Lezione 7: Il Teorema di Rouché-Capelli
|
|
- Costanza Lupo
- 6 anni fa
- Visualizzazioni
Transcript
1 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 quanti parametri tali soluzioni dipendono. 1 Sistemi Lineari Richiamiamo la terminologia sui sistemi lineari gia introdotta nelle lezioni precedenti. ove Consideriamo il sistema lineare di m equazioni in n incognite: 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 a mn x n = b m In forma compatta tale sistema si scrive: Ax = b, a 11 a 12 a 1n a 21 a 22 a 2n A = a m1 a m2 a mn è detta matrice incompleta del sistema, o anche matrice dei coefficienti, mentre x 1 x 2 x =. x n b 1 b 2 e b =., sono detti rispettivamente il vettore delle incognite e il vettore dei termini noti. La matrice completa (A b) associata al sistema è b m 1
2 a 11 a 12 a 1n b 1 a 21 a 22 a 2n b a m1 a m2 a mn b m Ingenerale, datauna matrice M, indicheremo conm j il vettore costituito dalla sua j-esima colonna. Nel caso di A abbiamo quindi: A j = a 1j a 2j. a mj. Definizione 1.1. Il rango di una matrice M M m n è la dimensione dello spazio generato dai vettori colonna di M, cioè: rk (M) = dimspan(m 1,...,M n ). Osserviamo che il rango di una matrice A e uguale ad altre quantita che conosciamo bene. Il rango di A e la dimensione dell immagine dell applicazione lineare f : R n R m, x Ax. Infatti sappiamo bene che l immagine e generata proprio dai vettori che formano le colonne di A, che a loro volta sono proprio le immagini dei vettori della base canonica in R n, cioe f(e 1 ) = M 1,..., f(e n ) = M n. Il rango di A e anche il numero di righe non nulle che otteniamo applicando l algoritmo di Gauss alla matrice trasposta di A, cioe alla matrice che ha per righe le colonne di A. Infatti tale numero corrisponde proprio alla dimensione dello spazio delle colonne di A, cioe il rango di A per il punto precedente. Teorema 1.2. (Teorema di Rouché-Capelli, prima parte.) Il sistema lineare Ax = b ammette soluzioni se e solo se il rango della matrice completa è uguale al rango della matrice incompleta. 2
3 Dimostrazione. Osserviamo innanzitutto che il sistema A x = b ammette soluzioneseesoloseb = x 1 A 1 +x 2 A x n A n,cioèseesolosebèunacombinazionelinearedia 1,A 2,...,A n,cioèseesoloseb Span{A 1,A 2,...,A n }. Questo equivale a dire che Span{A 1,A 2,...,A n ) = Span{A 1,A 2,...,A n,b} e poichè Span{A 1,A 2,...,A n } Span{A 1,A 2,..., A n,b}, questo accade se e solo se dimspan{a 1,A 2,...,A n } = dimspan{a 1,A 2,...,A n,b}. MadimSpan{A 1,A 2,...,A n }èperdefinizioneilrangodellamatricecompleta, mentre dimspan{a 1,A 2,...,A n,b} è il rango della matrice incompleta. Questo conclude la dimostrazione. Osservazione. È più facile comprendere la teoria che sta alla base del teorema di Rouché-Capelli se si pensa alle applicazioni lineari. Consideriamo ad esempio il sistema x+2z = 3 2x+y +z = 0 (1) 3x+y +3z = 3 La matrice completa associata al sistema è: (A b) = Consideriamo ora l applicazione lineare L A : R 3 R 3 associata alla matrice incompleta del sistema: A = e ci chiediamo se il vettore (3,0,3) appartiene a Im (L A ). Questo equivale a cercare un vettore (x,y,x) tale che L A (x,y,z) = (3,0,3), cioè dobbiamo cercare un vettore (x,y,z) tale che A(x,y,z) = (3,0,3), cioè tale che x+2z 2x+y +z 3x+y +3z = cioè dobbiamo risolvere il sistema (1). (Si noti che abbiamo in qualche modo trasformato il problema di risolvere un sistema lineare in un problema riguardante l immagine di una applicazione lineare, e questo si può fare sempre, in tutta generalità.) ,
4 Quindi il sistema (1) ha soluzioni se e solo se (3,0,3) Im (L A ). Poichè Im (L A ) è lo span delle colonne di A, questo succede se e solo se Span 2, 1, 1 = Span 2, 1, 1, e questo succede se e solo se quei due Span hanno la stessa dimensione. Ma la dimensione del primo Span è proprio il rango di A, cioè della matrice incompleta, e la dimensione del secondo Span è proprio il rango di A b, cioè della matrice completa. Definizione 1.3. Sia Ax = b un sistema lineare. Ax = 0 è detto il sistema omogeneo associato al sistema Ax = b. Teorema 1.4. (Teorema di struttura per sistemi lineari.) Sia v 0 una soluzione particolare del sistema lineare Ax = b. Allora tutte e sole le soluzioni di Ax = b sono della forma v = v 0 +w, ove w è una soluzione del sistema omogeneo associato Ax = 0. Dimostrazione. Consideriamo l applicazione linearel A : R n R m associata alla matrice A e osserviamo che v è una soluzione del sistema lineare Ax = b se e solo se L A (v) = b, e w è una soluzione del sistema lineare associato Ax = 0 se e solo se L A (w) = 0. Quindi per ipotesi L A (v 0 ) = b. Sia ora v una soluzione di Ax = b. Allora L A (v) = b e si ha che v = v 0 +(v v 0 ), ove w = v v 0 è una soluzione del sistema omogeneo associato, infatti L A (v v 0 ) = L A (v) L A (v 0 ) = b b = 0. Viceversa, se w è una soluzione del sistema omogeneo associato (e quindi per ipotesi L A (w) = 0), allora v = v 0 +w èuna soluzione del sistema Ax = b, infatti L A (v) = L A (v 0 + w) = L A (v 0 ) + L A (w) = b+0 = b, come volevasi dimostrare. Osservazione. Nel caso del sistema (1), troviamo le soluzioni. La matrice completa ridotta a scala diventa: Si vede facilmente che le soluzioni dipendono da 3 2 = 1 parametro, e sono {( 2s+3,3s 6,s) s R}. 4
5 Troviamo ora le soluzione del sistema omogeneo associato. La matrice incompleta è A = 2 1 1, che ridotta a scala diventa: Si vede facilmente che le soluzioni dipendono da 3 2 = 1 parametro, e sono {( 2s,3s,s) s R}. Quindi si ha che {( 2s+3,3s 6,s) s R} = {( 2s,3s,s) s R}+(3, 6,0) e (3, 6,0) è una soluzione particolare del sistema (1), quella ottenuta per s = 0 (per convincersene basta sostituire). Teorema 1.5. Sia Ax = 0 un sistema lineare omogeneo in n incognite e sia r = rk (A). Allora lo spazio vettoriale Z delle soluzioni del sistema ha dimensione n r. In particolare se n = r si ha che Z = {0}, cioè il sistema ha solo la soluzione nulla. Dimostrazione. Sia L A : R n R m l applicazione lineare associata alla matrice A. Si ha che rk (A) = dimim (L A ) e Z = ker(l A ). Per il teorema della dimensione si ha che dimz = dimker(l A ) = dimr n dimim (L A ) = n r. Se n = r si ha che dimker(l A ) = 0, quindi Z = {0}. Teorema 1.6. (Teorema di Rouché-Capelli.)Il sistema lineare Ax = b di m equazioni in n incognite ammette soluzioni se e solo se rk (A) = rk (A b). Inoltre, se rk (A) = rk (A b) = r, allora le soluzioni dipendono da n r parametri. Dimostrazione. La prima parte dell enunciato è il teorema 1.2, che abbiamo già dimostrato. Possiamo quindi supporre che il sistema abbia soluzioni. Per il teorema 1.4 le soluzioni del sistema lineare Ax = b sono tante quante quelle del sistema omogeneo associato Ax = 0; e per il teorema precedente queste soluzioni dipendono da n rk (A) parametri. 5
6 Riassumendo: A. Un sistema lineare Ax = b di m equazioni in n incognite pu? essere: - Risolubile (ci? accade se e solo se rk (A) = rk (A b)). - Non risolubile (ci? accade se e solo se rk (A) < rk (A b)). B. Se il sistema è risolubile e r = rk (A) = rk (A b) il sistema ha n r incognite libere. In particolare: - Se n = r c è una sola soluzione; - se n > r ci sono infinite soluzioni, che dipendono da n r parametri indipendenti. 2 Tecniche di calcolo Per risolvere un sistema lineare omogeneo Ax = b si considera la matrice completa (A b) e la si riduce ad una matrice a scala (A b ). Il sistema lineare ad esso associato è equivalente al sistema Ax = b, perché le operazioni elementari sulle righe non cambiano l insieme delle soluzioni. Sia r il numero di righe non nulle di A. Osserviamo che r è il rango per righe di A, cioè è la dimensione dello spazio vettoriale generato dalle righe di A, ed è anche il rango per righe di A, perché le operazioni elementari sulle righe non cambiano lo Span delle righe. Se anche (A b ) ha r righe non nulle allora il sistema è risolubile, altrimenti il sistema non ammette soluzioni (e quest ultima situazione in pratica si verifica perch? l ultima equazione del sistema associato alla matrice a scala (A b ) diventa del tipo 0 = b r +1, e b r +1 è un numero diverso da zero). Se il sistema è risolubile, allora si possono ricavare le r incognite corrispondenti ai pivot nonnulli di Ain funzionedelle rimanenti n r incognite, alle quali si possono assegnare valori a piacere. Osservazione 2.1. Si ha così che le soluzioni del sistema dipendono da n r parametri liberi, ove r èil rangoper righedi A. Poiché sappiamo anche cheil numero di parametri liberi sono n rk (A) (vedere l osservazione precedente) segue che r = r, cioè la dimensione dello spazio generato generato dalle righe di A è uguale alla dimensione dello spazio generato generato dalle colonne di A. 6
7 Esercizio 1: Si trovino le soluzioni del seguente sistema: x 1 x 2 +3x 3 +x 5 = 2 2x 1 +x 2 +8x 3 4x 4 +2x 5 = 3 x 1 +2x 2 +5x 3 3x 4 +4x 5 = 1 La matrice completa associata al sistema è: (A b) = , che ridotta a scala diventa: (A b ) = , mentre la matrice incompleta di (A b ) è: A = Entrambe le matrici hanno r = 3 righe non nulle, quindi il sistema è risolubile, e le soluzioni dipendono da n r = 5 3 = 2 parametri. I pivots non nulli della matrice sono quelli relativi a x 1,x 2 e x 4, quindi possiamo ricavare queste incognite in funzione delle rimanenti x 3 e x 5. Il sistema associato alla matrice a scala (A b ) è: x 1 x 2 +3x 3 +x 5 = 2 3x 2 +2x 3 4x 4 = 1 x 4 +3x 5 = 0 Posto x 3 = s, x 5 = t otteniamo: x 4 = 3t, x 2 = 2 3 s 4t 1 3, x 1 = 11 3 s 5t Lesoluzionisonoquindi {( 11 3 s 5t+ 5 3, 2 3 s 4t 1 3,s, 3t,t) s,t R }. Esercizio 2: Si trovino le soluzioni del seguente sistema: x 1 x 2 +x 3 = 2 2x 1 x 2 +3x 3 = 1 x 1 +2x 3 = 1 7
8 La matrice completa associata al sistema è: (A b) = , che ridotta a scala diventa: (A b ) = , mentre la matrice incompleta di (A b ) è: A = Ilsistema nonammettesoluzioni, perch? A har = 2righenonnulle, mentre (A b ) ha 3 righe non nulle. Infatti il sistema associato a (A b ) è x 1 x 2 +x 3 = 2 x 2 +x 3 = 5 0 = 4 che chiaramente non ammette soluzioni. Esercizi 1. Data l applicazione lineare T : R 4 R 3 definita da: T(x 1,x 2,x 3,x 4 ) = (x 1 +k 2 x 2 +kx 3 +x 4,4x 1 3kx 2 +2x 3 +2x 4,kx 2 2kx 2 x 3 +x 4 ) stabilire per quali valori di k il vettore (1,2k 2,4k) appartiene a Im (T). 2. Data l applicazione lineare T : R 3 R 3 associata alla matrice: 3k 3 k +2 A = 1 k k,
9 stabilire per quali valori di k il vettore (k + 2,1,k + 1) appartiene a Im (T). Posto k = 1 trovare tutti i vettori (x,y,z) tali che T(x,y,z) = (k + 2,1,k+1). Posto k = 3 trovare tutti i vettori (x,y,z) tali che T(x,y,z) = (k + 2,1,k+1). 9
LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
DettagliLa riduzione a gradini e i sistemi lineari (senza il concetto di rango)
CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere
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
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
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. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
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)
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 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
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
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
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
DettagliEsercizio 1 Trovare, se esistono, le soluzioni del sistema lineare. y + 3z = 3 x y + z = 0. { x + y = 1
Esercizio 1 Trovare, se esistono, le soluzioni del lineare y + 3z = 3 x y + z = 0 x + y = 1 0 1 3 3 1 1 1 0 1 1 1 0 = 0 1 3 3 = 1 1 0 1 1 1 0 1 = 1 1 1 0 0 1 3 3 0 1 1 = Il di partenza è quindi equivalente
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.
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliSottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.
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,
Dettagli1) 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
DettagliDipendenza e indipendenza lineare
Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus
DettagliProdotto scalare, ortogonalitá e basi ortonormali
CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliSISTEMI DI EQUAZIONI LINEARI
Capitolo 3 SISTEMI DI EQUAZIONI LINEARI 1 Generalità e algoritmo di Gauss Nel capitolo precedente abbiamo visto come per risolvere problemi legati allo studio degli spazi vettoriali lo strumento tecnico
DettagliEsercizi svolti sui sistemi lineari
Francesco Daddi - www.webalice.it/francesco.daddi Esercizi svolti sui sistemi lineari Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: tx+(t 1)y + z =1 (t 1)y + tz =1
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
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.
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento 3 Sistemi lineari I 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) eb è un numero reale (detto
DettagliPrima di risolverli, è necessario prevedere se ci saranno soluzioni e, eventualmente, quante saranno.
Sistemi lineari Prima di risolverli, è necessario prevedere se ci saranno soluzioni e, eventualmente, quante saranno. La discussione di un sistema si imposta in questo modo: 1 studiare il rango della matrice
DettagliLezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine
Lezione 6 Nucleo, Immagine e Teorema della Dimensione In questa lezione entriamo nel vivo della teoria delle applicazioni lineari. Per una applicazione lineare L : V W definiamo e impariamo a calcolare
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliIII-4 Sistemi di equazioni lineari
SISTEMI DI EQUAZIONI LINEARI III-4 Sistemi di equazioni lineari Indice Sistemi di equazioni lineari 2 Alcuni risultati generali 2 2 Il teorema di Rouché Capelli 3 22 Il teorema e la regola di Cramer 3
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):
DettagliMetodo di Gauss-Jordan 1
Metodo di Gauss-Jordan 1 Nota Bene: Questo materiale non debe essere considerato come sostituto delle lezioni. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
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
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
Dettagli1 Definizione di sistema lineare omogeneo.
Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari
Dettagli1 Sistemi di equazioni lineari 1. 2 Alcuni risultati generali Il teorema di Rouché Capelli Il teorema e la regola di Cramer...
SISTEMI DI EQUAZIONI LINEARI Sistemi di equazioni lineari Indice Sistemi di equazioni lineari 2 Alcuni risultati generali 2 2 Il teorema di Rouché Capelli 2 22 Il teorema e la regola di Cramer 3 3 Il calcolo
DettagliGeometria BATR-BCVR Esercizi 9
Geometria BATR-BCVR 2015-16 Esercizi 9 Esercizio 1. Per ognuna delle matrici A i si trovi una matrice ortogonale M i tale che Mi ta im sia diagonale. ( ) 1 1 2 3 2 A 1 = A 2 1 2 = 1 1 0 2 0 1 Esercizio
DettagliApplicazioni lineari tra spazi euclidei. Cambi di base.
pplicazioni lineari tra spazi euclidei. Cambi di base. Esercizio. Data la seguente applicazione lineare f : R R : f(x, y, z) = (x z, x + y, y + z), scrivere la matrice B, rappresentativa di f rispetto
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliPer equazione lineare nelle incognite x, y intendo un equazione del tipo. ax = b,
Matematica II 161110 1 Equazioni lineari in una incognita Per equazione lineare nell incognita x intendo un equazione del tipo ax = b dove a b sono due costanti reali a e il coefficiente e b e il termine
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
DettagliEquazioni differenziali Corso di Laurea in Scienze Biologiche Istituzioni di Matematiche A.A. 2007-2008. Dott.ssa G. Bellomonte
Equazioni differenziali Corso di Laurea in Scienze Biologiche Istituzioni di Matematiche A.A. 2007-2008 Dott.ssa G. Bellomonte Indice 1 Introduzione 2 2 Equazioni differenziali lineari del primo ordine
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliCorso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni
Corso di Laurea in Fisica. Geometria. a.a. 23-4. Canale 3 Prof. P. Piazza Magiche notazioni Siano V e W due spazi vettoriali e sia T : V W un applicazione lineare. Fissiamo una base B per V ed una base
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
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
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliAppunti di Algebra Lineare - 2
Appunti di Algebra Lineare - Mongodi Samuele - s.mongodi@sns.it 8/5/ Queste note hanno lo scopo di illustrare il metodo della riduzione a scala (o algoritmo di Gauss e di Gauss-Jordan) e alcune delle sue
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
DettagliLUISS Laurea specialistica in Economia e Finanza Anno Accademico 2010/2011
LUISS Laurea specialistica in Economia e Finanza Anno Accademico 1/11 Corso di Metodi Matematici per la Finanza Prof. Fausto Gozzi, Dr. Davide Vergni Soluzioni esercizi 4,5,6 esame scritto del 13/9/11
DettagliEquazioni differenziali
4 Equazioni differenziali Determinare le primitive di una funzione f(x) significa risolvere y (x) = f(x) dove l incognita è la funzione y(x). Questa equazione è un semplice esempio di equazione differenziale.
DettagliEsercitazioni di Geometria A: curve algebriche
Esercitazioni di Geometria A: curve algebriche 24-25 maggio 2016 Esercizio 1 Sia P 2 il piano proiettivo complesso munito delle coordinate proiettive (x 0 : x 1 : x 2 ). Sia r la retta proiettiva di equazione
DettagliEsercizi svolti sui sistemi lineari
Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: t x + (t 1)y + z = 1 (t 1)y + t z = 1 2 x + z = 5 Soluzione. Il determinante della matrice dei coefficienti è t t 1
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
DettagliLezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari
Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle
DettagliIl concetto delle equazioni reciproche risale ad A. De Moivre ( ) ed il nome è dovuto a L. Euler ( ).
Il concetto delle equazioni reciproche risale ad A. De Moivre (1667-1754) ed il nome è dovuto a L. Euler (1707-1783). Girard nel 1629 enunciò, e Gauss poi dimostrò rigorosamente nel 1799, che un equazione
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliCirconferenze del piano
Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della
DettagliAnno 2. Risoluzione di sistemi di primo grado in due incognite
Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione
Dettagliha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 6 Eliminazione di Gauss con scambi di righe Sia A O una matrice m n. Abbiamo illustrato nella Lezione 5 un algoritmo che ha come
DettagliApplicazioni lineari
CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
Dettagli1 Forme quadratiche 1. 2 Segno di una forma quadratica Il metodo dei minori principali Soluzioni degli esercizi 7.
1 FORME QUADRATICHE 1 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli esercizi
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
Dettagli1.1 Coordinate sulla retta e nel piano; rette nel piano
1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione
DettagliSISTEMI LINEARI. Prof.ssa R. Schettino Classe II a.s. 10/ 10/ 1111
SISTEMI LINEARI Prof.ssa R. Schettino Classe II a.s. 10/ 10/ 1111 EQUAZIONE LINEARE IN DUE INCOGNITE 3x+7y=21-12x+6y-36=0 x-y+2=0 9y-21x+9=0 Con x e y si indicano le incognite delle equazioni Quali sono
DettagliLezione 9: Le matrici
Lezione 9: Le matrici Ancora un po di sistemi in generale: le notazioni Nella lezione precedente abbiamo visto vari esempi di sistemi lineari in cui si verificavano i seguenti casi: una sola soluzione,
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
DettagliUn monomio è in forma normale se è il prodotto di un solo fattore numerico e di fattori letterali con basi diverse. Tutto quanto sarà detto di
DEFINIZIONE Espressione algebrica costituita dal prodotto tra una parte numerica (coefficiente) e una o più variabili e/o costanti (parte letterale). Variabili e costanti possono comparire elevate a potenza
DettagliRipasso tramiti esempi - Applicazioni lineari e matrici
Ripasso tramiti esempi - Applicazioni lineari e matrici Applicazioni lineari associata ad una matrice Avete imparato che data una matrice A K m,n esiste una applicazione lineare associata ad A. Ma come
DettagliEsercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
DettagliEquazioni esponenziali e logaritmi
Copyright c 2008 Pasquale Terrecuso Tutti i diritti sono riservati. Equazioni esponenziali e logaritmi 2 equazioni esponenziali..................................................... 3 casi particolari............................................................
DettagliLEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1
LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,
DettagliPiccolo teorema di Fermat
Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod p). Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod
DettagliCorso di Matematica II Anno Accademico Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori
Esercizio 1 Corso di Matematica II Anno Accademico 29 21. Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori May 7, 21 Commenti e correzioni sono benvenuti. Mi scuso se ci fosse qualche
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
DettagliLe matrici. A cura di Benedetta Noris, 17 aprile Cos è una matrice. 2 Rappresentazione di una matrice generica 2
Le matrici A cura di Benedetta Noris, 17 aprile 2012 benedetta.noris1@unimib.it Indice 1 Cos è una matrice 1 2 Rappresentazione di una matrice generica 2 3 Somma di matrici e prodotto di una matrice per
DettagliGiovanna Carnovale. October 18, Divisibilità e massimo comun divisore
MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore
DettagliSistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
DettagliIV-2 Forme quadratiche
1 FORME QUADRATICHE 1 IV-2 Forme quadratiche Indice 1 Forme quadratiche 1 2 Segno di una forma quadratica 2 2.1 Il metodo dei minori principali........................................ 3 3 Soluzioni degli
DettagliLEZIONE 10. S(C,ρ) Figura 10.1
LEZIONE 10 10.1. Sfere nello spazio. In questa lezione studieremo alcuni oggetti geometrici non lineari, circonferenze e sfere nello spazio A 3. Poiché le proprietà delle circonferenze nel piano sono del
DettagliSviluppi e derivate delle funzioni elementari
Sviluppi e derivate delle funzioni elementari In queste pagine dimostriamo gli sviluppi del prim ordine e le formule di derivazioni delle principali funzioni elementari. Utilizzeremo le uguaglianze lim
Dettagli