Algebra delle matrici

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

A =, c d. d = ad cb. c d A =

Matematica II

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

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

Elementi di Algebra Lineare

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

PreCorso di Matematica - PCM Corso M-Z

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale

APPLICAZIONI. Im f = {b B a A tale che f (a) = b}.

Corso di Geometria BIAR, BSIR Esercizi 3: soluzioni

Elementi di Algebra Matriciale. (richiami)

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

Applicazioni eliminazione di Gauss

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango

3. Elementi di Algebra Lineare.

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

Appunti su Indipendenza Lineare di Vettori

MATRICI E SISTEMI LINEARI

Richiami di Algebra Lineare

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

Fondamenti di ALGEBRA LINEARE E GEOMETRIA

Sistemi di equazioni lineari

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

Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani

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

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

Sistemi lineari - Parte Seconda - Esercizi

Matematica II, aa

MATRICI E OPERAZIONI

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

Algebra matriciale. Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale

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

il determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij

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

Richiami di algebra delle matrici a valori reali

Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre

Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari

a.a MATEMATICA GENERALE: SISTEMI LINEARI E MATRICI

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

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

Richiami di Algebra Lineare

MATRICI E SISTEMI LINEARI

LeLing9: Prodotto tra matrici.

Autovalori e autovettori di una matrice quadrata

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico

ALGEBRA LINEARE PARTE III

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni 2. MATRICI

Inversa di una matrice

Il prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno:

APPUNTI DI ALGEBRA LINEARE

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

LEZIONE 5. AX = 0 m,1.

Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

LEZIONE 3. Typeset by AMS-TEX

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

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

Geometria BAER I canale Foglio esercizi 3

Esercizi Di Geometria 1 (BAER) Canale 1

2 Sistemi lineari. Metodo di riduzione a scala.

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

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

Rango di una matrice e teorema di Rouché-Capelli

Fattorizzazione QR e matrici di Householder

I sistemi lineari di n equazioni in n incognite

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

Geometria BIAR Esercizi 2

Richiami di Algebra Lineare

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

CORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: R 2 R 2 3R

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

Matematica II,

Richiami di Algebra Lineare

Operazioni tra matrici e n-uple

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

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,

Similitudine (ortogonale) e congruenza (ortogonale) di matrici.

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

Argomento 13 Sistemi lineari

Corso introduttivo pluridisciplinare Matrici e sistemi lineari

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

Richiami di Algebra Lineare

Geometria BAER A.A. Canale I Foglio esercizi 4

Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 26 Ottobre

Geometria della programmazione lineare

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

Corso di Calcolo Numerico

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

Anno Accademico 2016/2017

MATEMATICA. a.a. 2014/ Sistemi di equazioni lineari

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

LeLing12: Ancora sui determinanti.

Transcript:

Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere il sistema lineare generale ad essa associato Ax b b colonna di parametri), esprimere la soluzione nella forma x Cb, e infine prendere la matrice C. Esempio. I Per determinare l eventuale inversa della matrice 6 4 A 9 3, 4 consideriamo il sistema lineare 6x + 4y + z p 9x + 3y + z q 4x + y + z r p, q, r parametri R); questo sistema e sempre determinato, con soluzione x p q + r y p + 6q 7 r z 3p 8q + 6r concludiamo che A e invertibile e A 5 6 7 3 8 6 p, q, r parametri R); Una versione piu efficiente di questo metodo e data nella seguente Proposizione; nel cui enunciato col termine operazione elementare sulle righe di una matrice intendiamo una delle seguenti operazioni: ) sommare ad una riga un multiplo scalare di un altra riga, ) scambiare due righe, 3) moltiplicare una riga per uno scalare nonn nullo. Proposizione Una matrice A quadrata di ordine n e invertibile se e solo se la matrice di tipo n n) [ A I n ] si puo trasformare mediante una sequenza di operazioni elementari sulle righe in una matrice della forma [ I n C ] ; inoltre, in caso affermativo, si ha C A..

Esempio. II Usando il metodo dato da questa proposizione, per determinare l eventuale inversa della matrice 6 4 A 9 3, 4 consideriamo la matrice 6 4 0 0 9 3 0 0 4 0 0 questa matrice si puo trasformare mediante operazioni elementari nella matrice concludiamo che A e invertibile e ; 0 0 0 0 5 6 7 0 0 3 8 6 A 5 6 7 3 8 6 ;. Proprieta dell inversione di matrici. direttamente le seguenti proprieta Dalla definizione di matrice inversa seguono ) Per ogni data matrice invertibile, anche la sua matrice inversa e invertibile, ed ha per inversa la matrice data: Infatti le stesse uguaglianze A ) A. AA I n A A I n, che esprimono rispettivamente il fatto che A e inversa destra ed inversa sinistra di A, possono essere lette dicendo che A e inversa sinistra ed inversa destra di A. ) Per ogni data coppia di matrici invertibili dello stesso ordine, anche la matrice loro prodotto e invertibile, ed ha per inversa la matrice prodotto della coppia delle inverse delle due matrici date, prese in ordine opposto: Infatti si ha AB) B A. ABB A AI n A AA I n, B A AB B I n B B B I n.

Potenze di una matrice. Sia A una matrice quadrata di ordine n. Per ogni intero relativo p Z, la potenza p ma della matrice A e definita da A A A p volte) per p > 0 A p I n per p 0 ; A A A p volte) per p < 0 la potenza con esponente zero non e definita per la matrice nulla; le potenze con esponente negativo sono definite solo per matrici invertibili. Valgono le proprieta delle potenze A p A q A p+q ; A p ) q A pq ; AB) p A p B p sotto la condizione AB BA). Esempio: [ ] [ ] [ [ ] [ ] [ ] 0. 0 ] Traspozione di matrici. Matrici simmetriche. Siano m ed n due interi positivi fissati. Data una matrice A di tipo m n, riscrivendo per colonne cio che in A compare per righe o, che e lo stesso, riscrivendo per righe cio che in A compare per colonne), si ottiene una matrice di tipo n m, detta matrice trasposta di A ed indicata con A T. In simboli, si ha: A T) A ji, i,..., n, j,..., m. ij Una matrice quadrata) che coincide con la propria trasposta si dice matrice simmetrica. Le matrici simmetriche quadrate del secondo ordine e del terzo ordine sono del tipo [ a b b c ], a b c b d e c e f L operazione di trasposizione possiede le seguenti proprieta : A T) T A, per ogni A; A + B) T A T + B T, per ogni A, B sommabili; AB) T B T A T,. per ogni A, B moltiplicabili; ra) T ra T, per ogni r R ed ogni A.

Dimostriamo la proprieta relativa alla moltiplicazione di matrici. Sia dunque A una matrice di tipo m n e sia B una matrice di tipo n p. Proviamo innanzitutto che l uguaglianza AB) T B T A T e consistente, cioe che le matrici ai due lati dell uguaglianza hanno lo stesso tipo. Infatti: da un lato la matrice AB e definita ed ha tipo m p, e la matrice AB) T ha tipo p m; dall altro lato, la matrice B T ha tipo p n, la matrice A T ha tipo n m, e la matrice B T A T e definita ed ha tipo p m. Proviamo ora che AB) T) B T A T), i,..., p, j,..., m. ij ij Infatti: al primo membro si ha AB) T) ij AB) ji n A jh B hi, h al secondo membro si ha B T A T) n ij B T) A T) ih hj h n B hi A jh, h e i due risultati sono uguali per la proprieta commutativa della moltiplicazione di numeri reali. Matrici non singolari In quest ultima parte, dopo avere fatto un osservazione sul prodotto di matrici, stabiliamo un teorema che riassume le relazioni fra le proprieta di una matrice quadrata espresse nei termini del determinante, del rango, delle equazioni, e dell invertibilita. Osservazione. Comunque siano date due matrici A di tipo m n e B di tipo n p, considerando la matrice prodotto A B... A B p AB.., A m B... A m B p prima leggendola riga per riga e poi leggendola colonna per colonna si osserva che:

) ciascuna riga della matrice prodotto AB e uguale al prodotto della corrispondente riga di A per l intera matrice B : AB) i A i B, i,..., m); in altri termini, A. A m B A B. A m B ) ciascuna colonna della matrice prodotto AB e uguale al prodotto dell intera matrice A per la corrispondente colonna di B : AB) j AB j, j,..., p); in altri termini, A [ B... B p ] [ AB... AB p ] Matrici non singolari. Teorema Per una matrice A quadrata di ordine n le seguenti condizioni sono equivalenti: ) det A) 0; ) ρa) n; 3) l equazione Ax 0 nell incognita x R n e determinata; 4) per ogni b R n l equazione Ax b nell incognita x R n e determinata; 5) per ogni B R n p l equazione AX B nell incognita X R n p e determinata; 3 ) l equazione x T A 0 T nell incognita x T R n ) e determinata; 4) per ogni b T R n ) l equazione x T A b T nell incognita x R n ) e determinata; 5) per ogni B R p n l equazione XA B nell incognita X R p n e determinata; 6) esiste A. Si osservi che: la 3) e la 4) si possono esprimere rispettivamente nella forma l insieme delle colonne di A e linearmente indipendente e l insieme delle colonne di A e una base di R n ; analogamente la 3 ) e la 4 ) si possono esprimere rispettivamente nella forma l insieme delle righe di A e linearmente indipendente e l insieme delle righe di A e una base di R n ). Definizione Una matrice quadrata si dice matrice non singolare se e solo se soddisfa una, e quindi ogni, condizione del teorema precedente.

Dimostrazione. Di seguito dimostriamo un insieme di implicazioni sufficiente a stabilire l equivalenza di tutte le condizioni. 5) 6) 5 ) si provano come segue. Supposto che esista A, da una parte si ha AX B implica A AX A B... cioe X A B, e quest ultima e una soluzione in quanto AA B)... B; dall altra parte si ha XA B implica XAA BA... cioe X BA, e quest ultima e una soluzione in quanto BA )A... B. 5) 4) 3), 5 ) 4 ) 3 ) sono ovvie. Infatti: la condizione 5), nel caso particolare in cui la matrice termine noto B e quindi la matrice incognita X sia un vettore colonna, diventa la condizione 4); la condizione 4), nel caso particolare in cui il vettore colonna b sia il vettore colonna nullo, diventa la condizione 3); analogamente per 5 ), 4 ), 3 ). 3) 3 ), 3) ), 3 ) ). coincidono con la Proposizione all inizio la parte svolta sui determinanti. ) ). coincidono con il Teorema al termine della parte svolta sui determinanti. 3) 4), 3 ) 4 ) derivano dal fatto che un insieme di n vettori linearmente indipendenti in uno spazio vettoriale di ordine n e anche una base dello spazio vettoriale. Da quanto visto finora si ha dunque che le condizioni ), ), 3), 3 ), 4), 4 ) sono fra loro equivalenti. 4) 5), 4 ) 5 ) si provano come segue. Supponiamo che sia soddisfatta la 4) e proviamo che e soddisfatta la 5); data una qualsiasi matrice B R n p, consideriamo l equazione AX B nell incognita X R n p ; questa equazione e equivalente all insieme delle n equazioni AX j B j nelle incognite X j R n j,..., n); ciascuna di queste equazioni e determinata per la condizione 4); dunque l equazione AX B nell incognita X R n p e determinata. In modo analogo, supposta soddisfatta la 4 ) si prova che e soddisfatta la 5 ). Da quanto visto finora si ha dunque che le condizioni ), ), 3), 3 ), 4), 4 ), 5), 5 ) sono fra loro equivalenti.

5) 6) 5 ) si provano come segue. Supponiamo che sia soddisfatta la 5) e dunque anche la 5 ) e proviamo che e soddisfatta la 6). La 5) nel caso particolare B I n assicura che l equazione AX I n nell incognita X R n n ha soluzione, cioe che la matrice A ha un inversa destra. La 5 ) nel caso particolare B I n assicura che l equazione XA I n nell incognita X R n n ha soluzione, cioe che la matrice A ha un inversa sinistra. Ora, la matrice A avendo sia inversa sinistra che destra ha pure un inversa bilatera. Da quanto visto finora si ha dunque che le condizioni ), ), 3), 3 ), 4), 4 ), 5), 5 ), 6) sono fra loro equivalenti.