Lezione Determinanti

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Lezione Determinanti"

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 e omettendo quasi tutte le dimostrazioni Definizione 6 (Sottomatrici) Siano K = R, C, A =(a i,j ) 6i6m 2 K m,n una 6j6n matrice e p, q 2 Z due interi positivi tali che 6 p 6 m e 6 q 6 n Una sottomatrice p q di A èunamatriceink p,q ottenuta da A considerando solo le entrate che si trovano all intersezione di p righe e q colonne In alternativa una sottomatrice p q può essere pensata come ottenuta da A cancellando m p righe e n q colonne fissate Esempio 62 Si consideri la matrice 2 3 A = 2 C 2,3 i 3 Le sottomatrici 2 2 di A sono 2, i 3, i Invece la matrice 2 3 i 3 non è sottomatrice di A Si consideri poi la matrice B 2/5A 2 R 3,3 5 5 Le sottomatrici 2 3 di B sono, 2/5, 5 5 2/

2 46 Daremo adesso una definizione induttiva del determinante Definizione 63 (Determinante) Sia K = R, C e A =(a i,j ) 6i,j6n 2 K n,n una matrice quadrata Il determinante di A èilnumerodik, indicatocondet(a) o A, definitocome segue Se n =, det(a, )=a, Se n > 2, det(a) =a, A, + a,2 A,2 + + a,n A,n = nx a,j A,j, (6) ove A i,j indica il prodotto di ( ) i+j per il determinante della sottomatrice ottenuta da A cancellando la riga di indice i elacolonnadiindicej La formula (6) viene detta sviluppo di Laplace secondo la prima riga, mentre il numero A i,j viene detto complemento algebrico o cofattore dell entrata a i,j Osserviamo che il costo computazionale del calcolo di un determinante diviene sempre più oneroso man mano l ordine della matrice quadrata cresce: infatti per calcolare il determinante di una matrice A 2 K n,n bisogna calcolare n determinanti di matrici d ordine n, eperciascunodiessin determinanti di matrici quadrate d ordine n 2, ecosìvia Intotalequindipercalcolareildeterminantediunamatrice A 2 K n,n ènecessariomoltiplicare 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 Diamo alcuni esempi di determinanti di matrici quadrate di dimensione piccola Esempio 64 Si consideri una matrice quadrata generale di dimensione 2 a, a A =,2 a 2, a 2,2 Calcolando i cofattori risulta A, =( ) + det(a 2,2 )=a 2,2 e A,2 =( ) +2 det(a 2, )= a 2,, quindi concludiamo che det(a) = a, a,2 a 2, a 2,2 = a, A, + a,2 A,2 = a, a 2,2 a,2 a 2, Per esempio, calcoliamo 2 i j= = 2 ( i) =+2i =2i,

3 = 2 4= 8= 7, = ( 4) 2 ( 2) = 4+4= Si consideri adesso una matrice quadrata generale di dimensione 3 a, a,2 a,3 A a 2, a 2,2 a 2,3 A a 3, a 3,2 a 3,3 Calcolando i cofattori risulta A, =( ) + a 2,2 a 2,3 a 3,2 a 3,3 = a 2,2 a 3,3 a 2,3 a 3,2, A,2 =( ) +2 a 2, a 2,3 a 3, a 3,3 = a 2, a 3,3 + a 2,3 a 3,, Concludiamo che A,3 =( ) +3 a 2, a 2,2 a 3, a 3,2 = a 2, a 3,2 a 2,2 a 3, A = quindi a, a,2 a,3 a 2, a 2,2 a 2,3 = a, A, + a,2 A,2 + a,3 A,3 a 3, a 3,2 a 3,3 = a, (a 2,2 a 3,3 a 2,3 a 3,2 )+a,2 ( a 2, a 3,3 + a 2,3 a 3, )+a,3 (a 2, a 3,2 a 2,2 a 3, ), A = a, a 2,2 a 3,3 + a,2 a 2,3 a 3, + a,3 a 2, a 3,2 (62) a,3 a 2,2 a 3, a, a 2,3 a 3,2 a,2 a 2, a 3,3 Per esempio, consideriamo la matrice A dell Esempio 5 Si ha = +2 2+( ) 3 ( ) = = 2 La formula (62) viene spesso chiamata regola di Sarrus ed esiste un metodo per ricordarsela, che consiste nel ricopiare le prime due colonne della matrice sulla destra in questo modo: a, a,2 a,3 a, a 2, a 2,2 a 2,3 a 3, a 3,2 a 3,3 A a 2, a 2,2 a 3, a 3,2

4 " " " " " 48 quindi calcolare il determinante come la differenza tra la somma dei prodotti dei termini collegati dalle frecce rosse che partono dall alto a sinistra dirette verso il basso a destra, meno la somma dei prodotti dei termini collegati dalle frecce blu che partono dall alto a destra dirette verso il basso a sinistra: a, a,2 a,3 a, a,2 a 2, a 2,2 a 2,3 a 2, a 2,2 " a 3, a 3,2 a 3,3 a 3, a 3,2 Il lettore verifichi che in questo modo si riottiene la formula (62) Attenzione! La regola di Sarrus vale solo per matrici quadrate di ordine 3 Se ad esempio volessimo ripetere il procedimento per matrici 4 4, otterremmouna somma algebrica di otto prodotti Avevamo però già osservato che per calcolare il determinante di una matrice di ordine n ènecessariosommaren! prodotti, e ovviamente 4! = 24 èbenpiùgrandedi8 Un altro aiuto mnemonico riguarda il segno per cui bisogna moltiplicare il determinante della sottomatrice cofattore (i, j) nel calcolo di A i,j :allamatrice si può associare la matrice di segni a, a,2 a,3 a,4 a 2, a 2,2 a 2,3 a 2,4 A = a 3, a 3,2 a 3,3 a 3,4 a 4, a 4,2 a 4,3 a 4,4 C A , + + C A così per determinare il segno ( ) i+j èsufficienteguardarelacorrispondenteentrata di posizione (i, j) della matrice dei segni Osservazione 65 In base alla definizione, se A =(a i,j ) 6i,j6n 2 K n,n ètriangolare inferiore, il calcolo del suo determinante si riduce al prodotto delle entrate sulla

5 49 diagonale Infatti a, a 2, a 2,2 a 3, a 3,2 a 3,3 a n, a n,2 a n,3 a n,n a 2,2 a 3,2 a 3,3 = a, a n,2 a n,3 a n,n a 3,3 = a, a 2,2 = = a, a 2,2 a 3,3 a n,n a n,3 a n,n Per esempio 3 p /5 =3 ( 5) /5 = Ciò vale anche per le matrici diagonali, e in particolare det(i n )= 62 Proprietà del determinante Per semplificare il calcolo del determinante è utile un metodo che si basa sul buon comportamento dei determinanti rispetto alle operazioni elementari di riga e che descriveremo in questo paragrafo Proposizione 66 Sia K = R, C SeA 2 K n,n,valgonoleseguentiproprietà: (DR) se A èottenutadaa sommando ad una riga un multiplo di un altra, si ha che det(a ) = det(a); (DR2) se A èottenutadaa moltiplicando una riga per una costante 2 K, siha che det(a )= det(a); (DR3) se A èottenutadaa scambiando due righe diverse, si ha che det(a ) = det(a) Osserviamo che la proprietà (DR3) ci permette di sviluppare il determinante della matrice A =(a i,j ) 6i,j6n 2 K n,n 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 = nx a i,j A i,j j= Esempio 67 Quanto visto nell Osservazione 65 può essere esteso anche a matrici triangolari superiori, è sufficiente sviluppare il determinante secondo l ultima riga, invece che secondo la prima

6 5 Per esempio = Continuando con le proprietà notevoli dei determinanti si ha la seguente proposizione Proposizione 68 Sia K = R, C SeA 2 K n,n,alloradet( 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 66 e 68 segue subito il seguente risultato Proposizione 69 Sia K = R, C SeA 2 K n,n,valgonoleseguentiproprietà: (DC) se A èottenutadaa sommando ad una colonna un multiplo di un altra, si ha che det(a )=det(a); (DC2) se A èottenutadaa moltiplicando una colonna per una costante 2 K, si ha che det(a )= det(a); (DC3) se A èottenutadaa scambiando due colonne diverse, si ha che det(a )= det(a) Osserviamo che i risultati delle proposizioni precedenti implicano in particolare che è possibile sviluppare il determinante di A =(a i,j ) 6i,j6n 2 K n,n,secondouna colonna qualsiasi Quindi si può parlare di 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 = nx a i,j A i,j j= L idea generale per calcolare il determinante di una matrice quadrata A 2 R n,n è la seguente Prima si trasforma con operazioni elementari di tipo (E) A in A, matrice ridotta per righe Poi si trasforma con scambi di colonna A in A,matrice triangolare superiore; se si devono operare h di tali scambi si ha det(a) =det(a )= ( ) h det(a ), in forza delle Proposizioni 66 e 69 Si noti che, per la generica matrice A 2 K n,n,talemetodopermettediridurreil numero di operazioni da n n! acirca2n 3 /3 Illustriamo questa tecnica con un esempio

7 Esempio 6 Si consideri la matrice quadrata di dimensione 3 dell Esempio 64 Possiamo ripetere il calcolo del determinante osservando che R 3!R 3 +R ========= C $C ====== R 3!R 3 3R ========= 2 2 C 2 $C 3 ====== ( ) =( ) 2 ( ) 2= 2 Osserviamo che anche la proprietà (DR) ha un importante conseguenza: consideriamo A =(a i,j ) 6i,j6n 2 K n,n,edindichiamoconr 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,, n 2 K tali che l ultima riga si scrive come R n = R + + n R n Allora con operazioni elementari di riga (E) della forma A Rn!Rn R 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 )= Un discorso analogo vale sostituendo nel ragionamento sopra la parola riga con la parola colonna ed utilizzando la proprietà (DC) Un caso ancor più particolare è quello in cui la matrice di cui dobbiamo calcolare il determinante ha due righe o due colonne uguali; allora le Proposizioni 66 e 69 ci dicono subito che tale determinante è necessariamente nullo Esempio 6 Si consideri la matrice 7 2 A 7 7/35A p 2 34 Poiché le colonne C j di A sono legate dalla relazione C 2 = 7C +C 3 segue da quanto visto sopra che det(a) = Per esercizio si verifichi la nullità di det(a) calcolandolo con uno qualsiasi dei metodi sopra descritti Esempio 62 (Determinante di Vandermonde) Un altra applicazione interessante della Proposizione 66 è il calcolo dei cosiddetti determinanti di matrici di Vandermonde o, più semplicemente, determinanti di Vandermonde, che si utilizzano nel contesto dell interpolazione polinomiale

8 52 Dati x,x 2,,x n 2 R, lamatrice di Vandermonde relativa a x,x 2,,x n è x x 2 x n 2 x n x 2 x 2 2 x n 2 2 x n 2 x 3 x 2 3 x n 3 2 x n 3 B x n x 2 n x n n 2 x n n A x n x 2 n x n n 2 x n n Il determinante della matrice di Vandermonde è detto determinante di Vandermonde relativo a x,x 2,,x n esidenotaconv (x,x 2,,x n );percalcolarloinfunzione dei numeri x,x 2,,x n si può procedere con operazioni elementari Per esempio se n =4,allora x x2 V (x,x 2,x 3,x 4 ) C 4!C 4 x C ========== 3 x 2 x 2 2 x 3 2 x x 2 2 x 3 x 2 3 x 3 3 x x 2 3 x 4 x 2 4 x 3 4 x x 2 4 x C 3!C 3 x C ========== 2 = x x 2 x 2 x 2 2 (x 2 x )x 2 2 x 3 x 2 3 (x 3 x )x 2 3 x 4 x 2 4 (x 4 x )x 2 4 x 2 (x 2 x )x 2 (x 2 x )x 2 2 x 3 (x 3 x )x 2 (x 3 x )x 2 3 x 4 (x 4 x )x 2 (x 4 x )x 2 4 C 2!C 2 x C ========== x 2 x (x 2 x )x 2 (x 2 x )x 2 2 x 3 x (x 3 x )x 2 (x 3 x )x 2 3 x 4 x (x 4 x )x 2 (x 4 x )x 2 4 = x 2 x (x 2 x )x 2 (x 2 x )x 2 2 x 3 x (x 3 x )x 3 (x 3 x )x 2 3 x 4 x (x 4 x )x 4 (x 4 x )x 2 4 =(x 2 x )(x 3 x )(x 4 x ) x 2 x 2 2 x 3 x 2 3 x 4 x 2 4 L ultimo determinante è ancora di Vandermonde, precisamente è V (x 2,x 3,x 4 ) ma di dimensione più piccola, cioè n =3Ripetendoilragionamentootteniamoalla fine che V (x,x 2,x 3,x 4 )=(x 2 x )(x 3 x )(x 4 x )(x 3 x 2 )(x 4 x 2 )(x 4 x 3 ) In generale lo stesso procedimento induttivo permette di dimostrare la formula V (x,x 2,,x n )= Y i,j=,,n i>j (x i x j ) (62)

9 53 Per esempio abbiamo = V (, 2, 2,, ), quindi V (, 2, 2,, ) =(2 )( 2 )( )( )( 2 2)( 2)( 2)( +2)(2)()=288 Si noti che la formula (62) permette di affermare che V (x,x 2,,x n )=se esoloseglix,x 2,,x n non sono tutti distinti Concludiamo il paragrafo con altro importante risultato: il Teorema di Binet, di cui omettiamo la dimostrazione Proposizione 63 (Teorema di Binet) Sia K = R, C Se A, B 2 K n,n sono matrici quadrate, allora det(ab) =det(a)det(b) Attenzione: det(a + B) 6= det(a)+det(b) Esempio 64 Si considerino le matrici E, = e E 2,2 = Chiaramente det(e, ) = det(e 2,2 ) = e det(e, + E 2,2 ) = det(i 2 ) = ; in particolare det(e, )+det(e 2,2 ) 6= det(e, + E 2,2 ) 63 Ancora sull inversa di matrici In questo paragrafo illustreremo il legame fra la nozione di determinante, di invertibilità e di inversa di una matrice quadrata A 2 K n,n, K = R, C Definizione 65 (Matrice aggiunta) Siano K = R, C e A =(a i,j ) 6i,j6n 2 K n,n una matrice quadrata Definiamo aggiunta di A la matrice adj(a) la cui entrata di posizione (i, j) èil complemento algebrico A j,i dell entrata a j,i Data una matrice A 2 K n,n,consideriamoilprodottodia per la sua aggiunta: B = A adj(a) Perdefinizione,lasuaentratab i,j di indice (i, j) èilprodottodella riga di indice i di A per la colonna di indice j di adj(a), cioè

10 54 b i,j = a i, a i,2 a i,n A j, A j,2 A j,n C A = a i,a j, + a i,2 A j,2 + + a j,n A i,n (63) Se i = j la formula (522) implica che b i,i =det(a) Consideriamo ora l entrata b i,j con i 6= j: per fissare le idee scegliamo i =2e j =(gli altri casi sono analoghi) Si ha b 2, = a 2, A, + a 2,2 A,2 + a 2,2 a 2,3 a 2, a 2,3 = a 2, ( ) + a 3,2 a 3,3 + a 2,2 ( ) 2+ a 3, a 3,3 + = Concludiamo che a 2, a 2,2 a 2,3 a 2, a 2,2 a 2,3 a 3, a 3,2 a 3,3 b i,j = R!R R 2 ========= ( det(a) a 2, a 2,2 a 2,3 a 3, a 3,2 a 3,3 se i = j se i 6= j In maniera simile, utilizzando la formula (63), otteniamo anche che adj(a)a = det(a)i n Abbiamoquindidimostratolaseguenteproposizione Proposizione 66 Sia K = R, C SeA 2 K n,n èunamatricequadrata,allora A adj(a) =adj(a)a =det(a)i n Esempio 67 Consideriamo ancora la matrice dell Esempio 64 (e dell Esempio 6) 2 A A 2 3 Possiamo calcolare quindi A, =, A,2 =, A,3 =, A 2, = 5, A 2,2 =3, A 2,3 = A 3, =, A 3,2 =, A 3,3 =, 5 adj(a) 3 A Si può verificare direttamente che A adj(a) = adj(a)a = 2I 3 =

11 55 Dalla Proposizione 66 otteniamo il seguente importante corollario Corollario 68 Sia K = R, C Se A 2 K n,n èunamatricequadrata,alloraa è invertibile se e solo se det(a) 6= Intalcasosihadet(A )=(det(a)) einoltre A = adj(a) (632) det(a) Dimostrazione Supponiamo che A sia invertibile; cioè che esista la matrice inversa A che, come sappiamo, soddisfa la relazione AA = I n Calcolando il determinante di ambo i membri di tale relazione, dal Teorema di Binet segue che =det(aa )=det(a)det(a ), dunque det(a ) 6= esihadet(a )=(det(a)) Viceversa sia det(a) 6= Allora A det(a) adj(a) = det(a) A adj(a) = det(a) (det(a)i n)=i n, cioè A èinvertibileevalelaformula(632) Esempio 69 Sia ancora una volta A la matrice degli Esempi 5, 64, 6; nell Esempio 67 abbiamo calcolato la sua aggiunta 5 adj(a) 3 A, quindi A /2 5/2 /2 /2 3/2 /2 A, /2 /2 /2 che coincide con quanto avevamo calcolato nell Esempio 5 risolvendo l equazione matriciale AX = I 3 64 Il metodo di Cramer Consideriamo un sistema di Cramer, ovvero un equazione matriciale AX = B con A 2 K n,n matrice invertibile; sappiamo che tale equazione ha come unica soluzione la matrice X = A B Supponiamo ora che B 2 K n,,ovverochel equazione AX = B sia, di fatto, un sistema di equazioni lineari Il fatto che la matrice X = t x x 2 x n sia soluzione significa che vale l identità di matrici numeriche x C + x 2 C x n C n = B dove, come già fatto in precedenza, indichiamo con C j la j esima colonna di A, cioè C j = t a,j a 2,j a n,j

12 56 Sia A j la matrice ottenuta da A sostituendo a C j la matrice B Si noti che sottraendo alla j esima colonna di A j le matrici x j C h per h =,,n ed h 6= j, otteniamo una matrice b A j 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 69 (precisamente di (DC) e (DC2)) segue l uguaglianza det(a j )=x j det(a) Proposizione 62 (Metodo di Cramer) Siano K = R, C, A 2 K n,n una matrice invertibile e B 2 K n, Sia poi =det(a) e j =det(a j ) il determinante della matrice ottenuta da A sostituendo la colonna B alla j esima colonna Allora il sistema AX = B ha come unica soluzione la matrice t 2 n Esempio 62 Si consideri il sistema lineare 2 x 2 A 2A, 2 3 x 3 3 avente come matrice incompleta la matrice A dell Esempio 5 Nell Esempio 64 abbiamo calcolato =det(a) = 2 Inoltre = = 6, 2 = =2, 3 = = Quindi l unica soluzione di tale sistema è 6 2 A A 2

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

LEZIONE 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

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

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

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

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

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

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 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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

= 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

, 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

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

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

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

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

( ) 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

MATRICI. 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: 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Matematica II

Matematica II Matematica II 241110 Matrice inversa 1 Per n 1, l insieme R n n delle matrici quadrate di ordine n diventa l insieme R dei numeri reali, e la moltiplicazione di matrici diventa la moltiplicazione di numeri

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

A titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.

A 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

Dettagli

Matematica II

Matematica II Matematica II 29..0. Somma di due matrici. Siano m ed n due interi positivi fissati. Date due matrici A, B R m n di tipo m n, sommando a ciascun elemento di A il corrispondente elemento di B, si ottiene

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

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

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

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 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

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 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

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

Lezione Operazioni elementari di riga

Lezione Operazioni elementari di riga Lezione 4 4. Operazioni elementari di riga Nella lezione precedente abbiamo visto un metodo per risolvere un sistema lineare la cui matrice dei coefficienti sia fortemente ridotta per righe, o anche solo

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

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A = Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):

Dettagli

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

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

0.1. MATRICI SIMILI 1

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

Dettagli

Operazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3

Operazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3 Operazioni tra matrici Definizione di matrice a ij è un elemento di A a ij è detto l elemento ij-esimo di A Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia

Dettagli

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)

Dettagli

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

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

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

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

Federica Gregorio e Cristian Tacelli

Federica Gregorio e Cristian Tacelli 1 Sistemi lineari Federica Gregorio e Cristian Tacelli Un sistema lineare m n (m equazioni in n incognite) è un insieme di equazioni lineari che devono essere soddisfatte contemporaneamente a 11 x 1 +

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti su Indipendenza Lineare di Vettori Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo

Dettagli

Esercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =

Esercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A = Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice

Dettagli

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

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,

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

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

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

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