Lezione Determinanti
|
|
- Luciana Castellani
- 4 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 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 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 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
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
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
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
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
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
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 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
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
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
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
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
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.
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
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 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:
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
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
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
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
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,
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,
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,
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
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
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,
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
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
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
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
DettagliMATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m.
MATRICI Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: 11 a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m con a a n1 a n2 a n 3 a nm i j R, 1 i n, 1 j m. per
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
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
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
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
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
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)
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.
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
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
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
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
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
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
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
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
DettagliMatematica 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
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
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)
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.
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
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
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 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
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,
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
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
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
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
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
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
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
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
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliMatematica 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
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
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
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
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 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
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 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
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
DettagliLezione 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
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
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
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
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 )
Dettagli0.1. 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
DettagliOperazioni 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
DettagliSistemi 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)
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
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
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
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
DettagliFederica 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 +
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliEsercitazione 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
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)
DettagliSISTEMI 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,
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.+
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
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
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
Dettagli