LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
|
|
- Giorgio Morini
- 5 anni fa
- Visualizzazioni
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 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliLEZIONE 4. 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
DettagliLezione 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
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 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
DettagliCORSO 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
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
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 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
DettagliLEZIONE 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.
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
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
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliI determinanti. a11 a A = 12 a 21 a 22
I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.
DettagliALGEBRA LINEARE PARTE II
DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI
DettagliLEZIONE 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
Dettaglideterminante 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
DettagliUniversità 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,
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
DettagliDeterminante, autovalori e autovettori
Determinante, autovalori e autovettori Lorenzo Pareschi Dipartimento di Matematica, Universitá di Ferrara http://wwwlorenzopareschicom lorenzopareschi@unifeit Lorenzo Pareschi (Univ Ferrara) Determinante,
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
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
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
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
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
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
DettagliLEZIONE 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
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
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
DettagliMatrici quadrate particolari
Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono
Dettaglia 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
DettagliLo 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)
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
Dettagli1 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
DettagliDeterminante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare
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:
DettagliIl 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
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 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
DettagliDeterminanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici
Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliCorso 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
DettagliMATRICI 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
DettagliContenuti 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
DettagliLEZIONE 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
DettagliLEZIONE 3. Typeset by AMS-TEX
LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
Dettagli08 - Matrici, Determinante e Rango
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.
Dettagli4 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
DettagliLezione 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
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
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
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,
DettagliElementi 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,
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliMatrici e 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
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
DettagliIl 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
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
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
DettagliMatematica II,
Matematica II,.05.04 Diamo qui la nozione di determinante di una matrice quadrata, le sue prime proprieta, e ne deriviamo una caratterizzazione delle matrici non singolari e una formula per l inversa di
DettagliGiuseppe Accascina. Note del corso di Geometria e Algebra
Giuseppe Accascina Note del corso di Geometria e Algebra Corso di Laurea Specialistica in Ingegneria Gestionale Anno Accademico 26-27 ii Istruzioni per l uso Faremo spesso riferimento a ciò che è stato
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
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
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.+
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
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
DettagliGiuseppe Accascina. Note del corso di Geometria e Algebra
Giuseppe Accascina Note del corso di Geometria e Algebra Corso di Laurea Specialistica in Ingegneria Gestionale Anno Accademico 27-28 ii Istruzioni per l uso Faremo spesso riferimento a ciò che è stato
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
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
DettagliEsercitazione 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
DettagliElementi 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
. 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
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 B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
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
DettagliCorso 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
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 )
DettagliLEZIONE 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
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
DettagliLEZIONE 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.
DettagliDETERMINANTE 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
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2011 2012 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.00
Dettagli1.1 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
DettagliLezione 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
DettagliALGEBRA 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
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
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
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 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)
DettagliDeterminante 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
Dettagli08 - Matrici, Determinante e Rango
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 08 - Matrici, Determinante e Rango Anno Accademico 2013/2014 D.
DettagliMATRICI 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
DettagliEsercizi 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
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
DettagliLezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico
Trasformazioni elementari sulle matrici Data una matrice A K m,n definiamo su A le seguenti tre trasformazioni elementari: T : scambiare tra loro due righe (o due colonne) di A; T : sommare ad una riga
DettagliLezione 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