Analisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.

Documenti analoghi
Matematica per Analisi dei Dati,

Esempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:

Matematica II,

Analisi dei dati corso integrato - Algebra lineare,

2. Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse, quando è possibile:

Note sull algoritmo di Gauss

Rango di una matrice e teorema di Rouché-Capelli

Questa lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp

Algebra delle matrici

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

Esercizi svolti. delle matrici

Applicazioni eliminazione di Gauss

1. Consideriamo un sistema lineare. E piuttosto naturale aspettarsi che

Sistemi di equazioni lineari

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

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Argomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare

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

x1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3

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

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA

Definizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;

UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA

r 2 r 2 2r 1 r 4 r 4 r 1

Lezione del 24 novembre. Sistemi lineari

CORSI DI LAUREA IN MATEMATICA E FISICA

ed un operazione di moltiplicazione per scalari reali u u 2u

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

Lezione del 5 dicembre. Sottospazi vettoriali.

Sistemi di equazioni lineari

Fondamenti di ALGEBRA LINEARE E GEOMETRIA

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

Geometria BAER I canale Foglio esercizi 3

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Federica Gregorio e Cristian Tacelli

Esercizi di geometria per Fisica / Fisica e Astrofisica

Matematica per Analisi dei Dati,

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

Matematica discreta 1 [145016]

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI

Sistemi lineari - Parte Seconda - Esercizi

e non ci possono chiaramente essere minori di ordine più grande per cui il rango per minori è 2. Rango per pivot: Svolgiamo la riduzione

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

Algebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 3. Sistemi di equazioni lineari

Esercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare

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

Algebra lineare Ingegneria chimica 2018/2019 Seconda esercitazione guidata

8 novembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...

2 Sistemi lineari. Metodo di riduzione a scala.

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

A titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.

Esempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

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

Sottospazi vettoriali

Matematica II

RANGO DI UNA MATRICE ρ(a)

ALGEBRA LINEARE PARTE III

Corso di Geometria BIAR, BSIR Esercizi 4: soluzioni

Lezione 4: Base e dimensione

3x 2 = 6. 3x 2 x 3 = 6

Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010

LEZIONE 12. v = α 1 v α n v n =

1 o ESONERO DI ALGEBRA (Studenti di Informatica canale D Andrea) 10 Novembre 2014 Soluzione

Capitolo 2 Spazi vettoriali

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

Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G. Parmeggiani - Programma

Algebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d

Mauro Saita, Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi vettoriali R, IR 2, IR 3 motivando

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

Richiami di Algebra Lineare

ESAME DI GEOMETRIA E ALGEBRA INGEGNERIA INFORMATICA (PROF. ACCASCINA) PROVA SCRITTA DEL 4 LUGLIO 2000 Tempo assegnato: 2 ore e 30 minuti

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

Complemento ortogonale e proiezioni

1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =...

1 Equazioni parametriche e cartesiane di sottospazi affini di R n

CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI

Sviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:

1 Esercizi 13. 3x + λy + 2z = 0 (1 λ)x + 5y + 3z = 0 3x + 2y + z = 0

Richiami di Algebra Lineare

1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano

Geometria BAER I canale Foglio esercizi 2

Sistemi II. Sistemi II. Elisabetta Colombo

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

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

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

LEZIONE 5. AX = 0 m,1.

Algebra e Geometria 2 per Informatica Primo Appello 23 giugno 2006 Tema A W = { A M 2 (R) A T = A }

Sistemi lineari e spazi vettoriali 1 / 14

Matematica II

Geometria per Fisica e Astrofisica

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA

Esercitazione 6 - Soluzione

Sistemi Lineari. Rango di una matrice. Lezione 21, Algebra Lineare,

Esercizi proposti. Si dica quali dei precedenti sono sottospazi vettoriali dello spazio vettoriale quadrate di ordine n.

Transcript:

Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe e lo spazio nullo sinistro di una matrice. Per fissare le idee faremo riferimento alla generica matrice di tipo 2 3 : A = a b c. I quattro spazi fondamentali della matrice A sono: le soluzioni del sistema lineare omogeneo x a b c 1 x 2 = x 3 associato ad A in altri termini i coefficienti delle combinazioni lineari a b c x d 1 + x e 2 + x f 3 = delle colonne di A che risultano uguali al vettore nullo formano un sottospazio di R 3 1 detto spazio nullo di A ed indicato con N (A); Le combinazioni lineari delle colonne di A a b x d 1 + e x 2 + c f x 3 o in altri termini i multipli destri della matrice A del tipo x a b c 1 x 2 x 3 formano al variare di x 1 x 2 x 3 in R un sottospazio di R 2 1 detto spazio delle colonne di A ed indicato con R(A); spesso leggeremo questo simbolo col termine range di A; Le combinazioni lineari delle righe di A y 1 a b c + y2 o in altri termini i multipli sinistri della matrice A del tipo a b c y1 y 2 1

formano al variare di y 1 y 2 in R un sottospazio di R 1 3 detto spazio delle righe di A ed indicato con R s (A); spesso leggeremo questo simbolo col termine range sinistro di A; le soluzioni del sistema lineare omogeneo a b c y1 y 2 = associato ad A in altri termini i coefficienti delle combinazioni lineari y 1 a b c + y2 = delle righe di A che risultano uguali al vettore nullo formano un sottospazio di R 1 2 detto spazio nullo sinistro di A ed indicato con N s (A). I quattro spazi fondamentali della matrice a b c A =. sono lo strumento principale per lo studio della matrice A come operatore A : R 3 1 R 2 1 A : x 1 x 2 x 3 a b c x 1 x 2 x 3. Ad esempio: il range R(A) di A e il sottospazio del codominio R 2 1 costituito dalle immagini dei vettori nel dominio R 3 1 ; lo spazio nullo N (A) di A e il sottospazio del dominio R 3 1 costituito dai vettori la cui immagine e il vettore nullo del codominio R 2 1. 2. Esercizio Si determinino e si rappresentino graficamente gli spazi fondamentali della matrice 1. 3. A questo punto conviene introdurre un termine e premettere un osservazione. Dati un insieme S = {v 1... v q } di vettori v i in R p le combinazioni lineari v 1 x 1 + v q x q 2

e un un sottospazio di R p detto spazio generato da S indicato con In inglese si usa il termine span. Per esecizio si dimostri la S. Osservazione Se T S e un sottinsieme di S tale che T linearmente indipendente; ogni vettore di S e combinazione lineare dei vettori di T allora T e una base per lo spazio S generato da S. Questa osservazione suggerisce una procedura per determinare una base per lo spazio S generato dall insieme S = {v 1 v 2 v 3... v q } : se tutti i vettori v i sono nulli allora una base di S e l insieme vuoto altrimenti scegliamo il primo vettore non nullo v j1 nella lista; se tutti i vettori v i che seguono v j1 nella lista (i > j 1 ) sono multipli di v j1 allora una base di S e l insieme {v j1 } altrimenti scegliamo il primo vettore v j2 che non e multiplo di v j1 nella lista; se tutti i vettori v i che seguono v j2 nella lista (i > j 2 ) sono combinazione lineare di v j1 v j2 allora una base di S e l insieme {v j1 v j2 } altrimenti scegliamo il primo vettore v j3 che non e combinazione lineare di v j1 v j2... 4. In generale gli spazi fondamentali di una matrice..... b 1... A = a 1... a n =...... b m... a j R m 1 b i R 1 n di tipo m n sono: lo spazio nullo di A : N (A) = {x R n 1 : Ax = m 1 } = {x R n 1 : a 1 x 1 + a n x n = m 1 } R n 1 ; lo spazio delle colonne o range di A cioe lo spazio generato dalle colonne di A : R(A) = {Ax; x R n 1 } = {a 1 x 1 + a n x n ; x R n 1 } R m 1 ; lo spazio delle righe o range sinistro di A cioe lo spazio generato dalle righe di A : R s (A) = {ya; y R 1 m } = {y 1 b 1 + y m b m ; y R 1 m } R m 1 ; 3

lo spazio nullo sinistro di A : N s (A) = {y R 1 m : Ay = 1 n } = {y R 1 m : y 1 b 1 + y m b n = 1 n } R 1 m ; e questi spazi sono lo strumento principale per lo studio della matrice A come operatore A : R n 1 R m 1 A : x Ax. Le dimensioni degli spazi fondamentali della matrice A R m n sono legate dalle relazioni: la somma delle dimensioni dello spazio delle colonne e dello spazio nullo e uguale al numero delle colonne: dim (R(A)) + dim (N (A)) = n; le dimensioni dello spazio delle colonne e dello spazio delle righe sono uguali: dim (R s (A)) = dim (R(A)) ; la somma delle dimensioni dello spazio delle righe e dello spazio nullo sinistro e uguale al numero delle righe: dim (R s (A)) + dim (N s (A)) = m Il valore comune della dimensione dello spazio delle colonne e dello spazio delle righe della matrice A viene detto rango di A e viene indicato con r(a) : dim (R s (A)) = r(a) = dim (R(A)). Abbiammo gia illustrato la prima di queste relazioni; la terza relazione e equivalente alla prima. Nel seguito discutiamo la seconda relazione; consideriamo prima matrici di una forma abbastanza semplice le matrici a scala ridotta; trasporteremo poi mediante l algoritmo di Gauss-Jordan i risultati ottenuti da queste matrici a matrici qualsiasi. 5. La generica matrice triangolare superiore non degenere di tipo 2 3 e della forma dove il simbolo indica non specificati numeri reali diversi da zero e il simbolo indica non specificati numeri reali e lo stesso simbolo puo rappresentare numeri diversi a seconda del posto che occupa. Piu in generale si possono considerare le matrici della forma 4

oppure che vengono dette matrici a scala per righe. In generale detto pivot di una riga il suo primo elemento diverso da zero diciamo che una matrice A di tipo m n e a scala per righe se in A vengono prima le righe non nulle e poi eventualmente alcune righe nulle e indicati con j 1 j 2 j 3... gli indici delle colonne in cui compaiono i pivot della prima seconda terza... riga non nulla di A si ha j 1 < j 2 < j 3 <.... Diciamo che una matrice A a scala per righe e una matrice a scala ridotta per righe se ciascuno dei pivot delle righe di A vale uno ed e l unico elemento diverso da zero nella sua colonna. Ad esempio la generica matrice di tipo 3 5 a scala per righe e la generica matrice di tipo 3 5 a scala ridotta per righe con pivot nella prima e terza colonna sono 1 1. 6. E molto semplice determinare basi per lo spazio delle colonne e per lo spazio delle righe di una matrice a scala ridotta. Ad esempio consideriamo la matrice 1 2 3 5 r 1 A = 1 4 6 = c 1 c 2 c 3 c 4 c 5 = r 2. r 3 Per determinare una base per R(A) passiamo in rassegna la lista delle colonne ed applichiamo la procedura descritta in precedenza. c 1 e diversa dalla colonna nulla la prendiamo; c 2 e un multiplo di c 1 la scartiamo; c 3 non e un multiplo di c 1 la prendiamo; sia c 4 che c 5 sono combinazione lineare di c 1 e c 3 le scartiamo. Abbiamo trovato che le colonne che contengono i pivot c 1 = 1 c 3 = formano una base per R(A) cosi che dim (R(A)) = 2. 1 5

Per determinare una base per R s (A) passiamo in rassegna la lista delle colonne ed applichiamo la procedura descritta in precedenza. r 3 e la riga nulla la scartiamo; r 2 e diversa dalla riga nulla la prendiamo; r 1 non e un multiplo di r 2 la prendiamo. Abbiamo trovato che le righe non nulle della matrice r 1 = 1 2 3 5 r 2 = 1 4 6 formano una base per R s (A) cosi che dim (R s (A)) = 2. Cio che abbiamo visto in questo esempio ha portata generale: Proposizione. Per ogni matrice a scala ridotta A le colonne contenenti i pivot formano una base dello spazio R(A) generato dalle colonne di A e le righe contenenti i pivot formano una base dello spazio R s (A) generato dalle righe di A. Poiche ciascun pivot compare in una sola riga ed una sola colonna le due basi sono formate dallo stesso numero di vettori e si ha dim (R s (A)) = dim (R(A)). 7. Discutiamo ora l effetto che le operazioni elementari sulle righe di una matrice hanno sui suoi spazi fondamentali. Consideriamo una matrice a 11... a 1n A =.. = a 1... a n a j R m 1 a m1... a mn ed una matrice b 11... b 1n B =.. = b 1... b n b j R m 1 b m1... b mn ottenuta applicando operazioni elementari per righe. Cosi come B e ottenuta da A anche A puo essere ottenuta da B applicando le operazini elementari inverse in ordine inverso. Inoltre ogni operazione elementare si ottiene combinando le due operazioni fondamentali di addizione di vettori e di moltiplicazione di un vettore per uno scalare. Osserviamo che: Ciascuna delle righe di B essendo stata ottenuta dalle righe di A mediante le operazioni fondamentali sui vettori appartiene allo spazio generato dalle righe di A. Viceversa ciascuna delle righe di A potendosi ottenere dalle righe di B mediante le operazioni fondamentali sui vettori appartiene allo spazio generato dalle righe di B. In definitiva: lo spazio delle righe di A e uguale allo spazio delle righe di B : R s (A) = R s (B). 6

Le operazioni elementari sulle righe di una matrice conservano l insieme delle soluzioni del sistema lineare omogeneo associato alla matrice dunque conservano lo spazio nullo cosi si ha: N (A) = N (B). Se certe colonne a i1... a ip a i di A soddisfano una relazione lineare a i1 r 1 + + a ip r p = a i allora la stessa relazione lineare b i1 r 1 + + b ip r p = b i e soddisfatta dalle colonne b i1... b ip b i corrispondenti di B e viceversa. Cio e una conseguenza del fatto che le operazioni elementari conservano lo spazio nullo. Ad esempio la relazione a 4 = a 1 + 2a 2 si puo esprimere nella uguaglianza a 1 + 2a 2 + a 3 a 4 + a 5 + + a n = che significa (1 2 1... ) N (A). Essendo N (A) = N (B) vale pure l uguaglianza b 1 + 2b 2 + b 3 b 4 + b 5 + + b n = che si puo esprimere nella relazione b 4 = b 1 + 2b 2. Se certe colonne a i1... a ip di A formano una base per lo spazio delle colonne di A allora lo spazio delle colonne di B possiede una base formata dalle colonne b i1... b ip corrispondenti di B. In particolare lo spazio delle colonne di A ha la stessa dimensione dello spazio delle colonne di B : dim (R(A)) = dim (R(B)). 8. Vediamo ora come e possibile ricondurre la determinazione di basi per lo spazio delle colonne e per lo spazio delle righe di una matrice alla determinazione di basi per lo spazio delle colonne e per lo spazio delle righe di una matrice a scala ridotta. Consideriamo la matrice A = 1 1 2 1 4 1 2 3 2 6 1 2 3 3 7 1 2 3 3 7 =. c 1 c 2 c 3 c 4 c 5 Applicando operazioni elementari per righe possiamo ottenere la matrice a scala per righe 1 1 2 1 4 S = 1 1 1 2 1 1 7

ed applicando ulteriori operazioni elementari per righe possiamo ottenere la matrice a scala ridotta per righe 1 1 2 T = 1 1 1 1 1 = v 1 v 2 v 3 v 4 v 5. Osserviamo che: Le righe non nulle di T 1 1 2 1 1 1 1 1 formano una base per lo spazio delle righe di T che e uguale allo spazio delle righe di A dunque esse formano una base per lo spazio delle righe di A. Dal fatto che v 1 v 2 v 4 formano una base per R(T ) segue che c 1 c 2 c 4 formano una base per R(A). 8