Matematica II

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Matematica II"

Transcript

1 Matematica II Autovettori e Autovalori 1 Equazioni alle differenze finite Consideriamo un sistema caratterizzato da una variabile reale x, che in uno stato iniziale assume un certo valore x(0) b, e che nel passaggio da un tempo t ad un tempo successivo t + 1 si evolve secondo una legge del tipo x(t + 1) ax(t), t 0, 1,, dove a R e un numero reale assegnato Si avra cosi che x(1) ax(0) ab x() ax(1) a b x(t) ax(t 1) a t b e, nel caso b > 0, lim t x(t) lim t a t b se a < 1 se a 1 0 se 1 < a < 1 b se a 1 + se a > 1 Consideriamo ora un sistema caratterizzato da una coppia ordinata (x, y) di variabili reali, che in uno stato iniziale assume un certo valore x(0) b y(0) c, e che nel passaggio da un tempo t ad un tempo successivo t + 1 si evolve secondo una legge del tipo { x(t + 1) a11 x(t) + a 1 y(t) t 0, 1,, y(t + 1) a 1 x(t) + a y(t) dove a ij R sono numeri reali assegnati Si possono ancora dare delle formule per i valori delle variabili al tempo t in funzione dei valori iniziali b, c e delle costanti a ij, ma in pratica conviene seguire altre vie L idea e di trovare, quando possibile, un modo di ricondursi al caso particolarmente semplice in cui ogni variabile si trasformi indipendentemente dall altra, descritto da una relazione del tipo 1

2 { x(t + 1) a1 x(t) y(t + 1) a y(t) per la quale si ha { x(t) a t 1 b y(t) a t c t 0, 1,,, t 0, 1,,, Il formalismo matriciale permette di esprimere il problema in una forma adatta per una generalizzazione Consideriamo ora un sistema caratterizzato da una colonna x di n variabili reali, che in uno stato iniziale assume un certo valore x(0) b, e che nel passaggio da un tempo t ad un tempo successivo t + 1 si evolve secondo una legge del tipo x(t + 1) Ax(t) t 0, 1,, dove A e una matrice quadrata di ordine n assegnata Si avra cosi che x(1) Ax(0) Ab x() Ax(1) A b x(t) Ax(t 1) A t b Non e difficile dare delle formule per le potenze di una matrice, ma in pratica conviene seguire altre vie L idea e di trovare, quando possibile, un modo di ricondursi al caso particolarmente semplice in cui la matrice sia diagonale Una matrice quadrata, come a 0 0 b, a b c, nella quale tutti gli elementi fuori dalla diagonale sono nulli, viene detta matrice diagonale Possiamo rappresentare una qualsiasi matrice diagonale di ordine n come a 1 a D, scrivendo solo gli elementi sulla diagonale Si verifica che premoltiplicare una matrice A per una matrice diagonale D ha lo stesso effetto di moltiplicare ciscuna riga r i di A per il corrispondente elemento

3 diagonale a i di D : a 1 a r 1 r r n a 1 r 1 a r r n Si verifica che postmoltiplicare una matrice A per una matrice diagonale D ha lo stesso effetto di moltiplicare ciscuna colonna c i di A per il corrispondente elemento diagonale a i di D : a 1 c 1 c c n a a 1 c 1 a c c n In particolare, il prodotto di due matrici diagonali e una matrice diagonale, e gli elementi diagonali della matrice prodotto sono i prodotti degli elementi corrispondenti delle due matrici fattori: a 1 b 1 a 1 b 1 a b a b b n b n Piu in particolare, la potenza t ma di una matrice diagonale e una matrice diagonale, e gli elementi diagonali della matrice potenza t ma sono le potenze t me degli elementi della matrice: t a 1 a t 1 a a t a t n 3 Mostriamo ora su un esempio come il calcolo delle potenze di una matrice non diagonale possa essere ricondotto al calcolo delle potenze di una opportuna matrice diagonale Sia data la matrice A Ci sono delle colonne sulle quali A agisce in modo particolarmente semplice: una e 3 u, 3

4 in quanto un altra e in quanto Av Au v , u; 05 v In entrambi i casi, A agisce come la moltiplicazione per un numero reale: Osserviamo che Au 1 u, Av 05 v A u v Au Av u 05 v Posto u v 1 P u v 1, D 05 05, possiamo riscrivere la relazione trovata come AP P D Ora, capita che la matrice P u v 1 possiede inversa Dunque possiamo ricavare A in funzione di P e D : A P DP 1 Possiamo allora ricondurre il calcolo delle potenze di A al calcolo delle potenze di D : 4

5 A P DP 1 A P DP 1 P DP 1 P D P 1 A 3 P DP 1 P D P 1 P D 3 P 1 A t P DP 1 P D t 1 P 1 P D t P 1 Cosi abbiamo A t (05) t t Osserviamo che lim t A t In generale, data una matrice A quadrata di ordine n, possiamo cercare delle colonne sulle quali A agisce in modo particolarmente semplice Definizione Se la matrice A quadrata di ordine n agisce su una colonnon nulla v R n come la moltiplicazione per un numero reale λ R Av λv, allora si dice che v e un autovettore di A e che λ e un autovalore di A Se la matrice A possiede n autovettori 1 v 1, v,, v n R n, con rispettivi autovalori λ 1, λ,, λ n R, cioe se 1 potrebbe non possederne alcuno Av 1 λ 1 v 1, Av λ v, Av n λ n v n, 5

6 allora si ha A v 1 v v n Av1 Av Av n λ 1 v 1 λ v λ n v n v 1 v v n λ 1 λ λ n Indichiamo con P P v 1 v v n la matrice quadrata di ordine n avente come colonne gli n autovettori v i, ed indichiamo con D λ 1 λ D λ n la matrice diagonale di ordine n con elementi diagonali i corrispondenti autovalori λ i Cosi possiamo riscrivere la relazione trovata come Se capita che la matrice AP P D P v 1 v v n avente come colonne gli n autovettori possiede inversa, allora possiamo ricavare A in funzione di P e D : A P DP 1 Possiamo allora ricondurre il calcolo delle potenze di A al calcolo delle potenze di D : A t P D t P 1 potrebbe non esistere alcuna matrice invertibile con colonne autovettori 6

In generale, la moltiplicazione di una matrice A R m n per uno scalare r puo essere realizzata come la premoltiplicazione di A per la matrice

In generale, la moltiplicazione di una matrice A R m n per uno scalare r puo essere realizzata come la premoltiplicazione di A per la matrice Matematica II, 5.11.11 Matrici scalari. Matrici diagonali 1. Matrici scalari Data una matrice A R m n di tipo m n, e dato uno scalare r in R, moltiplicando ciascun elemento di A per lo scalare r si ottiene

Dettagli

Matematica II

Matematica II Matematica II 231111 Matrice inversa 1 Per n 1, l insieme R n n delle matrici quadrate di ordine n diventa l insieme R dei numeri reali, e la moltiplicazione di matrici diventa la moltiplicazione di numeri

Dettagli

Matematica II

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

Dettagli

Matematica II

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

Dettagli

DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI

DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.

Dettagli

0 0 c. d 1. det (D) = d 1 d n ;

0 0 c. d 1. det (D) = d 1 d n ; Registro Lezione di Algebra lineare del 23 novembre 216 1 Matrici diagonali 2 Autovettori e autovalori 3 Ricerca degli autovalori, polinomio caratteristico 4 Ricerca degli autovettori, autospazi 5 Matrici

Dettagli

0.1 Coordinate in uno spazio vettoriale

0.1 Coordinate in uno spazio vettoriale 0.. COORDINATE IN UNO SPAZIO VETTORIALE 0. Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base

Dettagli

3. Elementi di Algebra Lineare.

3. Elementi di Algebra Lineare. CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +

Dettagli

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

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

Dettagli

POTENZE DI MATRICI QUADRATE

POTENZE DI MATRICI QUADRATE POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)

Dettagli

Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio

Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.

Dettagli

MATRICI E OPERAZIONI

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

Dettagli

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

ESERCIZI 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

Dettagli

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

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

Dettagli

Sistemi di equazioni differenziali

Sistemi di equazioni differenziali Capitolo 5 Sistemi di equazioni differenziali Molti problemi sono governati non da una singola equazione differenziale, ma da un sistema di più equazioni. Ad esempio questo succede se si vuole descrivere

Dettagli

Elementi di Algebra Lineare

Elementi di Algebra Lineare Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Università di Pavia Richiami di Algebra Lineare Eduardo Rossi Vettori a : (n 1) b : (n 1) Prodotto interno a b = a 1 b 1 + a 2 b 2 +... + a n b n Modulo (lunghezza): a = a 2 1 +... + a2 n Vettori ortogonali:

Dettagli

Lezione del dove a 1, a n e b sono numeri reali assegnati, detti coefficienti e termine noto dell equazione;

Lezione del dove a 1, a n e b sono numeri reali assegnati, detti coefficienti e termine noto dell equazione; Le lezioni del 60 e 010 si riferiscono al Capitolo 1 Introduzione ai sistemi lineari Di seguito si elencano gli argomenti svolti, descrivendoli sinteticamente dando i riferimenti a tale capitolo, oppure

Dettagli

Vettori e Matrici. Corso di Calcolo Numerico. 24 Aprile 2018

Vettori e Matrici. Corso di Calcolo Numerico. 24 Aprile 2018 Vettori e Matrici 24 Aprile 2018 Richiami In MATLAB, ogni variabile ha una struttura di tipo vettoriale o array. Un array è un insieme di valori ordinati, cioè memorizza più dati all interno di una struttura

Dettagli

Esercizi di ripasso: geometria e algebra lineare.

Esercizi di ripasso: geometria e algebra lineare. Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare

Dettagli

Richiami di algebra delle matrici a valori reali

Richiami di algebra delle matrici a valori reali Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o

Dettagli

Matematica II, aa

Matematica II, aa Matematica II, aa 2011-2012 Il corso si e svolto su cinque temi principali: sistemi lineari, algebra delle matrici, determinati, spazio vettoriale R n, spazio euclideo R n ; per ogni tema descrivo gli

Dettagli

Matematica II, II parte. 1. Equazioni lineari in n incognite. Nel seguito, considereremo n ple ordinate

Matematica II, II parte. 1. Equazioni lineari in n incognite. Nel seguito, considereremo n ple ordinate Matematica II, 161111 - II parte 1 Equazioni lineari in n incognite Nel seguito, considereremo n ple ordinate (r 1, r 2,, r n ) di numeri reali Per n = 1, 2, 3 una n pla si puo identificare rispettivamente

Dettagli

4 Autovettori e autovalori

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

Dettagli

Algebra Lineare Autovalori

Algebra Lineare Autovalori Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: sberrone@calvino.polito.it sandra.pieraccini@polito.it

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 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

Dettagli

ossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.

ossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare. ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono

Dettagli

Daniela Lera A.A

Daniela Lera A.A Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione

Dettagli

Applicazioni lineari simmetriche e forme quadratiche reali.

Applicazioni lineari simmetriche e forme quadratiche reali. Applicazioni lineari simmetriche e forme quadratiche reali 1 Applicazioni lineari simmetriche Consideriamo lo spazio IR n col prodotto scalare canonico X Y = t XY = x 1 y 1 + + x n y n Definizione Un applicazione

Dettagli

Matrici delle differenze finite

Matrici delle differenze finite Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze

Dettagli

(P x) (P y) = x P t (P y) = x (P t P )y = x y.

(P x) (P y) = x P t (P y) = x (P t P )y = x y. Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici

Dettagli

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

VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato

Dettagli

TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI

TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere

Dettagli

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

APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata

Dettagli

Matematica Discreta I

Matematica Discreta I Matematica Discreta I 5 Febbraio 8 TEMA A Esercizio Sia data la matrice A M (R) A = (i) Calcolare gli autovalori di A (ii) Determinare una base di R composta di autovettori di A (iii) Diagonalizzare la

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI 1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito

Dettagli

ALGEBRA LINEARE PROVA SCRITTA DEL 4/2/2008

ALGEBRA LINEARE PROVA SCRITTA DEL 4/2/2008 ALGEBRA LINEARE PROVA SCRITTA DEL 4//8. Si considerino le applicaioni F : R 3 R [t] e G : R [t] R R [t] denota lo spaio vettoriale dei polinomi di una variabile reale di grado minore od uguale a due, definite

Dettagli

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

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

Dettagli

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

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

Dettagli

AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI

AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI Sia A = (a ij ), i, j = 1,..., n matrice n n. Le soluzioni del sistema differenziale lineare di n equazioni nelle n incognite

Dettagli

Scomposizione ai valori singolari.

Scomposizione ai valori singolari. Scomposizione ai valori singolari. Sia A R m n una matrice, non necessariamente quadrata. Si potrebbe considerare anche una matrice complessa ottenendo risultati analoghi. Abbiamo: Osservazione AA T R

Dettagli

Sistemi lineari - Parte Seconda - Esercizi

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

Dettagli

è una matrice 2 righe e 3 colonne, brevemente 2 3 ad elementi in R. a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34

è una matrice 2 righe e 3 colonne, brevemente 2 3 ad elementi in R. a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 Capitolo 10 Matrici e vettori 10.1 Le matrici Chiamiamo matrici delle tabelle finite di elementi di un insieme N (in genere, ma non sempre, un insieme di numeri posti su righe e colonne. Nel seguito, fino

Dettagli

Algebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d

Algebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d Algebra lineare 1. Riconoscere se il seguente insieme costituisce uno spazio vettoriale. In caso affermativo trovarne la dimensione e una base. (R n [x] denota lo spazio dei polinomi nell indeterminata

Dettagli

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

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

Dettagli

2.1 Esponenziale di matrici

2.1 Esponenziale di matrici ¾ ½ º¼ º¾¼½ Queste note (attualmente e probabilmente per un bel po sono altamente provvisorie e (molto probabilmente non prive di errori Esponenziale di matrici Esercizio : Data la matrice λ A λ calcolare

Dettagli

Determinante, autovalori e autovettori

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

Dettagli

Note sulle Catene di Markov

Note sulle Catene di Markov Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo

Dettagli

ALGEBRA LINEARE PARTE III

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

Dettagli

- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.

- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica. Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e

Dettagli

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione

Dettagli

CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI

CORSO 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

Dettagli

SISTEMI DI EQUAZIONI LINEARI

SISTEMI DI EQUAZIONI LINEARI SISTEMI DI EQUAZIONI LINEARI Date le rette di equazioni ax + by + c = 0 e a x + b y + c = 0 quanti punti hanno in comune? Per rispondere devo risolvere il sistema ax + by + c = 0 ቊ a x + b y + c = 0 e

Dettagli

Geometria analitica: curve e superfici

Geometria analitica: curve e superfici Geometria analitica: curve e superfici geometriche algebriche e matrici e isometrie Riduzione Invarianti Studio di coniche Intersezione con rette e tangenti in forma parametrica 006 Politecnico di Torino

Dettagli

MATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m.

MATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m. MATRICI Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: 11 a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m con a a n1 a n2 a n 3 a nm i j R, 1 i n, 1 j m. per

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n

Dettagli

TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI

TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of

Dettagli

Definizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che

Definizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che Autovalori ed autovettori [Abate, 131] Sia f : V V un endomorfismo e λ R Se esiste v V non nullo tale che f(v) = λv, diremo che λ è un autovalore di f e che v è un autovettore di f associato a λ Lezioni

Dettagli

Matematica II,

Matematica II, Matematica II, 171110 1 processo di triangolarizzazione, esempio I Consideriamo il sistema lineare di tre equazioni nelle incognite x, y, z 2x + 3y + 4z = 8 4x + 9y + 16z = 14 8x + 27y + 64z = 14 Primo

Dettagli

3 Soluzione di sistemi lineari

3 Soluzione di sistemi lineari 3 Soluzione di sistemi lineari Prima di addentrarci nello studio dei metodi numerici, è doveroso introdurre le matrici e alcune strutture particolari di matrici nonchè alcuni concetti fondamentali quali

Dettagli

Esercizi su Autovalori e Autovettori

Esercizi su Autovalori e Autovettori Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio

Dettagli

Sommario lezioni di geometria

Sommario lezioni di geometria Sommario lezioni di geometria C. Franchetti November 12, 2006 1 Geometria analitica nel piano 1.1 Distanza di due punti Siano P 1 = (x 1, y 1 ), P 2 = (x 2, y 2 ) due punti del piano, se d(p 1, P 2 ) indica

Dettagli

Capitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico

Capitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è

Dettagli

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

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

Dettagli

Appunti su matrici e autovalori

Appunti su matrici e autovalori Appunti su matrici e autovalori Scienze Naturali 004-05 1 Le matrici Chiamiamo matrici delle tabelle finite di elementi di un insieme N (in genere, ma non sempre, un insieme di numeri posti su righe e

Dettagli

Corso di Laurea in Matematica - Esame di Geometria 1. Prova scritta del 7 settembre 2015

Corso di Laurea in Matematica - Esame di Geometria 1. Prova scritta del 7 settembre 2015 Corso di Laurea in Matematica - Esame di Geometria 1 Prova scritta del 7 settembre 215 Cognome Nome Numero di matricola Voto ATTENZIONE. Riportare lo svolgimento completo degli esercizi. corretti, non

Dettagli

La notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:

La notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica: . SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;

Dettagli

MOVIMENTO DEI SISTEMI LINEARI

MOVIMENTO DEI SISTEMI LINEARI MOVIMENTO DEI SISTEMI LINEARI I sistemi continui x& = Ax + Bu Formula di Lagrange 3 3 e At = I + At + A t + A t! 3! Nei sistemi lineari, quindi x( t) = x ( t) + x ( t) l Inoltre x l (t) e x f (t) sono

Dettagli

ESERCITAZIONE SU CALCOLO MATRICIALE, APPLICAZIONI LINEARI E FORME QUADRATICHE

ESERCITAZIONE SU CALCOLO MATRICIALE, APPLICAZIONI LINEARI E FORME QUADRATICHE ESERCITAZIONE SU CALCOLO MATRICIALE, APPLICAZIONI LINEARI E FORME QUADRATICHE Calcolo matriciale Il problema che vogliamo affrontare è quello di introdurre un operazione di prodotto fra due date matrici

Dettagli

Matrice esponenziale e sistemi differenziali lineari a coefficienti costanti

Matrice esponenziale e sistemi differenziali lineari a coefficienti costanti Matrice esponenziale e sistemi differenziali lineari a coefficienti costanti Matrice esponenziale Sia A R n,n una matrice quadrata n n Per definire l esponenziale di A, prendiamo spunto dall identità e

Dettagli

Note per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan

Note per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni

Dettagli

GEOMETRIA 1 ottava parte

GEOMETRIA 1 ottava parte GEOMETRIA 1 ottava parte Cristina Turrini C. di L. in Fisica - 214/215 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA 1 1 / 15 index 1 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA

Dettagli

Sistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. a m,1 x 1 + a m,2 x a m,n x n = b m

Sistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. a m,1 x 1 + a m,2 x a m,n x n = b m 1 Sistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. Numero di operazioni per calcolare b: m n moltiplicazioni m (n 1) addizioni. a 1,1 x 1 + a 1,2 x 2 +... + a 1,n x n = b 1 a 2,1

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +

Dettagli

NOME COGNOME MATRICOLA CANALE

NOME COGNOME MATRICOLA CANALE NOME COGNOME MATRICOLA CANALE Fondamenti di Algebra Lineare e Geometria Proff. M. Imbesi - R. Sanchez - C. Zanella Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza TEMA 1 1. Scrivere la formula

Dettagli

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 3-28/3/2019

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 3-28/3/2019 Complementi di Matematica e Calcolo Numerico A.A. 2018-2019 Laboratorio 3-28/3/2019 Programmare con Matlab: Script-files Che cos è uno script file? È un file con estensione.m (ad esempio: myfile.m). Contiene

Dettagli

Operazioni tra matrici e n-uple

Operazioni 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,

Dettagli

v w u O Osserviamo che tale segmento ha la stessa lunghezza del vettore w tale che u+w = v cioe del vettore w = v u. Cosi si ha

v w u O Osserviamo che tale segmento ha la stessa lunghezza del vettore w tale che u+w = v cioe del vettore w = v u. Cosi si ha Matematica II, 708 Nel piano sia fissata una unita di misura Dati nel piano due vettori u, v applicati in uno stesso punto O, col termine distanza fra u e v intendiamo e col simbolo d(u, v) indichiamo

Dettagli

CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI

CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione

Dettagli

Geometria BAER PRIMO CANALE Foglio esercizi 1

Geometria 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

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili

Dettagli

Equazioni di Stato: soluzione tramite la matrice esponenziale

Equazioni di Stato: soluzione tramite la matrice esponenziale Equazioni di Stato: soluzione tramite la matrice esponenziale A. Laudani November 15, 016 Un po di Sistemi Consideriamo il problema di Cauchy legato allo stato della nostra rete elettrica {Ẋ(t) = A X(t)

Dettagli

LA DIAGONALIZZAZIONE. asdf. Polinomi di matrici. 30 January 2012

LA DIAGONALIZZAZIONE. asdf. Polinomi di matrici. 30 January 2012 asdf LA DIAGONALIZZAZIONE 30 January 2012 L'intento di questo articolo è di affrontare, si spera sempre nel modo più corretto e chiaro possibile, la trattazione di un argomento importante nell'ambito dell'algebra

Dettagli

Sistemi 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. 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

Dettagli

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale Algebra lineare e geometria AA. -7 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,

Dettagli

Numeri di Fibonacci, Autovalori ed Autovettori.

Numeri di Fibonacci, Autovalori ed Autovettori. Numeri di Fibonacci, Autovalori ed Autovettori. I numeri sulla Mole Antonelliana. Ecco i numeri sulla Mole:,,, 3,, 8, 3,, 34,, 89, 44, 33, 377, 6, 987, dove ogni nuovo numero rappresenta la somma dei due

Dettagli

Autovalori e autovettori di una matrice quadrata

Autovalori e autovettori di una matrice quadrata Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente

Dettagli

ed un operazione di moltiplicazione per scalari reali u u 2u

ed un operazione di moltiplicazione per scalari reali u u 2u Geometria e Algebra (II), 0... Consideriamo il piano della geometria euclidea, intuitivamente inteso, e sia un punto fissato in esso. Sull insieme P dei vettori del piano applicati nel punto sono definite

Dettagli

Capitolo 6. Sistemi lineari di equazioni differenziali. 1

Capitolo 6. Sistemi lineari di equazioni differenziali. 1 Capitolo 6 Sistemi lineari di equazioni differenziali L integrale generale In questo capitolo utilizzeremo la forma canonica di Jordan per studiare alcuni tipi di equazioni differenziali Un sistema lineare

Dettagli

Punti di massimo o di minimo per funzioni di n variabili reali

Punti di massimo o di minimo per funzioni di n variabili reali Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (

Dettagli

Argomento 13 Sistemi lineari

Argomento 13 Sistemi lineari Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto

Dettagli

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti

Dettagli

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare

Dettagli

ESERCIZI DI ALGEBRA LINEARE (D) V = 1 2. Verificare che V è un sottospazio e determinarne una base. A =

ESERCIZI DI ALGEBRA LINEARE (D) V = 1 2. Verificare che V è un sottospazio e determinarne una base. A = ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme V = { X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare

Dettagli

1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?

1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali? Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali ℕ, gli interi ℤ, i numeri

Dettagli

0.1 Forme quadratiche

0.1 Forme quadratiche 0.1. FORME QUADRATICHE 1 0.1 Forme quadratiche In questa sezione possiamo applicare il Teorema degli Assi Principali per giustificare alcune fatti che sono stati utilizzati nella riduzione a forma canonica

Dettagli