 Si verifichi direttamente che Aà ÃA 2I L importanza della precedente proposizione risiede nel suo Corollario 66 Sia A k n,n, k R, C Allora A è invertibile se e solo se det(a) 0 In tal caso det(a ) / det(a) e (66) A det(a)ã

10 0 6 IL METODO DI CRAMER Dimostrazione Supponiamo che A sia invertibile Ciò significa l esistenza della matrice inversa A che, come sappiamo, soddisfa la relazione AA I n Calcolando il determinante di ambo i membri di tale relazione, dalla Proposizione 6 segue che det(aa ) det(a) det(a ), dunque det(a) 0 e si ha det(a ) / det(a) Viceversa sia det(a) 0 Allora la Formula (6) ci permette di affermare che A det(a)ã det(a) AÃ det(a) (det(a)i n) I n : abbiamo perciò dimostrato che A è invertibile e che vale la Formula (66) Esempio 67 Consideriamo nuovamente la matrice dell Esempio 52 nell Esempio 6 la sua aggiunta è Ã 5, quindi /2 5/2 /2 A /2 /2 /2, /2 /2 /2 Come visto che coincide con quanto ottenuto nell Esempio 52 risolvendo l equazione AX I 6 Il metodo di Cramer Consideriamo un sistema di Cramer, ovvero un equazione AX B con A k n,n invertibile Sappiamo che tale equazione ha come unica soluzione la matrice X A B Supponiamo ora che B k n,, ovvero che l equazione AX B sia, di fatto, un sistema Sia X t ( x x 2 x n ): il fatto che tale matrice sia soluzione significa che vale l identità di matrici numeriche x C + x 2 C x n C n B ove, come già fatto in precedenza, indichiamo con C j la colonna j esima di A, cioè C j t ( a,j a 2,j a n,j ) Sia A j la matrice ottenuta da A sostituendo a C j la matrice B Si noti che sottraendo alla colonna j esima di A j le matrici x j C h per h,, n ed h j, otteniamo una matrice Âj che ha tutte le colonne uguali a quelle di A tranne la j esima che coincide con x j C j Tenendo conto della Proposizione 62 (precisamente di (DC) e (DC2)) segue che det(a j ) x j det(a)

11 LEZIONE 6 Proposizione 6 Siano A k n,n invertibile, B k n,, k R, C Sia poi det(a) e j il determinante della matrice ottenuta da A sostituendo alla colonna j esima la colonna B Allora il sistema AX B ha come unica soluzione la matrice t ( 2 n ) Esempio 62 Riprendiamo l Esempio 52 Come visto nell Esempio 65 si ha δ det(a) 2 Inoltre , , Quindi l unica soluzione del sistema x y z 2 è

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

LEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.

LEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A. LEZIONE 4 4 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

Dettagli

Lezione Determinanti

Lezione Determinanti 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

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

VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI

VETTORI 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

Dettagli

CORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6

Dettagli

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

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

Dettagli

A =, c d. d = ad cb. c d A =

A =, 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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI 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

Dettagli

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

LEZIONE 4. { x + y + z = 1 x y + 2z = 3 LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.

Dettagli

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

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

LEZIONE 5. AX = 0 m,1.

LEZIONE 5. AX = 0 m,1. LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,

Dettagli

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

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

Dettagli

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

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

determinante della sottomatrice ottenuta da A cancellando la i-esima riga e la j-esima colonna

determinante della sottomatrice ottenuta da A cancellando la i-esima riga e la j-esima colonna Data una matrice quadrata A di ordine n si definisce minore complementare m ij dell elemento generico a ij della matrice A il determinante della sottomatrice ottenuta da A cancellando la i-esima riga e

Dettagli

Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica

Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 19 - Determinante Anno Accademico 2015/2016 M. Tumminello,

Dettagli

Capitolo 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 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

Dettagli

Determinante, autovalori e autovettori

Determinante, autovalori e autovettori Determinante, autovalori e autovettori Lorenzo Pareschi Dipartimento di Matematica, Universitá di Ferrara http://wwwlorenzopareschicom lorenzopareschi@unifeit Lorenzo Pareschi (Univ Ferrara) Determinante,

Dettagli

APPLICAZIONI. Im f = {b B a A tale che f (a) = b}.

APPLICAZIONI. 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

Dettagli

Argomento 12 Matrici

Argomento 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

Dettagli

CORSO 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 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

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

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

Geometria BAER I canale Foglio esercizi 2

Geometria 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

Dettagli

LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.

LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1. LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka

Dettagli

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta

Dettagli

, 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

, 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

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

a a 1n A = a n1... a nn a 11 x a 1n x n = b 1 a n1 x a nn x n = b n ] sono determinati. 2- La matrice A = [ a ij

a a 1n A = a n1... a nn a 11 x a 1n x n = b 1 a n1 x a nn x n = b n ] sono determinati. 2- La matrice A = [ a ij Recupero. 2, Determinanti. 1. Determinanti Consideriamo una matrice A = a 11... a 1n.. a n1... a nn quadrata di ordine n ad elementi in R. Sappiamo che sono equivalenti la affermazioni 1- tutti i sistemi

Dettagli

Lo scopo della teoria dei determinanti è di definire una funzione. det : M n R. sia calcolabile facendo somme e prodotti delle entrate delle matrici

Lo scopo della teoria dei determinanti è di definire una funzione. det : M n R. sia calcolabile facendo somme e prodotti delle entrate delle matrici Determinanti 1 / 44 Lo scopo della teoria dei determinanti è di definire una funzione det : M n R chiamata determinante tale che: sia calcolabile facendo somme e prodotti delle entrate delle matrici det(a)

Dettagli

G. Parmeggiani, 17/5/2018 Algebra Lineare, a.a. 2017/2018, numero di MATRICOLA PARI

G. 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

Dettagli

1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare:

1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare: 5 NOVEMBRE 2009 Esempio: Risolviamo il sistema: 3x + 2y + 4z = 1 2x y + z = 0 x + 2y + 3z = 1 1 2 4 3 1 4 3 2 1 0 1 1 2 0 1 2 1 0 1 2 3 1 1 3 1 2 1 x =, y =, z = 3 2 4 3 2 4 3 2 4 2 1 1 2 1 1 2 1 1 1 2

Dettagli

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico , Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare

Dettagli

Geometria BAER I canale Foglio esercizi 2

Geometria 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:

Dettagli

Il prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno:

Il prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno: L anello delle matrici Esempio. Siano A = [ ] 0 1 3 0 2 1, B = 1 2 0 0 1 2 3 4, 1 0 calcolare AB e BA. Osservazioni Siano A Mat m,n (K) e B Mat p,q (K). Il prodotto AB è definito se n = p. Si ha AB Mat

Dettagli

Si noti che la matrice trasposta A ha lo stesso determinante. Questa proprietà è generale;

Si 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

Dettagli

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe. Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice

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

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

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango

Dettagli

MATRICI E OPERAZIONI

MATRICI E OPERAZIONI MATRICI E SISTEMI MATRICI E OPERAZIONI Matrici, somma e prodotto (definizioni, esempi, non commutatività del prodotto, legge di annullamento del prodotto Potenze e inverse di matrici quadrate (definizioni

Dettagli

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Dimostrazione 310 Sia W = L(C A ) K Osserviamo che S è una base di W Infatti S è indipendente, inoltre ogni vettore di W dipende

Dettagli

LEZIONE 25. P si dice speciale se det(p ) = 1 non

LEZIONE 25. P si dice speciale se det(p ) = 1 non LEZIONE 5 5.. Matrici ortogonali. Facciamo una breve digressione su un importante famiglia di matrici, quelle ortogonali. Definizione 5... P R n,n si dice ortogonale se t P I n. Prima di dare esempi di

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 3. Typeset by AMS-TEX LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni

Dettagli

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

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

Dettagli

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

4 Autovettori e autovalori

4 Autovettori e autovalori 4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità

Dettagli

Lezione Diagonalizzazione di matrici

Lezione Diagonalizzazione di matrici Lezione 2 2. Diagonalizzazione di matrici Come visto nella precedente lezione, in generale, data una matrice A 2 K n,n con K = R, C,nonèimmediatocheesistasempreunabasecostituitadasuoiautovettori. Definizione

Dettagli

Determinante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:

Determinante. 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

Dettagli

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X), LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con

Dettagli

a.a MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI

a.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,

Dettagli

Elementi di Algebra Matriciale. (richiami)

Elementi di Algebra Matriciale. (richiami) Elementi di Algebra Matriciale Definizione di matrice (richiami) Matrice quadrata, diagonale, identità, triangolare, simmetrica Matrice trasposta Principali operazioni su matrici e vettori: somma, sottrazione,

Dettagli

Corso di Calcolo Numerico

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

Dettagli

Matrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer

Matrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer Sistemi lineari Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer 2 2006 Politecnico di Torino 1 Prodotto tra matrici quadrate Date comunque A e B matrici quadrate

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

Il determinante. a11 a A = 12 a 21 a 22

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

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

APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a

APPUNTI 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

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

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

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

UNIVERSITÀ 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 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

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

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

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

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 27-28 ii Istruzioni per l uso Faremo spesso riferimento a ciò che è stato

Dettagli

Note 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 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

Dettagli

Argomento 13 Sistemi lineari

Argomento 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

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

Elementi di Algebra Lineare Il determinante

Elementi di Algebra Lineare Il determinante Elementi di Algebra Lineare Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 17 index 1 2 Sottomatrici e minori Cristina Turrini (UNIMI - 2015/2016)

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

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 12. v = α 1 v α n v n = LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono

Dettagli

UNIVERSITÀ 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 UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema

Dettagli

Algebra delle matrici

Algebra 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

Dettagli

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 3. Sistemi di equazioni lineari

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 3. Sistemi di equazioni lineari Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 3 Sistemi di equazioni lineari Siano m, n N \ {}, sia K un campo Definizione a) Un sistema

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

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo

Dettagli

il determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij

il 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

Dettagli

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.

Dettagli

DETERMINANTE DI MATRICI QUADRATE

DETERMINANTE DI MATRICI QUADRATE DETERMINANTE DI MATRICI QUADRATE Definizioni e Proprietà 12 Novembre 2015 Pietro Pennestrì pennestri1694905@studentiuniroma1it Università di Roma Sapienza SOMMARIO 1 Introduzione 11 Cenni Storici 12 Definizione

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

1.1 Matrici a coefficienti in R. Vi sono alcuni casi particolari che vale la pena evidenziare:

1.1 Matrici a coefficienti in R. Vi sono alcuni casi particolari che vale la pena evidenziare: Lezione Matrici a coefficienti in R Definizione Siano m, n Z numeri interi positivi Una matrice m n acoefficientiinrèuninsiemedimn numeri reali disposti su m righe ed n colonne circondata da parentesi

Dettagli

Lezione Risoluzione di sistemi

Lezione Risoluzione di sistemi Lezione Risoluzione di sistemi Sia AX = B un sistema di equazioni lineari, con la sua matrice completa associate (A B) Per la Proposizione sappiamo di poter trasformare con operazioni elementari di riga

Dettagli

ALGEBRA LINEARE PARTE III

ALGEBRA LINEARE PARTE III DIEM sez Matematica Finanziaria Università degli studi di Genova Dicembre 200 Indice PREMESSA 2 GENERALITA 2 RAPPRESENTAZIONE DI UN SISTEMA LINEARE IN FORMA MATRI- CIALE 2 3 SOLUZIONE DI SISTEMI LINEARI

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

Fattorizzazione QR e matrici di Householder

Fattorizzazione 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

Dettagli

Note sull algoritmo di Gauss

Note 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

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

Determinante e rango

Determinante e rango 1 DETERMINANTE DI UNA MATRICE 1 III-3 Determinante e rango Indice 1 Determinante di una matrice 1 2 Calcolo della matrice inversa 6 3 Calcolo del rango 8 4 Soluzioni degli esercizi 12 1 Determinante di

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

MATRICI e DETERMINANTI. Prof.ssa Maddalena Dominijanni

MATRICI e DETERMINANTI. Prof.ssa Maddalena Dominijanni MATRICI e DETERMINANTI Le matrici non sono altro che tabelle di elementi ordinati per righe e colonne. Se m = n la matrice si dice quadrata Matrice quadrata di ordine 3 Matrice rettangolare di tipo 2 3

Dettagli

Esercizi di Algebra Lineare Determinanti

Esercizi di Algebra Lineare Determinanti Esercizi di Algebra Lineare Determinanti Anna M. Bigatti 3-6 dicembre 2012 Calcolo del determinante Proposizione 1. Alcune proprietà dei determinanti: (a) Il determinante del prodotto è il prodotto dei

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

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

Lezione 11. Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale

Lezione 11. Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale Lezione Somma di matrici Prodotto di una matrice per uno scalare Prodotto di matrici Determinante Sistemi lineari in forma matriciale Matrici. Somma Date due matrici n x m, A = A ij e B = B ij, con i =,,,

Dettagli