LeLing12: Ancora sui determinanti.
|
|
- Ottaviano Bruni
- 6 anni fa
- Visualizzazioni
Transcript
1 LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling 4. Sviluppo di Laplace Lo sviluppo di Laplace di un determinante det(a) n n permette di ridurre il calcolo a quello di n determinanti (n ) (n ). Ecco la formula dello sviluppo secondo la riga i-esima (dove A = (a ij )): det(a) = ( ) i+ a i det(a i ) + + ( ) i+n a in det(a in ) dove A ij e la matrice (n ) (n ) che risulta della A cancellando la riga i-esima e la colonna j -esima. Ecco lo sviluppo seconda la colonna j -esima: det(a) = ( ) j+ a j det(a j ) + + ( ) j+n a nj det(a nj ) Esempio 0.. Ecco lo sviluppo usando la prima riga = = (4 6) 2(3 5) + ( ) = 0 Vediamo la dimostrazione dello sviluppo secondo la prima riga. Osservare che la linearita del determinante dimostrata nella dispensa precedente implica det(a) = j= E j A 2 A n n a j det. Ingegneria dell Autoveicolo, LeLing2 Geometria
2 dove E j e la base canonica delle righe, cioe E j e nulla tranne nel posto j dove ha. Dunque per terminare la dimostrazione dobbiamo calcolare i determinanti a 2 a 22 a 2(j ) a 2j a 2(j+) a 2n a n a n2 a n(j ) a nj a n(j+) a nn Notiamo che tutta la colonna j -seima non interviene nel calcolo, cioe a 2 a 22 a 2(j ) 0 a 2(j+) a 2n a n a n2 a n(j ) 0 a n(j+) a nn Siccome scambiando due colonne il determinate cambia segno, risulta: E j A 2 det. = 0 a 2 a 22 a 2(j ) a 2(j+) a 2n ( )j = ( ) +j det(a j ) a n a n2 a n(j ) a n(j+) a nn A n Mettendo tutto insieme risulta lo sviluppo di Laplace rispetto alla prima riga: det(a) = a det(a i ) ± ± a n det(a n ). Osservare che il determinante a b c d = ad bc e un caso particolare dello sviluppo di Laplace. Prodotto vettoriale Dato un vettore del piano R 2 ( ) a v = vogliamo trovare un vettore perpendicolare ( ) b x w =. Consideriamo il determinate y x y a b. Sappiamo che questo determinate e zero quando x = a e y = a come risulta della formula x y ( ) ( ) x b a b = xb ya =. y a Dunque il vettore ( ) b w = e perpendicolare a ( ) ( ) ( ) a a b v =, cioe = 0. a b b a Ingegneria dell Autoveicolo, LeLing2 2 Geometria
3 Questo argomento si generalizza allo spazio R 3 e permette di risolvere il problema di trovare un vettore w perpendicolare a due vettori dati v, v 2. Infatti, siano v = b, c a 2 v2 = b 2 e x w = y. Consideriamo il seguente determinante: c 2 z x y z a b c a 2 b 2 c 2 = x b c b 2 c 2 y a c a 2 c 2 + z a b a 2 b 2 dove l uguaglianza e conseguenza dello svillupo di Laplace respetto alla prima riga. Possiamo interpretare quest ultima uguaglianza come un prodotto scalare, cioe b c x y z a b c a 2 b 2 c 2 = x b c b 2 c 2 y a c a 2 c 2 + z a b x b 2 c 2 a 2 b 2 = y a c z a 2 c 2 a b a 2 b 2 b c b 2 c 2 dunque il vettore w = a c a 2 c 2 e perpendicolare a v e v 2. a b a 2 b 2 Il vettore w si chiama prodotto vettoriale di v e v 2 e lo si denota con v v 2. In modo analogo, usando un determinante n n e lo sviluppo di Laplace si puo risolvere il problema di trovare un vettore w R n perpendicolare a n vettori dati. Il prodotto vettoriale visto geometricamente Abbiamo visto che il prodotto vettoriale v v 2 e perpendicolare a v e v 2. Siccome sappiamo che i vettori perpendicolari a v e v 2 costituiscono una retta, per individuare v v 2 basta conoscere il suo modulo, cioe la lunghezza, e il suo verso. Proposizione 0.2. Il modulo di v v 2 tra v e v 2. e v v 2 sin(θ), dove 0 θ < π e l angolo a Ingegneria dell Autoveicolo, LeLing2 3 Geometria
4 v v 2 Dimostrazione. Ricordiamo che il determinante det( v ) e il volume del v2 parellelepipedo generato dai tre vettori v v 2, v, v 2 : V olume( v v 2, v, v v 2 v 2 ) = det( v ) = v v 2 2. v2 Osserviamo allora che: v v 2 v v 2 sin(θ) = Area( v, v 2 ) = det( v v 2 v ) = v v 2 v2 v v 2 Siccome il determinate det( v v 2 v ) e positivo, si v2 conclude che la regola della mano destra e adatta per trovare il verso di v v 2. Dunque v v 2 e l unico vettore che e perpendicolare a v, v 2 che ha lungheza uguale all area Area( v, v 2 ) del parallelogramma generato da v e v 2 e il cui verso si trova usando la regola della mano destra. Il prodotto vettoriale v w si puo anche interpretare in termini di un giro (o rotazione) di 90 gradi. Infatti, supponendo che v w, allora v w e il vettore che si ottiene girando 90 in verso anti-orario il vettore w nel piano normale a v. Questo poiche il determinante nasce nel tentativo di calcolare l area o volume dell paralelopipedo generato tra i vettori. Ingegneria dell Autoveicolo, LeLing2 4 Geometria
5 Rango e determinante: i minori Ricordare che il determinante ha senso soltanto per le matrici quadrate. Se la matrice non e quadrata possiamo calcolare certi determinati chiamati minori. Un minore d ordine k della matrice A e il determinate di una matrice k k che risulta scegliendo k righe e k colonne della matrice A. Ad esempio, ogni numero a ij e un minore d ordine. Esempio 0.3. Il determinate = 2 e un minore d ordine 2 della matrice , che corrisponde a scegliere la prima e terza riga e la prima e terza colonna. Anche il determinante = 2 e un minore della matrice A. Ecco 8 2 un minore d ordine 3 : = 8 c c n c 2 Osservare che una colonna C = e non nulla se e solo se almeno un minore e. non nullo. Infatti i minori sono i numeri c,, c n e dunque ovviamente C e non nulla se almeno uno di questi numeri e non nullo. Questo e vero in generale, cioe per una matrice A n m qualsiasi; ossia A e non nulla se e solo se almeno un minore e non nullo. Notare che possiamo dire che una matrice ha rango zero se e solo se tutti i minori sono nulli. Questa osservazione si generalizza e diventa il teorema di Kronecker 2. Teorema 0.4. Una matrice A n m ha rango ρ(a) = k se e solo se esiste un minore non nullo d ordine k e tutti i minori d ordine > k sono nulli. Dimostrazione. Sia M k un minore d ordine k. Se ci fosse una combinazione lineare non banale tra le k righe (risp. k colonne) coinvolte nella costruzione di M k allora questa combinazione lineare sarebbe anche una combinazione lineare non banale tra le k righe che si trovano dentro al minore d ordine M k. Questo implica M k = 0. Questo dimostra che M k = 0 se k > ρ(a). Per dimostrare che se k = ρ(a) allora esiste un minore d ordine k non nullo possiamo assumere che A e una matrice con k colonne, 2 Leopold Kronecker (823-89) matematico tedesco. Ingegneria dell Autoveicolo, LeLing2 5 Geometria
6 cioe facciamo attenzione semplicemente a k colonne linearmenti independenti. Siccome il rango righe e uguale al rango colonne esitono anche k righe linearmente independenti. Dunque il minore k k cosi costruito deve essere non nullo, poiche le k righe sono linearmente independenti. Scelta delle variabile libere Puo capitare di dover risolvere un sistema lineare lasciando libere qualche variabile. Osservare che nel metodo di Gauss-Jordan spiegato all inizio di questo corso le variabili libere sono le ultime, cioe se x, x 2,, x n allora le ultime variabli, x n, x n sono quelle che si cerca di lasciare libere. Cosa succede se vogliamo lasciare libere le variabili x, x 2?. O piu in generale, se vogliamo che un insieme x i, x i2,, x il siano variabili libere. Nella pratica semplicemente si cambia l ordine, cioe si mettono in fondo alla matrice dei coefficienti le colonne delle x i, x i2,, x il e si procede con il metodo di Gauss-Jordan. { x + 2x Esempio 0.5. Vogliamo risolvere il sistema 2 + x 3 + 5x 4 = 3x + 4x 2 + 8x 3 + 3x 4 = 0 libere le varibili x, x 2. Dunque usiamo la seguente matrice del sistema: ( 5 2 ) }, lasciando Notare che la prima colonna corrisponde alla incognita x 3, la seconda alla x 4, la terza alla x e l ultima alla x 2. Adesso procediamo con Gauss-Jordan: ( ) ( ) ( ( Dunque il sistema e equivalente a: sistema con le variabili x, x 2 libere: x x 2 x 3 = x ) ( { x4 + 2x + 4x 2 = 3 x 3 + 3x + 2x 2 = 8 + x x ) 8 ) Ecco la soluzione del Ingegneria dell Autoveicolo, LeLing2 6 Geometria
7 Invece nel seguente sistema x, x 2 non possono essere libere nella soluzione generale. Esempio 0.6. { x = 3x + 4x 2 + 8x 3 + 3x 4 = 0 Dopo questi esempi la domanda naturale e quando possiamo scegliere un gruppo di incognite x i, x i2,, x il come variabli libere? Ecco la risposta. Teorema 0.. Sia (A B) un sistema compatibile con n incognite x, x 2,, x n. Le incognite x i, x i2,, x il si possono scegliere come variabili libere se e soltanto se il rango di A e uguale al rango della matrice che risulta da A dopo aver cancellato le colonne delle variabili x i, x i2,, x il. Inoltre, questo e possibile se e soltanto se esiste un minore d ordine l non nullo nella matrice che risulta da A dopo aver cancellato le colonne delle variabili x i, x i2,, x il. La dimostrazione e un semplice corollario della teoria sviluppata fino ad ora. E interessante osservare che il teorema precedende e una versione lineare del Teorema della funzione implicita studiato nel corso di Analisi. Questo teorema permette di definire una funzione (vettoriale) usando un sistema di equazioni non necessariamente lineare. Il polinomio caratteristico Una matrice quadrata A ha associato un polinomio molto importante che si calcola usando il concetto di determinante. Questo polinomio si chiama polinomio caratteristico; eccolo qui: a x a 2 a n a 2 a 22 x a 2n χ A (x) = det(a xid) = a n a n2 a nn x Cioe si sottrae la x lungo la diagonale di A e si calcola il determinante. ( ) 2 Esempio 0.8. Ecco il polinomio caratteristico della matrice A = : 3 4 χ A (x) = x x = ( x)(4 x) 6 = x2 5x 2. Ingegneria dell Autoveicolo, LeLing2 Geometria
8 Notare che mettendo 0 al posto della x risulta det(a) dunque il termine costante del polinomio caratteristico e il determinante di A. Proposizione 0.9. Il polinomio caratteristico di una matrice n n ha grado n. Dimostrazione. E molto facile usando lo sviluppo ( di Laplace. ) a b Ecco il polinomio caratteristico della matrice A = : c d χ A (x) = a x c b d x = x2 (a + d)x + (ad bc) Notare che il polinomio caratteristico della matrice nulla n n e ( ) n x n e quello della matrice identica n n e ( x) n. Ecco un teorema importante. Teorema 0.0. Sia A una matrice e P una matrice invertibile. Allora il polinomio caratteristico di A e uguale al polinomio caratteristico di P AP. Dimostracione. La formula di Binet implica det(p (A xid)p ) = det(p )det(a xid)det(p ) = det(a xid) = χ A (x) ma det(p (A xid)p ) = det(p AP xid) = χ P AP (x) Ingegneria dell Autoveicolo, LeLing2 8 Geometria
Inversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
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
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
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 Riduzione per righe e matrici equivalenti per righe.
Geometria Lingotto. LeLing2: Sistemi lineari omogenei. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi gia risolti. Il metodo di Gauss-Jordan e la forma echelon.
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
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
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
Dettagli1 Definizione di sistema lineare non-omogeneo.
Geometria Lingotto LeLing: Sistemi lineari non-omogenei Ārgomenti svolti: Sistemi lineari non-omogenei Il metodo di Gauss-Jordan per sistemi non-omogenei Scrittura della soluzione generale Soluzione generale
DettagliRisoluzione di ax 2 +bx+c = 0 quando a, b, c sono numeri complessi.
LeLing14: Ancora numeri complessi e polinomi Ārgomenti svolti: Risoluzione di ax + bx + c = 0 quando a, b, c sono numeri complessi La equazione di Eulero: e i θ = cos(θ) + i sin(θ) La equazione x n = a,
Dettagli0.1. MATRICI SIMILI 1
0.1. MATRICI SIMILI 1 0.1 Matrici simili Definizione 0.1.1. Due matrici A, B di ordine n si dicono simili se esiste una matrice invertibile P con la proprietà che P 1 AP = B. Con questa terminologia dunque
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)
DettagliI numeri sulla Mole Antonelliana.
Ārgomenti svolti: Serie di numeri di Fibonacci. Potenza n-esima di matrici. Autovalori ed autovettori. Formula di Binet. LeLing: Fibonacci, Autovalori e Autovettori. Ēsercizi consigliati: Geoling 6. I
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliI determinanti. a11 a A = 12 a 21 a 22
I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.
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
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
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
DettagliNumeri 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
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
Dettagli1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari 1 Sistemi di equazioni lineari 1.1 Determinante di matrici quadrate Ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante della matrice
DettagliSui determinanti e l indipendenza lineare di vettori
Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti
Dettagli1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici
Matrici R. Notari 1 1. Proprietà della somma di matrici 1. (A + B) + C = A + (B + C) qualunque siano le matrici A, B, C Mat(m, n; K). 2. A + B = B + A qualunque siano le matrici A, B Mat(m, n; K). 3. Sia
DettagliSistemi 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
DettagliLezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
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,
DettagliApplicazioni Lineari. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Applicazioni Lineari. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Basi e coordinate. Applicazioni lineari. Matrici come applicazioni
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
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
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliMatematica II,
Matematica II,.05.04 Diamo qui la nozione di determinante di una matrice quadrata, le sue prime proprieta, e ne deriviamo una caratterizzazione delle matrici non singolari e una formula per l inversa di
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
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
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
Dettagli(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
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
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 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
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
DettagliDeterminanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici
Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV
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
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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
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
DettagliTrapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.
2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ
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
DettagliVETTORI NELLO SPAZIO ORDINARIO ,
VETTORI E GEOMETRIA ANALITICA 1 VETTORI NELLO SPAZIO ORDINARIO Vettori ordinari ed operazioni. Dipendenza ed indipendenza lineare, basi. Prodotto scalare, proiezioni, angoli. Prodotto vettoriale e prodotto
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
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
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
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
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
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
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
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliI numeri sulla Mole Antonelliana.
I numeri sulla Mole Antonelliana. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. I voli dei numeri Ecco i numeri sulla Mole:,,, 3,, 8, 3,, 34,, 89, 44, 33, 377, 6,
DettagliGeometria e algebra lineare (II parte) Bruno Martelli
Geometria e algebra lineare (II parte) Bruno Martelli Dipartimento di Matematica, Largo Pontecorvo 5, 56127 Pisa, Italy E-mail address: martelli at dm dot unipi dot it versione: 7 marzo 2017 Indice Introduzione
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
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
DettagliProdotto scalare e prodotto vettoriale. Elisabetta Colombo
Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
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.
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
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
DettagliEsercizi 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
DettagliDeterminante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare
DettagliIntroduzione all algebra delle matrici. Appunti a cura di Lara Ercoli
Introduzione all algebra delle matrici ppunti a cura di Lara Ercoli Indice Definizioni 3. Matrici particolari............................ 4 2 Operazioni con le matrici 8 2. Somma di matrici.............................
DettagliFunzioni di R n a R m e la matrice Jacobiana
0.1 Funzioni di R n a R m. Politecnico di Torino. Funzioni di R n a R m e la matrice Jacobiana Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto 0.1 Funzioni di R n
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliTesti consigliati e contatti
Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
DettagliMATRICI. 1. Esercizi
MATICI Esercizio Siano A = 0, B = Esercizi 2, C = 0 2 2 Calcolare: a2a B; b3a + 2B 4C; c 2A + B + 2C 2B; d3b + 2(2A C (A + B + 2C isolvere, se possibile: ( 3X + 2(A X + B + 2(C + 2X = 0; (2 4A + 2(B +
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
DettagliIngegneria Gestionale - Corso di Analisi II e Algebra anno accademico 2008/2009
Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 28/29 Dire se le seguenti proposizioni sono vere o false: ESERCITAZIONE. Proposizione Vera Falsa f : R R 4 rk(f f : R 4 R rk(f f :
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
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
DettagliRANGO DI UNA MATRICE ρ(a)
RANGO DI UNA MATRICE (A) a,... a A M M am,... a, n mn, K É il massimo ordine di un minore estratto con determinante non nullo. Equivalentemente è il massimo numero di righe (colonne) linearmente indipendenti.
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
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
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
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
DettagliRicordiamo brevemente come possono essere rappresentate le rette nel piano: 1) mediante un'equazione cartesiana. = ( p 1
Introduzione Nella computer grafica, gli oggetti geometrici sono definiti a partire da un certo numero di elementi di base chiamati primitive grafiche Possono essere punti, rette e segmenti, curve, superfici
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliVolumi in spazi euclidei 12 dicembre 2014
Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato
DettagliRette e piani in R 3
Rette e piani in R 3 In questa dispensa vogliamo introdurre in modo elementare rette e piani nello spazio R 3 (si faccia riferimento anche al testo Algebra Lineare di S. Lang). 1 Rette in R 3 Vogliamo
DettagliCorso di Matematica Discreta. Anno accademico Appunti sulla diagonalizzazione.
Corso di Matematica Discreta. Anno accademico 2008-2009 Appunti sulla diagonalizzazione. Autovalori e autovettori di un endomorfismo lineare. Sia T : V V una applicazione lineare da uno spazio vettoriale
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
Dettagli