LeLing9: Prodotto tra matrici.
|
|
- Ottavia Catalano
- 6 anni fa
- Visualizzazioni
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
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:
DettagliLeLing12: 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
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 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
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.
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
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,
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
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
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.
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
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
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
DettagliFondamenti di ALGEBRA LINEARE E GEOMETRIA
Fondamenti di ALGEBRA LINEARE E GEOMETRIA Corso di laurea in Ingegneria Gestionale 2011-2012 Michel Lavrauw Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova Lezione 19 Capitolo
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
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
DettagliEsercitazioni 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
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
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
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
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.............................
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
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
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliMATRICI 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
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.
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
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
DettagliLe 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
Dettagli1 se k = r i. 0 altrimenti. = E ij (c)
Facoltà di Scienze Statistiche, Algebra Lineare A, G.Parmeggiani LEZIONE 5 Matrici elementari e loro inverse Si fissi m un numero naturale. Per ogni i, j m con i j siano E ij (c) (ove c è uno scalare )
DettagliDef. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe
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
Dettagli1 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,
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
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
DettagliTerminiamo 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
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
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)
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
DettagliAPPUNTI 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
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
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
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
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
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
DettagliAlgebra 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
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
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
DettagliLEZIONE 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
DettagliMatrici. 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
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
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 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
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
DettagliEsercitazioni 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
DettagliAltre 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
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
DettagliSISTEMI 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
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
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
DettagliLEZIONE 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
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.
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
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliCorso di 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)
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)
DettagliOperazioni 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
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
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
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
DettagliMatematica II,
Matematica II 181111 1 Matrici a scala Data una riga R = [a 1 a 2 a n ] di numeri reali non tutti nulli il primo elemento non nullo di R si dice pivot di R Cosi il pivot di R compare come j mo elemento
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
Dettagli0.1 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
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
DettagliI 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
DettagliVettori 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
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
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
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
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
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
DettagliNote 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
DettagliMATRICI. 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
DettagliA 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,
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
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
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
Dettagli04 - 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
DettagliRichiami 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
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,
Dettagliossia 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
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
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 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
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
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,
DettagliLezioni di Algebra Lineare. II. Aritmetica delle matrici e eliminazione di Gauss. versione ottobre 2008
versione ottobre 2008 Lezioni di Algebra Lineare II. Aritmetica delle matrici e eliminazione di Gauss Contenuto. 1. Somma di matrici e prodotto di una matrice per uno scalare 2. Prodotto di matrici righe
Dettagli