Sistemi Lineari II. March 18, 2015
|
|
- Gilberto Salvi
- 4 anni fa
- Visualizzazioni
Transcript
1 Sistemi Lineari II March 18, Operazioni elementari Abbiamo visto nell esempio 1 come sia utile manipolare le equazioni di un sistema senza cambiare le soluzioni del sistema in modo da ottenere un sistema più facile da risolvere Ora svilupperemo questi metodi in modo sistematico È immediato verificare che le seguenti operazioni non cambiano le soluzioni di un sistema lineare: 1) scambiare due equazioni, 2) moltiplicare un equazione per una costante non nulla, 3) sommare un multiplo di una equazione ad un altra equazione Esempio Consideriamo il sistema E 1 : 2x 1 + 4x 2 3x 3 2 E 2 : x 1 3x 2 + 2x 3 3 E 3 : 3x 1 + 5x 2 x 3 1 Chiaramentl sistema E 2 : x 1 3x 2 + 2x 3 3 E 1 : 2x 1 + 4x 2 3x 3 2 E 3 : 3x 1 + 5x 2 x 3 1 ottenuto scambiando la prima e la seconda equazione ha le stesse soluzioni del precedente sistema Stesse soluzioni ha il sistema E 1 : 2x 1 + 4x 2 3x 3 2 3E 2 : 3x 1 9x 2 + 6x 3 9 E 3 : 3x 1 + 5x 2 x 3 1 ottenuto moltiplicando per 3 la seconda equazione Idem per il sistema E 1 : 2x 1 + 4x 2 3x 3 2 E 2 : x 1 3x 2 + 2x 3 3 E 3 + 2E 1 : 7x x 2 7x 3 3 ottenuto sommando alla terza riga la prima moltiplicata per 2 Queste operazioni si traducono in operazioni sulle righe della matrice completa del sistema: R1) scambiare due righe, R2) moltiplicare una riga per una costante non nulla, R3) sommare ad una riga il multiplo di un altra riga Queste operazioni si chiamano operazioni elementari sulle righe di una matrice Più precisamente s i,j : scambiare le righ-esima e j-esima, m i (a): moltiplicare la riga i-esima per lo scalare a 0, a i,j (c): sommare alla riga j-esima la i-esima riga moltiplicata per lo scalare c 1
2 Importante!!! Queste operazioni sono tuttnvertibili: l inversa di s i,j è la stessa s i,j, quella di m i (a) è m i (a 1 ) e quella di a i,j (c) è a i,j ( c) Esempio s1,2 m2(3) a1,3(2) Date due matrici A, B della stessa taglia m n, la matrice B si dice equivalente per righe alla matrice A se B si ottiene applicando ad A un numero finito di operazioni elementari sulle righe Scriveremo A B se B è equivalente per righe ad A Esercizio Dimostrare che è una relazione di equivalenza, ie valgono le seguenti proprietà: proprietà riflessiva: A A, proprietà simmetrica: se A B allora B A, proprietà transitiva: se A B e B C allora A C La dimostrazione dell asserto seguente è immediata ed è lasciata al lettore Teorema Se A e B sono le matrici complete di due sistemi lineari e A è equivalente a B per righe, A B, i due sistemi hanno le stesse soluzioni Nella dimostrazione del Teorema che segue useremo: Definizione Una sottomatrice di una matrice A è la matrice che si ottiene eliminando da A intere righe, intere colonne o entrambe Ad esempio togliendo da A la seconda riga e la seonda e quarta colonna, si ottiene la sottomatrice ( ) A Teorema Ogni matrice è equivalente per righe ad una matrice a scala (per righe) Dim Se A 0 la matrice è a scala Supponiamo A 0 1 Sia la colonna di indice j 1 la prima (a partire da sinistra) colonna non nulla, a partire da sinistra, di A (colonna pivot) Quindi esiste nella colonna j 1 -ma un elemento non nullo che, dopo un eventuale scambio di righe possiamo supporre essere a 1j1 0 2 Per ogni riga di indic > 1, applicando l operazione elementare a 1,i (c) con c a i,j1 /a 1,j1, ottengo una matrice che ha l elemento di posto ij 1 uguale a 0 Quindi ottengo una matrice A 1 equivalente per righe ad A che ha a 1,j1 come primo pivot 3 Consideriamo adesso la sottomatrice A 1 ottenuta da A 1 rimuovendone la prima riga Ripeto su A 1 il procedimento descritto nei punti 1 e 2, ottenendo una matrice equivalente per righe con un secondo pivot, a 2,j2 Reintroducendo in quest ultima la prima riga di A 1 si ottiene una matrice A 2 con due pivot ed equivalente per righe ad A 4 Ripetendo questo procedimento fino a che resta una sottomatrice con le righe tutte nulle, si ottiene una matrice a scala equivalente per righe alla matrice A l Esempio Ridurre a scala (per righe) la seguente matrice A
3 La prima è una colonna non nulla e conviene prendere l elemento di posto 11 come primo pivot: A a1,2( 2) a1,3( 3) La seonda colonna pivot è la terza colonna con pivot a1,3( 3/2) e quest ultima è una matrice a scala con i pivot evidenziati Applicando le operazioni elementari m 2 (1/2) e m 3 ( 1/2) si ottiene la matrice a scala ridotta Esempio Ridurre a scala per righe la seguente matrice A Primo passo: portare un pivot uguale a 1 nel posto (1, 1) Basta scambiare prima e seconda riga A s 1, Secondo passo: mettere degli zeri sotto il pivot della prima colonna a 1,2( 2),a 1,3(4),a 1,4( 2) Terzo passo: cerchiamo di mettere un pivot uguale a 1 nel posto (2, 2) Questo si ottiene p es moltiplicando la seconda riga per 1/3 Siccome le frazioni complicano i calcoli, conviene evitarle, se possibile In effetti lo stesso risultato si ottiene sommando alla seconda riga la terza moltiplicata per a 3,2( 1) Quarto passo: mettere degli zeri sotto il pivot della seconda colonna a 2,3( 2),a 2,4( 2) Quinto passo: mettere un 1 nel posto (3, 3) m 3(1/13)
4 Sesto passo: mettere uno zero sotto il pivot di posto (3, 3) a 3,4( 9) La matrice ottenuta è a scala Non è l unico modo di ottenere da A una matrice a scala Questa tecnica di riduzione sarà ripetutamente usata, è benmpadronirsene 2 Rango di una matrice Definiremo ora una nozione molto importante, sulla quale ritorneremo pi volte Abbiamo osservato che vi è più di un modo per ridurre a scala una data matrice Ad esempio, da una riduzione a scala se ne può ricavare un altra sommando qualche multiplo di una riga ad una riga che le sta sopra Tuttavia, vall seguente teorema che dimostreremo nella sezione sugli spazi vettoriali Teorema Se A e B sono matrici a scala equivalenti per righe e se a 1j1, a 2j2,, a rjr e b 1k1, b 2k2,, b sks sono i pivot di A e B rispettivamente, allora r s (hanno lo stesso numero di righe non nulle) e j 1 k 1, j 2 k 2,, j r k r (i pivot possono non essere uguali ma occupano la stessa posizione) Da questo risultato segue che qualunque sia la riduzione per righe di una matrice, il numero di righe non nulle non cambia, anche se le riduzioni sono diverse Definizione Il numero di righe non nulle di una riduzione a scala per righe di una matrice A si dicl rango della matrice A che denoteremo rango A o anche rg A Ad esempio, la matrice nulla (di taglia qualunque) ha rango 0, perché non ha righe non nulle Negli ultimi due esempi le matrici hanno entrambe rango 3 Osservazionmportante Se A ha taglia m n, allora, rango A m e rango A n: rango A min{m, n} Infatti, il numero delle righe non nulln una riduzione a scala per righe di A è uguale al numero dei pivot nella riduzione e quindi non può essere maggiore del numero delle righe o delle colonne di A 3 Forma canonica per righe Una matrice si dicn forma canonica per righe se 1 è una matrice ridotta a scala per righe, 2 gli elementi di ogni colonna pivot sono tutti uguali a zero trannl pivot (uguale a 1) Da una matrice a scala è facile ottenere una forma canonica equivalente per righe: con operazioni di tipo m i (a) si fanno diventare uguali ad 1 tutti i pivot e con operazioni elementari di tipo a i,j (c) si fanno diventare uguali a zero tutti gli elementi che stanno sopra i pivot Ad esempio a2,1(3) a3,2( 3) a3,1( 11) Quindi ogni matrice ha una riduzione a forma canonica per righe La cosa interessante è che questa riduzione è unica Infatti vall seguente Teorema Ogni matrice è equivalente per righe ad una ed una sola forma canonica per righe che dimostreremo più avanti Per le matrici quadrate di rango massimo (dunque uguale all ordine della matrice) abbiamo un risultato preciso su qual è la loro forma canonica per righe Teorema Una matrice quadrata n n ha rango n se e solo se è equivalente per righe alla matrice 4
5 identica 1 n dim Se A è una matrice n n equivalente per righe alla matricdentica 1 n, che è una matrice a scala per righe con n righe non nulle, la matrice A ha rango n Viceversa, se A ha rango n, dalla definizione di rango segue che una sua qualunque riduzione a scala ha n righe non nulle Segue che tutti i pivot della riduzione sono non nulli e quindi, per quanto visto qui sopra, la forma canonica per righe che si ottiene è la matrice con tutti 1 sulla diagonale e 0 altrove, la matricdentica 1 n 4 Eliminazione gaussiana Dato un sistema lineare Ax b, il metodo di Gauss consiste nel trovare una matrice a scala (B c) equivalente per righe alla matrice completa del sistema (A b), risolvere con il metodo della retro-sostituzionl sistema a scala equivalente Bx c Esempio 1 Risolverl sistema 3x 2y + 2z 9 x 2y + z 5 2x y 2z 1 Riduzione a scala della matrice completa s1, a 3,2( 1) a2,3( 3) a1,2( 3),a1,3( 2) Il sistema corrispondente alla riduzione a scala è x 2y + z 5 y + 3z 5 z 2 m3( 1/13) Questo sistema ha le stesse soluzioni del sistema di partenza Per trovarle usiamo il metodo della retro-sostituzione: z 2, y 5 3z 1, x 5 + 2y z 1 Quindi il sistema ha una sola soluzione: (1, 1, 2) Volendo, si può andare avanti con la riduzione e trovare la forma canonica a2,1(2) a3,2( 3),a3,1( 7) Il sistema equivalente è quindi x 1 y 1 z 2 da cui si legge direttamente la soluzione L utilizzo della forma canonica ha il vantaggio che non richiede la retro-sostituzione Lo svantaggio è che la riduzione a forma canonica richiede un numero maggiore di operazioni elementari rispetto alla riduzione a scala Gli esperti di algoritmi hanno stabilito che costa di meno, è più efficiente, fermarsi alla riduzione a scala seguita dalla retrosostituzione Notare che rango A rango A # numero dellncognite Teorema 1 Sia Ax b un sistema m n Se rango A rango A # rango (A b) n, allora il 5
6 sistema ha una sola soluzione Dim Se rango A rango A # n, allora la riduzione a scala della matrice A porta ad una matrice con n righe non nulle e la matrice completa A # ha la forma p 1 0 p p p n dove p 1, p 2,, p n sono n pivot (quindi tutti 0) e le ultime m n righe sono tutte nulle Quindi si ottiene un sistema triangolarn cui le ultime m n equazioni sono superflue Con il metodo della retro-sostituzione si ricava l unica soluzione del sistema Osserviamo che rango A rango A # perché una riduzione a scala B # di A # comprende una riduzione a scala B di A e quindi il numero di righe non nulle di B # è maggiore o uguale al numero delle righe non nulle di B Segue che, oltre al caso ora visto, le rimanenti possibilità sono: rango A < rango A # o rango A rango A # < n Esempio 2 Risolverl sistema x 1 + x 2 x 3 + x 4 1 2x 1 + 3x 2 + x 3 4 3x 1 + 5x 2 + 3x 3 x 4 5 Riduciamo a scala la matrice completa del sistema: a1,2( 2),a1,3( 3) a2,3( 2) L ultima riga dà l equazione 0 0x 1 + x 2 + 0x 3 + 0x 4 2 e quindi il sistema è incompatibile In questo esempio abbiamo rango A 2 < rango A # 3 Teorema 2 Sia Ax b un sistema m n Se rango A < rango A # rango (A b), allora il sistema non ha soluzioni Dim Se rango A < rango A #, nella riduzione a scala di A # compare una riga il cui primo elemento non nullo p è l elemento dell ultima colonna Questa riga dà un equazione della forma 0x 1 + 0x x n p 0 che non ha soluzioni Segue chl sistema è incompatibile Consideriamo infine l ultimo caso: rango A rango A # < n Esempio 3 Risolverl sistema 5x 1 6x 2 + x 3 4 2x 1 3x 2 + x 3 1 4x 1 3x 2 x 3 5 Riduciamo a scala la matrice completa del sistema: a3,1( 1) m 2(1/3) a2,3( 9) Il sistema associato alla forma a scala è { x 1 3x 2 + 2x 3 1 x 2 x 3 0 a1,2( 2),a1,3( 4)
7 L incognita libera è x 3 e la consideriamo come un parametro x 3 t Dalle equazioni ricaviamo con la retro-sostituzione x t, x x 2 2x (1 + t) 2t 2 + t Segue che l insieme delle soluzioni è l insiemnfinito S {(2 + t, 1 + t, t) t R} che dipende da parametri, il numero delle equazioni meno il rango di A Teorema 3 Sia Ax b un sistema m n Se r def rango A rango A # rango (A b) < n, allora il sistema ha infinite soluzioni che dipendono da n r parametri liberi Dim Una qualunque riduzione a scala B # ha solo r < n equazioni nelle n incognite e quindi vi saranno r incognite pivot ed n r incognite libere Fissati arbitrariament valori di queste n r incognite libere, le r incognite pivot sono univocamente determinate tramite retro-sostituzione dalle equazioni del sistema Poiché ogni incognita libera può assumernfiniti valori, le soluzioni formano un insiemnfinito Riassumendo quanto visto: Teorema di Rouché-Capelli Sia Ax b un sistema lineare m n Poniamo r rango A ed r # rango A # rango (A b) Allora Se r < r #, il sistema è incompatibile Se r r #, il sistema è compatibile ed esiste una ed una sola soluzione se e solo se r r # n, esiste un numero infinito di soluzioni se e solo se r r # < n Quindi un sistema lineare è compatibile se e solo sl rango della matricncompleta coincide con il rango della matrice completa In tal caso, il sistema ha un unica soluzione sl rango comune coincide con il numero delle equazioni, altrimenti, sl rango è minore del numero delle equazioni, ha infinite soluzioni (che dipendono da un numero di parametri uguale alla differenza tra il numero delle equazioni ed il rango) 5 Un esempio Si consideri, al variare del parametro k R, il sistema lineare a coefficienti reali nellncognite x 1, x 2, x 3, x 4 x 1 kx 3 0 x 1 + (k + 1)x 2 + x 3 0 S k : (k 2 + k)x 3 + kx 4 k x 1 kx 3 + kx 4 1 (a) Determinare, al variare di k, il rango della matricncompleta associata a S k ed il rango della matrice completa associata a S k (b) Determinare, al variare di k, le soluzioni di S k La matrice completa del sistema è 1 0 k k k 2 + k k k 1 0 k k 1 Applicando le operazioni elementari a 1,2 ( 1) e a 1,4 ( 1) si ottiene la matrice 1 0 k k + 1 k k 2 + k k k k 1 Se k(k + 1) 0, la matrice completa e la matricncompleta hanno entrambe rango 4 Per k 0 si ottiene la matrice
8 Quindi la matrice completa ha rango 3 mentre la matricncompleta ha rango 2 Per k 1 si ottiene la matrice Segue che la matrice completa e la matricncompleta hanno entrambe rango 2 Soluzioni: se k(k + 1) 0, il sistema ha una sola soluzione; con il metodo della retro-sostituzione si ricava x 4 1 k, x 3 1 k, x 2 1 k, x 1 1; per k 0 il sistema è incompatibile; per k 1 il sistema ha infinite soluzioni; lncognite libere sono x 2 e x 3 e quindi con la retrosostituzione si trovano le soluzioni al variare di u, v in R x 4 1, x 3 u, x 2 v, x 1 u 6 Sistemi omogenei Ricordo che un sistema omogeneo è un sistema del tipo Ax 0, il termine noto è nullo Ricordo anche che un sistema omogeneo ha sempre la soluzione x 0 che è detta la soluzione triviale Teorema Sia Ax 0 un sistema lineare omogeneo m n e sia r rango A Se r n, il sistema ha la sola soluzione triviale x 0 e, se m < n, il sistema ha infinite soluzioni Dim Chiaramente r r #, quindi il sistema è sempre compatibile Poiché x 0 è sempre una soluzione, se r n la soluzione unica è x 0 Se m < n, allora r m < n e vi sono infinite soluzioni Esempio Risolverl sistema x 1 + 2x 2 3x 3 + 2x 4 4x 5 0 2x 1 + 4x 2 5x 3 + x 4 6x 5 0 5x x 2 13x 3 + 4x 4 16x 5 0 Riduzione a scala: a1,2( 2),a1,3( 5) a 2,3( 2) Lncognite libere sono x 2 u, x 4 v e x 5 w da cui, retro-sostituendo, si ricava x 3 3v 2w, x 1 2u + 7v 2w 7 Matrici invertibili Una matrice quadrata A di ordine n si dicnvertibile se esiste una matrice (quadrata di ordine n) B tale che AB 1 n, BA 1 n La matrice B si dicnversa di A 8
9 ( ) a b Esercizio Sia A una matrice 2 2 con det A ad bc 0 Verificare che, se c d ( ) d b B 1, allora AB BA 1 c a 2 Quindi ( ) 1 ( ) a b 1 d b c d ad bc c a Facciamo vedere che una matricnvertibile ha un unica inversa che denoteremo con A 1 (per i numeri a 0 l inverso si denota anche con 1/a; per le matrici non si può usare questa notazione, perché se la si usasse, si sarebbe tentati di scrivere B(1/A) B/A e anche (1/A)B B/A come si fa per i numeri, e quindi avremmo B(1/A) (1/A)B mentre sappiamo chl prodotto di matrici non è commutativo!) Teorema Se AB BA 1 n e AC CA 1 n, allora B C dim C C1 n C(AB) (CA)B 1 n B B Teorema Se la matrice A, quadrata di ordine n, è invertibile, allora il sistema Ax b ha un unica soluzione, qualunque sia la colonna b x A 1 b In particolare da Ax 0 segue x 0 dim Chiaramente A 1 b è una soluzione: A(A 1 b) (A 1 A)b 1 n b b Se c è una soluzione, Ac b, moltiplicando a sinistra entrambi i termini dell uguaglianza per A 1, si ricava c A 1 b Il secondo asserto segue dal primo, perché x 0 è soluzione del sistema omogeneo Ax 0 Teorema Una matrice quadrata di ordine n è invertibile se e solo se rango A n dim Se A è invertibile, allora il sistema Ax b ha un unica soluzione qualunque sia la colonna b Dal Teorema di Rouché-Capelli segue che rango A rango (A b) n Viceversa, supponiamo che rango A n Sia la i-ma colonna di 1 n (tutti gli elementi uguali a 0 tranne l i-mo uguale a 1) Il sistema Ax ha un unica soluzione x i Segue che A(x 1 x n ) (Ax 1 Ax n ) (e 1 e n ) 1 n Segue che, posto X (x 1 x n ), AX 1 n Da quest ultima identità segue che (AX)A 1 n A A e quindi A(XA) A Segue che A(XA 1 n ) 0 n Dette y 1,, y n le colonne della matrice XA 1 n, risulta Ay 1 Ay n 0 e quindi, dal Teorema della sezione precedente, segue che y 1 y n 0 Segue che XA 1 n 0 n e XA 1 n e quindi A è invertibile Corollario Sia A una matrice quadrata di ordine n Sl sistema Ax b ha un unica soluzione per qualche b, allora la matrice A è invertibile dim Sl sistema Ax b ha un unica soluzione, dal T di Rouché-Capelli segue che rango A n e quindi per il T precedente A è invertibile Riepiloghiamo le caratterizzazioni che abbiamo trovato delle matrici invertibili: Teorema Sia A una matrice quadrata di ordine n Gli asserti seguenti sono equivalenti: (i) la matrice A è invertibile, (ii) il sistema Ax b ha un unica soluzione per ogni b R n, (iii) il sistema omogeneo Ax 0 ha la sola soluzione nulla, (iv) rango An, (v) la matrice A è equivalente per righe alla matrice 1 n Proprietà dell inversa Teorema Siano A, B matrici invertibili di ordine n Allora (1) la matrice A 1 è invertibile e (A 1 ) 1 A, (2) la matrice AB è invertibile e (AB) 1 B 1 A 1, (3) la trasposta A t di A è invertibile e (A t ) 1 (A 1 ) t dim La (1) segue subito da AA 1 A 1 A 1 n che dice non solo che A 1 è l inversa di A, ma anche che A è l inversa di A 1 La (2) segue da (AB)(B 1 A 1 ) A(BB 1 )A 1 A1 n A 1 AA 1 1 n, 9
10 Per la (3) (B 1 A 1 )(AB) B 1 (A 1 A)B B 1 1 n B 1 n A t (A 1 ) t (A 1 A) t (1 n ) t 1 n, (A 1 ) t A t (AA 1 ) t (1 n ) t 1 n Se A 1, A 2,, A h sono matrici invertibili dello stesso ordine, applicando pi ù volte la propriet à 2, si trova che A 1 A 2 A h è una matricnvertibile e (A 1 A 2 A h ) 1 A 1 h A 1 2 A Calcolo della matricnversa In questa sezione descriviamo un algoritmo per calcolare la matricnversa di una matricnvertibile L input è una matrice quadrata A e l output è l inversa della matrice A oppure l informazione che la matrice non è invertibile I passo Si forma la matrice M (A 1 n ) ove n è l ordine di A; II passo Si riduce M a scala per righe Se la prima metà di M presenta una riga nulla, allora A non è invertibile e ci si ferma; altrimenti si procede: III passo Si riduce la matrice M a forma canonica per righe M (1 n B); IV passo Si pone A 1 B, la matrice che compare nella seconda metà della matrice equivalente per righe ad M Esempio Calcoliamo la matricnversa di seguendo la procedura M a1,3( 3) m3( 1 14 ) Quindi Verificare che AA 1 A 1 A 1 3 A a2,3( 2),a2,1( 1) a3,2( 2),a3,1( 1) Spieghiamo perché l algoritmo funziona Per trovare la matricnversa di una matrice quadrata invertibile di ordine n bisogna risolvere l equazione matriciale (1) AX 1 Se x 1, x 2,, x n sono le colonne della matrice cercata X ed e 1, e 2,, e n sono le n-colonne standard ( è la n-colonna che ha tutti gli elementi uguali a zero tranne l i-esimo che è uguale a 1), l equazione (1) diventa AX A ( x 1 x 2 x n ) ( e1 e 2 e n ) Quindi per trovare X bisogna risolvere gli n sistemi (2) Ax, i 1, 2,, n 10
11 Se la matrice A è invertibile, sappiamo che la forma canonica per righe di A è la matricdentica 1 Quindi una riduzione a scala della matrice completa (A ) del sistema (2), i 1,, n, è la matrice (1 b i ) ove b i è la soluzione del sistema Segue che la matrice B ( ) b 1 b 2 b n soddisfa AB 1 Poiché la matrice dei coefficienti dei sistemi (2) è sempre A, piuttosto che risolvere ciascuno dei sistemi separatamente, conviene risolverli tutti simultaneamente riducendo la matrice (A e 1 e 2 e n ) (A 1) come prescrive la procedura Quindi l algoritmo ci dà una matrice B tale che AB 1 Sappiamo che A è invertibile e quindi B 1 n B (A 1 A)B A 1 (AB) A 1 1 n A 1 Vale la pena di menzionare che nella definizione di matricnvertibile è sufficiente una sola delle condizioni AB 1 o BA 1 Teorema Siano A e B matrici quadrate di ordine n B A 1 Se AB 1 n, allora BA 1 n e quindi dim Osserviamo che se AB 1, allora B è matricnvertibile Se così non fosse, esisterebbe x 0 tale che Bx 0 e quindi x 1x ABx A0 0, assurdo Dunque B 1 esiste Moltiplicando a destra per B 1 l uguaglianza AB 1 si ottiene (AB)B 1 B 1 e quindi B 1 A(BB 1 ) A1 A Segue che BA 1 9 Matrici elementari Le considerazioni di questa sezione presentano un utile strumento teorico Data un operazione elementare sulle righe E, denotiamo con E(A) la matrice che si ottiene applicando l operazione E alla matrice A Sia E la matrice che si ottiene applicando E alla matrice identica 1, E E(1) La matrice E si dice la matrice elementare corrispondente all operazione elementare sulle righe E La matrice E è una matrice quadrata Poniamo S i,j s i,j (1 n ), M i (k) m i (k)(1 n ), k 0, A i,j (k) a i,j (k)(1 n ) (Non si specifica l ordine n perché sarà sempre chiaro dal contesto) Esempio Caso n 2: S 1,2 ( ) 0 1, M (k) A 1,2 (k) ( ) k 0, M (k) ( ) 1 0, A k 1 2,1 (k) ( ) 1 k 0 1 ( ) 1 0, 0 k Caso n 3: k 0 S 2, , M 2 (k) 0 k 1, A 1,3 (k) 0 1 0, A 2,1 (k) k Caso generale: sia, i 1, n, la riga che ha tutti gli elementi uguali a 0 tranne l i-mo che è uguale a 1, le righe e 1, e 2,, e n si dicono le n-righe standard; allora 1 n e 1 e n 11
12 e S i,j s i,j (1 n ) s i,j e j e j i j i j è la matrice che ha tutti gli elementi diagonali uguali ad 1 tranne quelli di posto ii e jj che sono uguali a 0, gli elementi di posto ij e ji uguali ad 1 rimanenti elementi tutti uguali a 0; M i (k) m i (k)(1 n ) m i (k) k diag (1,, 1, i k, 1,, 1) i 1 0 i k 0 1 è la matrice diagonale che ha tutti gli elementi diagonali uguali ad 1 tranne quello di posto ii che è uguale a k; A i,j (k) a i,j (k)(1 n ) a i,j (k) e j k + e j i j i j 0 k è la matrice che ha tutti gli elementi diagonali uguali ad 1 e tutti gli altri elementi uguali a 0 tranne quello di posto ji che è uguale a k Teorema Sia E una operazione elementare sulle righe e sia E la matrice elementare corrispondente Allora, per ogni matrice A, E(A) EA In parole, la matrice ottenuta applicando alla matrice A l operazione elementare per righe E coincide con la matrice ottenuta moltiplicando a sinistra A per la matrice E corrispondente ad E dim Supponiamo che A abbia taglia m n e scriviamo A a 1 a m, ove a 1,, a m sono le righe di A Siano e 1,, e m le m-righe standard 1 E s i,j s i,j (A) i a j j a i, S i,j A e j A e j A A a j a i ; 12
13 2 E m i (k) a 1 e 1 e 1 A a 1 m i (k)(a) ka i, M i (k)a k A k A ka i ; a m e m e m A a m 3 E a i,j (k) a i A a i a i,j (k)(a), A i,j (k)a A ka i + a j k + e j k A + e j A ka i + a j Data l operazione elementare E sia E l operazione elementarnversa Siano E ed E le corrispondenti matrici elementari Abbiamo E E(1), E E (1) Segue 1 E (E(1)) E (E) E E, 1 E(E (1)) E(E ) EE Segue che E è matricnvertibile ed E E 1 Segue chl prodotto di matrici elementari è una matricnvertibile 10 Conseguenze (teoriche) Possiamo aggiungere un item alle caratterizzazioni delle matrici invertibili Teorema Sia A una matrice quadrata di ordine n Gli asserti seguenti sono equivalenti: (i) la matrice A è invertibile, (ii) il sistema Ax b ha un unica soluzione per ogni b R n, (iii) il sistema omogeneo Ax 0 ha la sola soluzione nulla, (iv) rango An, (v) la matrice A è equivalente per righe alla matrice 1 n, (vi) la matrice A si può esprimere come prodotto di matrici elementari dim L equivalenza dei primi cinque asserti (i)-(v) l abbiamo già vista Dimostriamo che (v) (vi) (i) Da (v) segue che esistono matrici elementari E 1, E 2,, E h tali che E h E 2 E 1 A 1 n Segue che A (E h E 2 E 1 ) 1 E1 1 E 1 2 E 1 h Ma sappiamo che le matrici E 1 i sono matrici elementari Segue che (v) (vi) Infine, se A E 1 E 2 E h con le E i matrici elementari e quindi invertibili, allora A è invertibile Quindi (vi) (i) Teorema La matrice B è equivalente per righe alla matrice A, B A, se e solo se esiste una matricnvertibile P tale che B P A dim Se B A, allora esistono operazioni elementari E 1, E 2,, E h con matrici elementari corrispondenti E 1, E 2,, E h, tali che B E h ( (E 2 (E 1 (A))) ) E h E 2 E 1 A P A, ove P E h E 2 E 1 è invertibile Viceversa, supponiamo che B P A con P invertibile Sappiamo allora che P è prodotto di matrici elementari e quindi B si ottiene da A applicando una successione di operazioni elementari sulle righe 13
Sistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
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
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
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 +
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
DettagliCorso di GEOMETRIA 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
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
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
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 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
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
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
DettagliSistemi Lineari I. March 22, 2015
Sistemi Lineari I March 22, 205 Sistemi lineari Nel seguito denoteremo con K il campo reale o il campo complesso e con K n l insieme delle n-uple ordinate di elementi di K Sia D un sottoinsieme di K n
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
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
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
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)
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
DettagliSistemi Lineari. Elisabetta Colombo. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 200-20 2 a di o.0 4 Capelli Rango o Caratterisca : definizioni a di o.0 Un equazione nelle n incognite x,..., x n della forma dove
DettagliDef. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe
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 )
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,
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
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:
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
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
DettagliRango e Dimensione. April 24, 2015
Rango e Dimensione April 24, 215 1 Spazio delle righe Definizione. Lo spazio delle righe di una matrice A di taglia m n ad elementi nel campo K, è il sottospazio di K n generato dalle righe della matrice
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
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
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
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
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari I sistemi di equazioni si incontrano in natura in molti problemi di vita reale. Per esempio, prendiamo in considerazione una bevanda a base di uova, latte e succo d arancia.
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
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,
DettagliFondamenti di ALGEBRA LINEARE E GEOMETRIA
Fondamenti di ALGEBRA LINEARE E GEOMETRIA Corso di laurea in Ingegneria Gestionale 2011-2012 Michel Lavrauw Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova Lezione 19 Capitolo
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
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
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
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
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,
DettagliCORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI
CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione
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
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliCorso di 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)
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
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
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
Dettagli1. Consideriamo un sistema lineare. E piuttosto naturale aspettarsi che
Algebra Lineare (Matematica CI) 151113 1 Consideriamo un sistema lineare E piuttosto naturale aspettarsi che (a) se il numero delle equazioni e minore del numero delle incognite allora il sistema e indeterminato;
Dettagli0.1 Soluzioni esercitazione IV, del 28/10/2008
1 0.1 Soluzioni esercitazione IV, del 28/10/2008 Esercizio 0.1.1. Risolvere, usando il teorema di Cramer, i seguenti sistemi lineari 2x + y + z = 0 x + 3z = 1 x y z = 1 kx + y z = 1 x y + 2z = 1 2x + 2y
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
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
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre
Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre SETTIMANA 4 (19 25 Ottobre) Matrici elementari Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang. Esercizio
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliLezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe
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
DettagliIstituzioni di Matematiche Modulo A (ST)
Istituzioni di Matematiche Modulo A (ST V II foglio di esercizi ESERCIZIO. Nei seguenti sistemi lineari, discutere l insieme delle soluzioni al variare del parametro t, o dei parametri t e τ, in R. 5 x
DettagliNote sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010
Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 21 Sistemi lineari. Un sistema lineare di n 1 equazioni in m incognite
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
DettagliGeometria BAER PRIMO CANALE Foglio esercizi 1
Geometria BAER PRIMO CANALE Foglio esercizi 1 Esercizio 1. Risolvere le seguenti equazioni lineari nelle variabili indicate trovando una parametrizzazione dell insieme delle soluzioni. a) x + 5y = nelle
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
DettagliCORSI DI LAUREA IN MATEMATICA E FISICA
CORSI DI LAUREA IN MATEMATICA E FISICA FOGLIO DI ESERCIZI # 6 GEOMETRIA 1 Esercizio 6.1 (Esercizio 5.1). Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Per esempio il vettore
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
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliMauro Saita, Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi vettoriali R, IR 2, IR 3 motivando
CORSO DI ALGEBRA LINEARE: Esercitazione n.1 del 20/12/2004. Mauro Saita, e-mail: maurosaita@tiscalinet.it 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliALGEBRA DELLE MATRICI
ALGEBRA DELLE MATRICI March 8, 2015 1 Definizioni e notazioni Una matrice è una tabella rettangolare le cui entrate sono numeri organizzati in righe orizzontali e colonne verticali. Esempio 1 2 A = 4 0
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 2 3 con pivoting
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliMatematica II,
Matematica II 181111 1 Matrici a scala Data una riga R = [a 1 a 2 a n ] di numeri reali non tutti nulli il primo elemento non nullo di R si dice pivot di R Cosi il pivot di R compare come j mo elemento
DettagliOperazioni elementari e riduzione
Matrici e sistemi Operazioni elementari Riduzioni di matrici L algoritmo di riduzione 2 2006 Politecnico di Torino 1 Operazioni elementari per righe Sia A M m,n. Introduciamo tre tipi di operazioni che
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliUn sistema di equazioni lineari ( o brevemente un sistema lineare) di m equazioni in n incognite, si presenta nella forma:
SISTEMI LINEARI Un sistema di equazioni lineari ( o brevemente un sistema lineare) di m equazioni in n incognite, si presenta nella forma: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni 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 termine
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni 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 termine
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 Introduzione algebrica
DettagliMATEMATICA. a.a. 2014/ Sistemi di equazioni lineari
MATEMATICA a.a. 2014/15 8. Sistemi di equazioni lineari SISTEMI LINEARI Si definisce sistema lineare un sistema di p equazioni di primo grado in q incognite. a11x1 + a12 x2 +... + a1 qxq = k1 a21x1 + a22x2
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
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
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
DettagliInversa. Inversa. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
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
DettagliSistemi lineari 1 / 41
Sistemi lineari 1 / 41 Equazioni lineari Una equazione lineare a n incognite, è una equazione del tipo: a 1 x 1 + a 2 x 2 + + a n x n = b, dove a 1,,a n,b sono delle costanti (numeri) reali. I simboli
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
DettagliSistemi Lineari. Andrea Galasso
Sistemi Lineari Andrea Galasso Esercizi svolti Teorema. (Rouché-Capelli. Un sistema lineare Ax = b ammette soluzioni se e solo se il rango della matrice dei coefficienti A è uguale al rango della matrice
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliIntroduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo.
Capitolo 3 Il campo Z n 31 Introduzione Introduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo 32 Le classi resto Definizione
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
DettagliGEOMETRIA 1 prima parte
GEOMETRIA 1 prima parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 44 index Relazioni in un insieme 1 Relazioni in un insieme 2 Gruppi,
Dettagli