LEZIONE 1 C =

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

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

LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:

Esercitazioni di Algebra e Geometria

LEZIONE 12. v = α 1 v α n v n =

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

LEZIONE i i 3

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

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

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

LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.

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

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

APPUNTI DI ALGEBRA LINEARE

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

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

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

Richiami di algebra delle matrici a valori reali

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

LEZIONE 5. AX = 0 m,1.

NORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +

Richiami di algebra lineare

Esercitazioni di Algebra e Geometria

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

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

Appunti su Indipendenza Lineare di Vettori

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

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero

Sistemi lineari - Parte Seconda - Esercizi

LEZIONE 5. Typeset by AMS-TEX

TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI

LEZIONE 6. Typeset by AMS-TEX

MATRICI E SISTEMI LINEARI

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

SISTEMI DI EQUAZIONI LINEARI

Matrici. Prof. Walter Pugliese

Testi consigliati e contatti

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico

Operazioni elementari e riduzione

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

Matrici quadrate particolari

Metodi Matematici per l Economia anno 2017/2018 Gruppo B

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

Operazioni tra matrici e n-uple

LEZIONE 3. Typeset by AMS-TEX

Concentriamo la nostra attenzione sull insieme dei numeri razionali Q. In Q sono definite

1 Applicazioni lineari

Che cos è un insieme? Come si individua un insieme? 1. Scrivendone esplicitamente gli elementi: C = {2, 4, 6, 8, 10,...}.

Appunti di Geometria e Algebra L-A Seconda Facoltà di Ingegneria - Cesena. Marco Alessandrini

Note per il corso di Geometria e algebra lineare Corso di laurea in Ing. Elettronica e delle Telecomunicazioni

LEZIONE 15. Esempio L applicazione f: R 3 R 2. è lineare. Infatti si ha che se α R, (x, y, z) R 3 risulta

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

Corso di Calcolo Numerico

x 1 Fig.1 Il punto P = P =

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

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

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

Lezione 9: Le matrici

i) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;

LEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =

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

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

ALGEBRA LINEARE PARTE II

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

RELAZIONI, FUNZIONI, INSIEMI NUMERICI. 1. Relazioni. Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano

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

Sistemi lineari e spazi vettoriali 1 / 14

DISPENSE SU TEORIA DEGLI INSIEMI E NUMERI

RIDUZIONE E RANGO , C = 2 5 1

Lezioni di ISTITUZIONI di MATEMATICA (gruppo 3)

OPERAZIONI SU SPAZI DI HILBERT. Nel seguito introdurremo i concetti di prodotto diretto e somma diretta di due spazi di Hilbert.

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,

LEZIONE 30. Se x = 1 si dice che x è un versore. Se poi y = (y 1,..., y n ) R n poniamo. Ricordiamo che vale la cosiddetta disuguaglianza triangolare

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

1 Relazioni. Definizione Una relazione R su un insieme A si dice relazione d ordine se gode delle proprietà 1), 3), 4).

AL220 - Gruppi, Anelli e Campi

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

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

Definizioni e operazioni fondamentali

Esercitazione di Analisi Matematica II

CORSO DI AZZERAMENTO DI MATEMATICA

Esercizi svolti. delle matrici

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

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

X Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R

Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x

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

Lezione I Vettori geometrici e spazi vettoriali

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

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE

Anno 4 Matrice inversa

Matematica ed Elementi di Statistica. L insieme dei numeri reali

LEZIONE 15. (15.1.2) p(x) = a 0 x n + a 1 x n a n 1 x + a n = a h x n h.

Risposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Parte 1. Sistemi lineari, algoritmo di Gauss, matrici

Punti di massimo o di minimo per funzioni di n variabili reali

Somma diretta di sottospazi vettoriali

Transcript:

LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi Tali numeri sono dette entrate o componenti della matrice L insieme di tutte le matrici m n a coefficienti in R si indicherà con R m,n La matrice 0 m,n R m,n avente tutte le entrate nulle viene detta matrice nulla Se m = n si parlerà di matrici quadrate, se m = 1 di matrici riga, se n = 1 di matrici colonna La definizione data sopra ha senso anche quando m = n = 1 In tal caso però, si preferisce identificare R 1,1 con R Esempio 112 Diamo alcuni esempi di matrici 1 π 3/19 21 R 3,2 1 3/19, B = 0 R 2,3, π 21 0 0 0 C = 1 2 R 3,1, D = ( 1 0 ) R 1,2 1 0, E = R 2,2 0 1 3 C, D, E sono, rispettivamente, una matrice colonna, riga, quadrata Invece A e B non sono nè riga nè colonna nè quadrate Invece la tabella 1 2 3 4 2 1 0 17 non è una matrice Sia A R m,n Ad ogni sua entrata a rimangono associati due numeri interi positivi, gli indici i e j della riga e della colonna al cui incrocio si trova a: i e j vengono detti rispettivamente indice di riga e indice di colonna di a, a si dice l entrata in posizione (i, j): spesso, per indicarla nelle formule, si scriverà a i,j In particolare la matrice A si indica sovente con il simbolo (a i,j ) 1 i m 1 Typeset by AMS-TEX

2 11 MATRICI A COEFFICIENTI IN R Se A è quadrata con m = n si scrive anche (a i,j ) 1 i,j n Quando le dimensioni della matrice sono fissate spesso le entrate si indicano con lettere distinte Per esempio, una matrice 2 2 generica verrà indifferentemente indicata nel seguito con uno dei seguenti simboli: (a i,j ) 1 i 2, (a i,j ) 1 j 2 1 i,j 2, Esempio 113 Si considerino ( a1,1 a 1,2 a 2,1 a 2,2 ), a b c d 1 π 3/19 21 R 3,2 1 3/19, B = 0 R 2,3 π 21 0 0 0 Allora l entrata (1, 2) di A è a 1,2 = π Le entrate (3, 1) e (3, 2) di A sono a 3,1 = a 3,2 = 0 Invece le entrate (3, 3) e (2, 3) non esistono Similmente le entrate (3, 1), (3, 2), (3, 3) di B non esistono Invece le entrate (1, 2) e (2, 3) di B sono b 1,2 = 3/19 e b 2,3 = 0 Definizione 114 Sia A R m,n L opposto di A è la matrice di R m,n, indicata con A, la cui entrata (i, j) coincide con l opposto dell entrata (i, j) della matrice A per i = 1,, m e j = 1,, n Se (a i,j ) 1 i m R m,n spesso si scriverà in simboli ( a i,j ) 1 i m R m,n Per esempio per le matrici A e B degli Esempi 112 e 113, vale 1 π 3/19 21 R 3,2, B = 0 0 1 3/19 0 π R 2,3 21 0 Definizione 115 Due matrici A = ( a ) i,j 1 i m, A = ( a ) i,j 1 i m si dicono uguali se hanno lo stesso numero di righe e colonne, cioè m = m = m, n = n = n, e se le entrate aventi la stessa posizione nelle due matrici coincidono, cioè a i,j = a i,j per ogni i = 1,, m e j = 1,, n Le due matrici A e B degli Esempi 112 e 113 sono perciò diverse Ciononostante sono legate da un ovvia relazione: l entrata (i, j) di A coincide con l entrata (j, i) di B

LEZIONE 1 3 Definizione 116 Sia A R m,n La trasposta di A è la matrice di R n,m, indicata con t A, la cui entrata (j, i) coincide con l entrata (i, j) della matrice A per i = 1,, m e j = 1,, n Se (a i,j ) 1 i m R m,n spesso si scriverà in simboli t (a j,i ) 1 i m R n,m Per esempio per le matrici A e B degli Esempi 112 e 113 vale B = t A e t B Proposizione 117 Valgono le seguenti proprietà: (T1) per ogni matrice A risulta A R m,n se e solo se t A R n,m ; (T2) per ogni matrice A R m,n risulta t ( t A) = A; (T3) per ogni matrice A R m,n risulta t ( A) = ( t A) In qualche senso l operazione di trasposizione ci permette di identificare, all occorrenza, matrici m n con matrici n m: per esempio identificare matrici riga con matrici colonna 12 Matrici quadrate In questo paragrafo descriveremo alcune classi notevoli di matrici quadrate Innanzi tutto diamo una definizione Definizione 121 Sia (a i,j ) 1 i,j n R n,n La diagonale di A è l insieme ordinato delle entrate di posizione (i, i) di A Per esempio se π 0 8, 2 3/4 e la diagonale di A è la successione ordinata (1, 0, e) (e non (1, e) o ( e, 1, 0) o altro) Esempio 122 Una matrice quadrata (a i,j ) 1 i,j n R n,n si dice diagonale se tutte le entrate al di fuori della diagonale sono nulle, ovvero in simboli se a i,j = 0 quando i j Per esempio 1 0 0 0 0 0 0 0 e è diagonale Una matrice diagonale può essere descritta indicando solo la sua diagonale: per esempio la matrice A di cui sopra viene spesso indicata con il simbolo diag(1, 0, e) Invece B = 0 17 0 0 0 0 0 0 0

4 12 MATRICI QUADRATE non lo è Si noti che la matrice nulla 0 n,n è diagonale Fra le matrici diagonali una è particolarmente importante e, perció, merita un simbolo ed un nome particolari: si tratta della matrice identità di ordine n, indicata con I n Si tratta della matrice diagonale avente tutte le entrate diagonali uguali ad 1 Per esempio I 1 = (1), I 2 = 1 0, I 0 1 3 = 1 0 0 0 1 0, I 4 = 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 Esempio 123 Una matrice quadrata (a i,j ) 1 i,j n R n,n si dice triangolare superiore se le sue entrate al di sotto della diagonale si annullano, ovvero in simboli se a i,j = 0 quando i > j Per esempio 0 0 8 0 0 e è triangolare superiore Similmente si può introdurre la nozione di matrice trangolare inferiore (a i,j ) 1 i,j n R n,n si dice triangolare inferiore se le sue entrate al di sopra della diagonale si annullano, ovvero se a i,j = 0 quando i < j Per esempio B = 1 0 0 π 0 0 2 3/4 e è triangolare inferiore (a i,j ) 1 i,j n R n,n si dice strettamente triangolare superiore (inferiore) se è triangolare superiore (inferiore) e le sue entrate sulla diagonale si annullano, ovvero se a i,j = 0 quando i j (i j) Per definizione ogni matrice strettamente triangolare superiore od inferiore è triangolare superiore od inferiore, ma non vale il viceversa: infatti le matrici A e B sopra riportate sono, rispettivamente, triangolare superiore ed inferiore ma non lo sono strettamente Si noti che la matrice nulla 0 n,n è (strettamente) triangolare superiore ed inferiore Esempio 124 Una matrice quadrata (a i,j ) 1 i,j n R n,n si dice simmetrica se coincide con la sua trasposta, ovvero in simboli se t A: ciò significa a i,j = a j,i per ogni i, j = 1,, n, quindi le entrate in posizione simmetrica al di fuori della diagonale sono uguali Per esempio 17 0 8 4 8 e

è simmetrica Invece B = LEZIONE 1 5 4 0 8 17 8 e non è simmetrica perché b 1,2 = 17 4 = b 2,1 Si noti che ogni matrice diagonale, in particolare la matrice nulla 0 n,n, è simmetrica Invece non possono essere simmetriche le matrici (strettamente) triangolari superiori ed inferiori che non siano diagonali Esempio 125 Una matrice quadrata (a i,j ) 1 i,j n R n,n si dice antisimmetrica se coincide con l opposto della sua trasposta, ovvero in simboli se t A: ciò significa a i,j = a j,i per ogni i, j = 1,, n, quindi le entrate diagonali devono essere nulle, e quelle in posizione simmetrica al di fuori della diagonale sono opposte Per esempio 0 17 4 17 0 8 4 8 0 è antisimmetrica Invece B = 17 0 8, C = 0 17 4 17 0 8, 4 8 0 4 8 0 non sono antisimmetriche perché b 1,1 = 1 0 e c 3,1 = 4 c 1,3 Si noti che l unica matrice diagonale o (strettamente) triangolare superiore ed inferiore o simmetrica che sia anche antisimmetrica è la matrice nulla 0 n,n 13 Somma e prodotto per scalari In questo paragrafo definiremo due importanti operazioni su matrici Iniziamo a definire la somma di matrici Definizione 131 Siano (a i,j ) 1 i m, B = (b i,j ) 1 i m R m,n Definiamo somma di A e B la matrice di R m,n, indicata con A+B, la cui entrata in posizione (i, j) è a i,j + b i,j Si noti che la somma è stata definita solo per matrici aventi le stesse dimensioni Esempio 132 Si ha 1 1 5 7 + 0 1 3 4 = 1 0 8 3 3 2 1/2 0 5/2 2

6 13 SOMMA E PRODOTTO PER SCALARI Proposizione 133 Valgono le seguenti proprietà: (S1) per ogni A, B R m,n si ha A + B = B + A (la somma è commutativa); (S2) per ogni A, B, C R m,n si ha A + (B + C) = (A + B) + C (la somma è associativa); (S3) la matrice nulla è l unico elemento neutro per la somma, cioè è l unica matrice tale che 0 m,n + A, per ogni A R m,n ; (S4) per ogni A R m,n, A è l unico elemento opposto di A, cioè è l unica matrice tale che A + ( A) = 0 m,n Inoltre: (ST) per ogni A, B R m,n si ha t (A + B) = t A + t B Se A, B R m,n, spesso scriveremo A B invece di A + ( B) Passiamo ora a definire il prodotto di una matrice per un numero reale Definizione 134 Siano α R, (a i,j ) 1 i m Definiamo prodotto dello scalare α per A la matrice di R m,n, indicata con αa, la cui entrata in posizione (i, j) è αa i,j Esempio 135 Si ha 2 3 2 5 = 1 7 0 6 4 10 2 14 0 Proposizione 136 Valgono le seguenti proprietà: (P1) per ogni A R m,n si ha 1 A; (P2) per ogni α 1, α 2 R e A R m,n si ha α 1 (α 2 A) = (α 1 α 2 )A; (SP1) per ogni α 1, α 2 R e A R m,n si ha (α 1 + α 2 ) α 1 A + α 2 A; (SP2) per ogni α R e A, B R m,n si ha α(a + B) = αa + αb Inoltre: (PT) per ogni α R, A R m,n si ha t (αa) = α( t A); (LP) per ogni α R, A R m,n si ha α 0 m,n se e solo se o α = 0 o 0 m,n (legge di annullamento del prodotto per scalari)