LeLing9: Prodotto tra matrici.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LeLing9: Prodotto tra matrici."

Transcript

1 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 e operazioni elementari usando il prodotto, cioe matrici elementari La trasposizione, cioe la matrice trasposta Ēsercizi consigliati: Geoling 12 Prodotto tra matrici Per dire in modo semplice che la colonna B e combinazione lineare delle colonne A 1, A 2,, A n si usa il concetto di prodotto tra una matrice A e una colonna C Piu precisamente, se la colonna B e una combinazione lineare delle colonne A 1, A 2,, A n allora esistono c 1, c 2,, c n tali che c 1 A 1 + c 2 A n + + c n A n = B Possiamo allora pensare alle colonne A 1, A 2,, A n come le colonne di una matrice A e possiamo an- c 1 c 2 che pensare i coefficienti c 1, c 2,, c n come gli elementi di una colonna C = Dunque il prodotto AC della matrice A e la colonna C sara per definizione la colonna B Definizione 1 Sia A = (a ij una matrice m n, cioe A ha m righe e n colonne Sia C = (c i una colonna di n elementi Allora il prodotto A C e la combinazione lineare c 1 A 1 + c 2 A n + + c n A n Osservare che il prodotto A C della matrice A e la colonna C ha senso solo quando C e una colonna con un numero di elementi uguale al numero di colonne della matrice A ( Esempio 2 Il prodotto A C della matrice A = e la colonna C = e A C = 5 ( 1 ( ( ( 1 + = ( 4 8 c n Ingegneria dell Autoveicolo, LeLing9 1 Geometria

2 Geometria Lingotto Una volta che abbiamo definito il prodotto tra una matrice A e una colonna C possiamo definire il prodotto tra una matrice A e una matrice C L idea e pensare C dal punto di vista delle colonne e usare la definizione precedente Definizione 3 Sia A una matrice m k e sia C una matrice k n prodotto A C e la matrice m n : A C := (A C 1 A C 2 A C n dove A C j e il prodotto tra la matrice A e la colonna C j Allora il Dunque la prima colonna del prodotto A C e la combinazione lineare delle colonne di A ottenuta usando i coefficienti della prima colonna della C, la seconda colonna del prodotto A C e la combinazione lineare delle colonne di A ottenuta usando i coefficienti della seconda colonna della C e cosí via In questo modo, il prodotto A C si pensa dal punto di vista delle colonne Pensando alla matrice A dal punto di vista delle righe, cioe A = R 1 R 2 R m osserviamo che il prodotto A C tra A e una colonna C, si puo anche calcolare faccendo il prodotto tra le righe di A e la colonna C, cioe : A C = R 1 C R 2 C R m C Questa osservazione dimostra la seguente proposizione R 1 R 2 Proposizione 4 Sia A = una matrice di m k, cioe la riga R j R m ha k elementi, e sia C = (C 1 C 2 C n una matrice di k n Allora il prodotto A C e la seguente matrice m n: A C := R 1 C 1 R 1 C 2 R 1 C n R 2 C 1 R 2 C 2 R 2 C n R m C 1 R m C 2 R m C n Ingegneria dell Autoveicolo, LeLing9 2 Geometria

3 1 Dimostrazione del Teorema del rango Geometria Lingotto Dove R i C j = k s=1 a isc sj Dunque possiamo anche pensare al prodotto A C del punto di vista delle righe, cioe A C = R 1 C R 2 C R m C Detto a parole: la prima riga della matrice A C e la combinazione lineare delle righe della matrice C usando i coefficenti della prima riga di A, la seconda riga della matrice A C e la combinazione lineare delle righe della matrice C usando i coefficenti della seconda riga di A e cosí via Ecco un modo pratico di fare il prodotto A B : 1 Dimostrazione del Teorema del rango Questa possibilitá di pensare il prodotto tra matrici dal punto di vista delle colonne oppure delle righe ci permette dimostrare molto semplicemente il Teorema del rango che afferma che il rango righe ρ R (A e uguale al rango colonne ρ C (A per qualsiasi matrice A Ricordare che questo permette definire il rango ρ(a di una matrice A come ρ(a = ρ R (A = ρ C (A Dimostrazione del Teorema del rango Sia A una matrice n m e sia c = ρ C (A il rango colonne Allora le colonne della matrice A sono combinazione lineare di c colonne Ingegneria dell Autoveicolo, LeLing9 3 Geometria

4 1 Dimostrazione del Teorema del rango Geometria Lingotto C 1, C 2, C c Sia C la matrice le cui colonne sono le C 1, C 2,, C c Interprentando il prodotto dal punto di vista delle colonne segue che esiste una matrice M tale che A = C M, cioe la prima colonna di A e la combinazione lineare delle colonne di C usando i coeficienti della prima colonna di M, etc Osservare che la matrice C e n c e la matrice M e c m Adesso e il momento d interpretare il prodotto A = C M dal punto di vista delle righe Dunque le righe di A sono combinazioni lineari delle righe di M Questo implica che lo spazio righe di A, R A e un sottospazio dello spazio righe R M di M e quindi risulta ρ R (A = dim(r A dim(r M = ρ R (M Ma M ha c righe dunque: ρ R (A = dim(r A dim(r M = ρ R (M c = ρ C (A da cui ρ R (A ρ C (A In modo analogo, cioe pensando inizialmente A dal punto di vista delle righe risulta la desiguaglianza ρ C (A ρ R (A Dunque ρ C (A = ρ R (A L algebra delle matrici quadrate n n Sia M n,n l insieme di matrici quadrate n n Sappiamo che M n,n e uno spazio vettoriale Ma sappiamo anche che il prodotto A B tra due matrici in M n,n e pure una matrice quadrata n n Questo permette di parlare di algebra delle matrici quadrate, poiche in matematica un algebra e uno spazio vettoriale dove si possono moltiplicare i vettori in modo che le regole usuali tra i numeri vengano soddisfatte, cioe la associativita e la distributivita Proposizione 5 Siano A, B, C tre matrici Allora le seguente regole usuali di calcolo sono vere: (i (A B C = A (B C, cioe la proprieta associativita, (ii { (A + B C = A C + B C A (B + C = A B + A C, cioe la proprieta distributiva E importante notare la ragione per cui si enuncia due volte la proprieta distributiva; essa e dovuta al fatto che a differenza del prodotto tra i numeri il prodotto tra matrici non e commutativo Esempio 6 Ecco un esempio ( di due matrici A, ( B il cui prodotto A B non e uguale 1 al prodotto B A Sia A = e sia B = Dunque 1 ( 1 A B =, Ingegneria dell Autoveicolo, LeLing9 4 Geometria

5 2 Operazioni elementari tramite il prodotto A B Geometria Lingotto invece B A = ( 1 2 Operazioni elementari tramite il prodotto A B Abbiamo visto che la prima riga del prodotto A B e la combinazione lineare delle righe della matrice B usando i coefficenti della prima riga della matrice A Ad esempio, moltiplicare la prima riga della matrice B con il numero r e il risultato della seguente moltiplicazione: r 1 B 1 L operazione elementare rr i di moltiplicare la riga R i per un numero r si puo fare tramite il prodotto matriciale Semplicemente si cambia l uno della posizione i i della matrice identica per il numero r Ad esempio se B e una matrice 4 3 la operazione 7R 3 e il risultato del prodotto A B dove la matrice A e : A = Per motivi ovvi questa matrice si chiama rr i invece di A, cioe scrivendo rr i B si capisce subito che il risultato e quello di fare una operazione elementare sulle righe di B La operazione elementare di scambio di due righe si puo fare anche usando il prodotto Ad esempio se vogliamo scambiare la prima e la seconda riga della matrice B basta calcolare A B dove A e : 1 1 A = 1 1 Ingegneria dell Autoveicolo, LeLing9 5 Geometria

6 2 Operazioni elementari tramite il prodotto A B Geometria Lingotto Per questa ragione invece di usare la lettera A si usa il simbolo R 1 2 per denotare questa matrice Quindi la matrice R 1 2 B e la matrice che risulta scambiando la prima riga con la seconda della matrice B Secondo la stessa idea possiamo scambiare qualsiasi coppia di righe i, j moltiplicando per un matrice R i j Ad esempio, se vogliamo scambiare la seconda riga con la quinta di una matrice B 5 6 basta calcolare R 2 5 B dove R 2 5 e : R 2 5 = Anche l ultima operazione elementare R i + rr j, cioe sommare alla i-esima riga la riga j -esima moltiplicata per r, si puo fare tramite il prodotto matriciale Questa matrice verra denotata con R i+rj Se B e una matrice 5 6 ecco la R 2+174, cioe l operazione di sommare alla seconda riga di B la quarta riga di B moltiplicata per 17: R = Possiamo riassumere quanto detto nel seguente teorema Teorema 7 Sia A una matrice e sia E la matrice echelon che si ottiene da A usando il metodo di Gauss-Jordan Allora esiste una matrice M tale che M A = E, dove M si ottiene moltiplicando tra di loro matrici del tipo R i+rj, R i j e rr i Le matrici del tipo R i+rj, R i j e rr i si chiamano matrici elementari La matrice trasposta Abbiamo visto che una matrice si puo pensare facendo particolare attenzione alle righe oppure mettendo in maggior rilievo le colonne, cioe possiamo pensare la matrice dal punto di vista delle righe o dal punto di vista delle colonne Se A e una matrice allora la matrice traposta A t e la matrice che si ottiene di A facendo diventare la riga R i una colonna C i, cioe la colonna C i della A t ha gli elementi della riga R i della A E facile vedere che se A = (a ij allora A t = a ji, cioe si scambiano i sottoindici, poiche le righe diventano colonne e viceversa Ingegneria dell Autoveicolo, LeLing9 6 Geometria

7 2 Operazioni elementari tramite il prodotto A B Geometria Lingotto Esempio 8 Se A = ( allora A t = Osservare che se A e n m allora A t e m n Ovviamente (A t t = A Una matrice si chiama simmetrica se A t = A e anti-simmetrica se A t = A Notare che gli elementi diagonali di una matrice anti-simmetrica sono zeri Ecco le proprieta piu importanti della trasposizione Proposizione 9 Se A, B sono matrici allora: (A + B t = A t + B t, (ra t = ra t, (A B t = B t A t Osservare che le due prime propieta ci assicurano che la trasposta di una combinazione lineare e la combinazione linerare delle trasposte, cioe (c 1 A c n A n t = c 1 A t c n A t n Invece l ultima ci dice che l ordine del prodotto cambia dopo la trasposizione Ecco un corollario del teorema del rango Proposizione 1 Il rango di A e uguale a quello di A t Simbolicamente ρ(a = ρ(a t Abbiamo visto che M n,m, cioe l insieme di matrici n m, e uno spazio vettoriale di dimensione nm poiche le matrici E ij che hanno tutti zeri tranne al posto (i, j, dove c e 1, sono nm matrici independenti che generano M n,m Sia A una colonna di n elementi e sia B una colonna di m elementi Allora A B t M n,m e A B = (a i b j Osservare che i prodotti e i (e j t, dove (e i e la base canonica delle colonne sono le matrici E ij Osservare che cosi e facile calcolare il prodotto A E ij = A (e i (e j t = (A e i (e j t = A i (e j t ; pertanto il prodotto A E ij e la matrice dove tutte le colonne sono nulle tranne la colonna j che e la colonna i della A Ingegneria dell Autoveicolo, LeLing9 7 Geometria

8 2 Operazioni elementari tramite il prodotto A B Geometria Lingotto Rotazioni Una applicazione importante del prodotto A C e qualla delle rotazioni Supponiamo che vogliamo ruotare una figura di un angolo θ intorno al punto O nel senso anti-orario: Il problema e trovare le coordinate dei punti A, B, C usando le coordinate dei punti A, B, C ( cos(θ sin(θ La matrice R = permette di risolvere il problema facilmente sin(θ cos(θ Assumiamo( che le coordinate del punto O sono,, cioe O si rappresenta ( tramite a la colonna Possiamo rappresentare il punto A tramite la colonna A =, ( ( a il punto B con la colonna B = e infine il punto C tramite la colonna C = b b Ecco la soluzione: A = R A B = R B Ingegneria dell Autoveicolo, LeLing9 8 Geometria

9 2 Operazioni elementari tramite il prodotto A B Geometria Lingotto C = R C Dunque, in generale, se vogliamo ruotare la colonna X = prodotto R X Ecco il risultato: ( cos(θ sin(θ R X = sin(θ cos(θ ( x y = ( x y ( cos(θx sin(θy sin(θx + cos(θy basta calcolare il Piu avanti si fara vedere che usando i numeri complessi e anche molto facile ruotare le figure nel piano Ingegneria dell Autoveicolo, LeLing9 9 Geometria

Inversa di una matrice

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:

Dettagli

LeLing12: Ancora sui determinanti.

LeLing12: Ancora sui determinanti. LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling

Dettagli

1 Indipendenza lineare e scrittura unica

1 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

Dettagli

1 Combinazioni lineari.

1 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

Dettagli

1 Definizione di sistema lineare omogeneo.

1 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

Dettagli

1 Riduzione per righe e matrici equivalenti per righe.

1 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.

Dettagli

Applicazioni Lineari. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.

Applicazioni 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

Risoluzione di ax 2 +bx+c = 0 quando a, b, c sono numeri complessi.

Risoluzione 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,

Dettagli

1 Definizione di sistema lineare non-omogeneo.

1 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

Dettagli

Metodo di Gauss-Jordan 1

Metodo 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

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 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.

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo 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

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

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im

Definizione 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

Dettagli

Fondamenti di ALGEBRA LINEARE E GEOMETRIA

Fondamenti di ALGEBRA LINEARE E GEOMETRIA Fondamenti di ALGEBRA LINEARE E GEOMETRIA Corso di laurea in Ingegneria Gestionale 2011-2012 Michel Lavrauw Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova Lezione 19 Capitolo

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare

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

Esercitazioni di Algebra e Geometria

Esercitazioni di Algebra e Geometria Esercitazioni di Algebra e Geometria Anno Accademico 2011 2012 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.00

Dettagli

Sui determinanti e l indipendenza lineare di vettori

Sui 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

Dettagli

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016.

Registro 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

Dettagli

Giuseppe Accascina. Note del corso di Geometria e Algebra

Giuseppe 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

Dettagli

Introduzione all algebra delle matrici. Appunti a cura di Lara Ercoli

Introduzione 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.............................

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti 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

Dettagli

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se

Equivalentemente, 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

Dettagli

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere

Dettagli

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati. LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b

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

MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI

MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è

Dettagli

Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.

Sottospazi 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.

Dettagli

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici

Determinanti. 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

Dettagli

Corso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice

Corso 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

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

1 se k = r i. 0 altrimenti. = E ij (c)

1 se k = r i. 0 altrimenti. = E ij (c) Facoltà di Scienze Statistiche, Algebra Lineare A, G.Parmeggiani LEZIONE 5 Matrici elementari e loro inverse Si fissi m un numero naturale. Per ogni i, j m con i j siano E ij (c) (ove c è uno scalare )

Dettagli

Def. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:

Def. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni: Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe

Dettagli

Il determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora

Il 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

Dettagli

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R. 1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,

Dettagli

Corso 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 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

Dettagli

Geometria BIAR Esercizi 2

Geometria 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

Dettagli

Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI)

Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Terminiamo gli esercizi dell ultima lezione. (LUCIDI) Esempi Calcolare, se possibile, AC, CA, CH e HC. (LUCIDI) Osservazioni per le matrici quadrate a) Data A M n (K) è possibile definire ricorsivamente

Dettagli

Vettori 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 Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara

Dettagli

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

SPAZI 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)

Dettagli

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1

( ) 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

Dettagli

APPUNTI DI ALGEBRA LINEARE

APPUNTI DI ALGEBRA LINEARE APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e

Dettagli

Spazi vettoriali euclidei.

Spazi 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

Dettagli

Introduzione 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 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

Dettagli

Note 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 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

Dettagli

Intersezione e somma di sottospazi vettoriali

Intersezione 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

Dettagli

LEZIONE i i 3

LEZIONE i i 3 LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1

Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1 Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1 Prof. Lidia Angeleri Anno accademico 2015-2016 1 1 appunti aggiornati in data 14 gennaio 2016 Indice I Gruppi 3

Dettagli

Funzioni di R n a R m e la matrice Jacobiana

Funzioni 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

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

NOTE 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

Dettagli

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X), LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con

Dettagli

Matrici. Prof. Walter Pugliese

Matrici. Prof. Walter Pugliese Matrici Prof. Walter Pugliese Le matrici Una matrice è un insieme di numeri reali organizzati in righe e colonne. Se n è il numero delle righe e m e il numero delle colonne si dice che la matrice è di

Dettagli

1 Il polinomio minimo.

1 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

Dettagli

MATRICI. 1. Esercizi

MATRICI. 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 +

Dettagli

Prodotto scalare e prodotto vettoriale. Elisabetta Colombo

Prodotto 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

Dettagli

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici

1. 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

Dettagli

Esercitazioni di Algebra e Geometria

Esercitazioni di Algebra e Geometria Esercitazioni di Algebra e Geometria Anno Accademico 2010 2011 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.30

Dettagli

Altre trasformazioni elementari

Altre trasformazioni elementari Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens

Dettagli

Lezione 7: Il Teorema di Rouché-Capelli

Lezione 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

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

I numeri sulla Mole Antonelliana.

I 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

Dettagli

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari

Lezione 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

Dettagli

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 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

Dettagli

RANGO DI UNA MATRICE ρ(a)

RANGO 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.

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria 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

Dettagli

LEZIONE 5. AX = 0 m,1.

LEZIONE 5. AX = 0 m,1. LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso 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)

Dettagli

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)

Autovalori 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)

Dettagli

Operazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3

Operazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3 Operazioni tra matrici Definizione di matrice a ij è un elemento di A a ij è detto l elemento ij-esimo di A Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia

Dettagli

2 Sistemi lineari. Metodo di riduzione a scala.

2 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

Dettagli

ESERCIZI SULLE MATRICI

ESERCIZI 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

Dettagli

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si 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

Dettagli

Matematica II,

Matematica II, Matematica II 181111 1 Matrici a scala Data una riga R = [a 1 a 2 a n ] di numeri reali non tutti nulli il primo elemento non nullo di R si dice pivot di R Cosi il pivot di R compare come j mo elemento

Dettagli

x 1 Fig.1 Il punto P = P =

x 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

Dettagli

0.1 Coordinate in uno spazio vettoriale

0.1 Coordinate in uno spazio vettoriale .1. COORDINATE IN UNO SPAZIO VETTORIALE 1.1 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

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

I numeri complessi. Andrea Corli 31 agosto Motivazione 1. 2 Definizioni 1. 3 Forma trigonometrica di un numero complesso 3

I numeri complessi. Andrea Corli 31 agosto Motivazione 1. 2 Definizioni 1. 3 Forma trigonometrica di un numero complesso 3 I numeri complessi Andrea Corli 3 agosto 009 Indice Motivazione Definizioni 3 Forma trigonometrica di un numero complesso 3 4 Radici di un numero complesso 4 5 Equazioni di secondo grado e il teorema fondamentale

Dettagli

Vettori del piano. Questo materiale non deve essere considerato come sostituto

Vettori del piano. Questo materiale non deve essere considerato come sostituto 0.1 Vettori applicati e liberi Politecnico di Torino. Vettori del piano Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto 0.1 Vettori applicati e liberi P P Q Q Il simbolo

Dettagli

AUTOVALORI, AUTOVETTORI, AUTOSPAZI

AUTOVALORI, 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

Dettagli

Somma diretta di sottospazi vettoriali

Somma 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

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 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

Dettagli

x n i sima pos. x, y = x T y = x i y i R. i=1

x 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

Dettagli

Testi consigliati e contatti

Testi 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

Dettagli

Note sui sistemi lineari

Note sui sistemi lineari Note sui sistemi lineari Sia K un campo e siano m e n due numeri interi positivi. Sia A M(m n, K) e sia b K m. Consideriamo il sistema lineare Ax = b nell incognita x K n (o, se preferite, nelle incognite

Dettagli

MATRICI. a k b k. k=1

MATRICI. a k b k. k=1 MATRICI Siano m, n N e sia R un anello con 1 Si definisce matrice di tipo m n a coefficienti in R una tabella costituita da m righe e n colonne di elementi di R (che si dicono appunto coefficienti o anche

Dettagli

A m n B n p = P m p. 0 1 a b c d. a b. 0 a 0 c Il risultato e lo stesso solo nel caso in cui c = 0 e a = d.

A m n B n p = P m p. 0 1 a b c d. a b. 0 a 0 c Il risultato e lo stesso solo nel caso in cui c = 0 e a = d. Matematica II, 220404 Il prodotto di matrici e un operazione parziale che prende in entrata una matrice A ed una matrice B, tali che il numero delle colonne di A sia uguale al numero delle righe di B,

Dettagli

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,

Determinante. 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

Dettagli

SISTEMI 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. 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

Dettagli

Matematica II,

Matematica 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

04 - Numeri Complessi

04 - Numeri Complessi Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2013/2014 M. Tumminello, V. Lacagnina e

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

a + 2b + c 3d = 0, a + c d = 0 c d

a + 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,

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

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

Inversa. Inversa. Elisabetta Colombo

Inversa. 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

Dettagli

Esercizi svolti. delle matrici

Esercizi 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

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

Parte 8. Prodotto scalare, teorema spettrale

Parte 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,

Dettagli

Lezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008

Lezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008 versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe

Dettagli