Operazioni elementari e riduzione

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

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

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

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

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

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

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

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

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Sistemi di equazioni lineari

Applicazioni eliminazione di Gauss

Giuseppe Accascina. Note del corso di Geometria e Algebra

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

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

Lezione 7: Il Teorema di Rouché-Capelli

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

Esercitazioni di Algebra e Geometria

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

LEZIONE 1 C =

Esercitazioni di Algebra e Geometria

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

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

LEZIONE i i 3

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

ha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il

08 - Matrici, Determinante e Rango

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

Matematica II,

Introduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo.

LEZIONE 3. Typeset by AMS-TEX

Sistemi di equazioni lineari

Sistemi lineari - Parte Seconda - Esercizi

Fondamenti di ALGEBRA LINEARE E GEOMETRIA

Appunti su Indipendenza Lineare di Vettori

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

08 - Matrici, Determinante e Rango

Richiami di algebra delle matrici a valori reali

LEZIONE 5. AX = 0 m,1.

12 - Sistemi di Equazioni Lineari

Matrici. Prof. Walter Pugliese

Metodi Matematici per l Economia anno 2017/2018 Gruppo B

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

ESERCIZI SULLE MATRICI

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

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

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

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

Corso di Matematica per la Chimica

Matematica per Analisi dei Dati,

Matrici quadrate particolari

LEZIONE 12. v = α 1 v α n v n =

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

RIDUZIONE E RANGO , C = 2 5 1

SISTEMI LINEARI, METODO DI GAUSS

MATRICI E SISTEMI LINEARI

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

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

1 Risoluzione di sistemi lineari

a 11 s 1 + a 12 s a 1n s n = b 1 a 21 s 1 + a 22 s a 2n s n = b 2..

Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n

1 Volume di parallelepipedi e determinanti

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

Corso di Calcolo Numerico

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

Testi consigliati e contatti

LeLing9: Prodotto tra matrici.

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

Per esempio, una matrice 4 4 triangolare alta ha la forma. 0 a. mentre una matrice di ordine 4 triangolare bassa è del tipo

Note sui sistemi lineari

1 Riduzione per righe e matrici equivalenti per righe.

Catene di Markov. 8 ottobre 2009

Parte 1. Sistemi lineari, algoritmo di Gauss, matrici

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

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

1 Definizione di sistema lineare omogeneo.

Fissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u.

Lezione 4 - Esercitazioni di Algebra e Geometria - Anno accademico

1 Ampliamento del piano e coordinate omogenee

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

Metodo di Gauss-Jordan 1

Argomento 13 Sistemi lineari

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 DI EQUAZIONI LINEARI

Richiami di algebra lineare

1 Equazioni parametriche e cartesiane di sottospazi affini di R n

Spazi Vettoriali ed Applicazioni Lineari

La forma normale di Schur

Anno 4 Matrice inversa

Introduzione ai grafi. Introduzione ai grafi p. 1/2

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

0.1 Condizione sufficiente di diagonalizzabilità

Sistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3

Sistemi lineari e spazi vettoriali 1 / 14

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

Esercitazione 6 - Soluzione

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

Geometria BIAR Esercizi 2

Presentazione di gruppi

Inversa. Inversa. Elisabetta Colombo

Esercizio 1 Trovare, se esistono, le soluzioni del sistema lineare. y + 3z = 3 x y + z = 0. { x + y = 1

Transcript:

Matrici e sistemi Operazioni elementari Riduzioni di matrici L algoritmo di riduzione 2 2006 Politecnico di Torino 1

Operazioni elementari per righe Sia A M m,n. Introduciamo tre tipi di operazioni che permettono di trasformare una matrice A M m,n in un altra matrice A M m,n. Tali operazioni si dicono operazioni elementari (per righe), (brevemente OE ). La matrice A sarà descritta tramite le sue righe. Osservazione. Le operazioni elementari per colonne possono essere definite in modo del tutto analogo a quello seguente. Si privilegiano le operazioni per righe in quanto solo esse sono applicabili allo studio dei sistemi. 4 2006 Politecnico di Torino 2

I Tipo Dati 1 i j m e α, poniamo [A ] i = [A] i + α[a] j, [A ] k = [A] k per k i. A si ottiene da A sommando alla i -esima riga di A la j esima righa di A moltiplicata per α e lasciando inalterate le altre righe. K Denotiamo tale operazione con A (i) α ( j) (i) + α ( j) Si verifica facilmente che A A. A. 5 II Tipo Dati 1 i, j m poniamo [A ] i = [A] j, [A ] j = [A] I, [A ] k = [A] k per k i, j A si ottiene da A scambiando la riga i-esima con la j-esima e lasciando inalterate le altre righe. Denotiamo tale operazione con A (i) (j ) (i) (j ) Si verifica facilmente che A A. A. 6 2006 Politecnico di Torino 3

III Tipo K Dati 1 i m e α, α 0, poniamo [A ] i = α[a] i, [A ] k = [A] k per k i A si ottiene da A moltiplicando la riga i -esima per α e lasciando inalterate le altre righe. Denotiamo tale operazione con A 1 (i) α Si verifica facilmente che A A. α (i) A. 7 Esempi 1 1 0 0 A = 0 1 2 1 3 2 5 0 (3) + 2(1) l A 1 1 0 0 = 0 1 2 1 5 0 5 0 (3) (2) ll A 1 1 0 0 = 5 0 5 0 0 1 2 1 1 (2) 5 lll A 1 1 0 0 = 1 0 1 0 0 1 2 1 5(2) (3) (2) (3) 2(1) Invertendo si ha A A A A. 8 2006 Politecnico di Torino 4

Equivalenza per righe Le matrici A, B M m,n si dicono equivalenti (per righe) se A si può trasformare in B con un numero finito di OE. In tal caso scriveremo A ~ B. La relazione ~ è una relazione di equivalenza, infatti è: Riflessiva: A ~ A (Le OE del I tipo con α = 0 o del III tipo con α = 1 lasciano invariata A); Simmetrica: A ~ B implica B ~ A (Le OE si possono invertire con OE dello stesso tipo); Transitiva: A ~ B e B ~ C implica A ~ C. 9 2006 Politecnico di Torino 5

Notazione Se A èuna matrice m x n non nulla e se [A ] i è una riga non nulla, indichiamo con j (i ) l indice di colonna del primo elemento non nullo di [A ] i. Quindi [A ] i,j(i) 0, mentre [A ] i,k = 0 per k < j (i ). Ad esempio, se [A ] 2 = (0, 0, -4, 1, 0) allora j (2) = 3 e [A ] 2,j(2) =-4. 11 Matrici a scala (1/2) A M m.n si dice matrice a scala se A O e valgono le seguenti: Esiste r, 1 r m, tale che [A] i O per i r e [A] i = O per i > r. Se 1 i < k m, allora j (i ) < j (k ). 12 2006 Politecnico di Torino 6

Matrici a scala (2/2) Dunque una matrice è a scala se le eventuali righe nulle sono le ultime e se, passando da una riga non nulla a un altra, il primo elemento non nullo si sposta verso destra. Osserviamo che la seconda condizione per una matrice a scala, cioè j (i ) < j (k ) per i < k, implica che i j (i ) e r n : quindi il numero di righe non nulle r è minore o uguale del minimo tra m e n. 13 Esempi Le seguenti matrici sono a scala: 0 1 2 4 1 1 1 2 1 2 0 0 0 3 5 0 5 A1 =, A2 = 0 1 0, 3 0 0 0 0 6 A = 0 0 0 0 3 0 0 0 0 0 0 0 14 2006 Politecnico di Torino 7

Pivots I primi elementi non nulli p i = [A ] i, j (i ) di ogni riga non nulla di una matrice a scala A sono detti pivots di A. Il numero dei pivots coincide con il numero r delle righe diverse da O. I pivots di A 1 sono p 1 = 1, p 2 = 3, p 3 = -6. I pivots di A 2 sono p 1 = 2, p 2 = 1, p 3 = 3. I pivots di A 3 sono p 1 = 1, p 2 = 5. 15 Matrici a scala ridotte normalizzate Una matrice a scala A si dice ridotta se per 1 i r e 1 k < i si ha [A] k,j(i) = 0. Una matrice a scala A si dice normalizzata se per 1 i r si ha p i = 1. Dunque A è ridotta se gli elementi sopra i pivots sono tutti nulli e è normalizzata se i pivots sono tutti 1. Per brevità, scriveremo srn per a scala ridotta normalizzata. 16 2006 Politecnico di Torino 8

Esempi Le seguenti matrici sono rispettivamente a scala ridotta e srn. 0120 0 0003 0 0000-6 0000 0 0 1 2 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 17 Osservazione Esiste una sola matrice srn m x n con r = n. Per esempio, per m = 5, n = 3, si ha: 1 0 0 0 1 0 A = 0 0 1 0 0 0 0 0 0 In particolare, se m = n, abbiamo A = I n. Il seguente è il teorema principale di questa parte del corso. 18 2006 Politecnico di Torino 9

Teorema di Riduzione Ogni matrice non nulla A M m,n èequivalente per righe a un unica matrice srn indicata con A srn e detta forma srn di A. L unicità di A srn permette di dare la seguente definizione: 19 Rango di una matrice Sia A M m,n. Se A è non nulla, il rango r (A ) di A è il numero di pivots della matrice A srn. Per convenzione poniamo r (O m,n ) = 0. Osservazione.SeA M m,n, r (A) m e r (A) n e quindi r (A) è minore o uguale del minimo tra m e n. 20 2006 Politecnico di Torino 10

Esempio di riduzione (1/2) La prova del Teorema di Riduzione si basa su di un algoritmo, detto algoritmo di riduzione, che illustriamo applicandolo a un esempio e articolandolo in 8 passi. 0 0 0 1 3 0 2 2 2 4 Esempio: A = M 4,5. 0 1 1 0 1 0 2 2 3 1 22 2006 Politecnico di Torino 11

Esempio di riduzione (2/2) Trasformeremo prima A in una matrice a scala [A] sc (forma a scala, non unica) per poi passare a una matrice a scala normalizzata e quindi alla forma srn di A. 23 Passi 1 e 2 Passo 1. Consideriamo la prima colonna [A] j(1) non nulla: j(1) 2 e [ ] 0 2 1 2 2 = A = Passo 2. Consideriamo il primo elemento [A] i,j(1) 0 di [A] j(1) : i = 2 e [A] 2,2 = 2 24 2006 Politecnico di Torino 12

Passo 3 Con un numero opportuno di OE del II tipo trasformiamo A in A in modo che la riga [A ] i diventi la prima riga [A ] 1 A 0 2 2 2 4 0 0 0 1 3 A' = 0 1 1 0 1 0 2 2 3 1 (1) (2) Poniamo [A ] 1,j(1) = [A] i,j(1) = p 1. Nell esempio p 1 = 2. 25 Passo 4 Con un numero opportuno di OE del I tipo trasformiamo A in A in modo che l unico elemento non nullo della colonna [A] j(1) sia p 1 : A ' (4) (1) 0 2 2 2 4 0 0 0 1 3 0 1 1 0 1 0 0 0 1 5 1 (3) + (1) 2 0 2 2 2 4 0 0 0 1 3 A ''' = 0 0 0 1 3 0 0 0 1 5 26 2006 Politecnico di Torino 13

Passo 5 (1/2) Consideriamo la matrice A 1 ottenuta da A eliminando la prima riga. Allora A 1 è una matrice (m 1) x n e su essa possiamo riapplicare i passi 1, 2 e 3 (che corrispondono a OE su A che lasciano inalterata la prima riga). 27 Passo 5 (2/2) 0 0 0 1 3 0 0 0 1 3 A (3) (1) = 0 0 0 1 3 1 0 0 0 1 3 0 0 0 1-5 0 0 0 0 8 (2) (1) (2) (1) 0 0 0 1 3 0 0 0 0 0 0 0 0 0 8 28 2006 Politecnico di Torino 14

Passo 6 (1/2) Otteniamo così p 2 e una matrice (m 2) x n A 2. Operando ricorsivamente in questo modo arriviamo alla matrice a scala A sc. 0 0 0 0 0 A = 2 0 0 0 0 8 (1 ) (2 ) 0 0 0 0 8 0 0 0 0 0 29 Passo 6 (2/2) Quindi: A sc 0 2 2 2 4 0 0 0 1 3 = 0 0 0 0 8 0 0 0 0 0 In questo esempio r = 3, p 1 = 2, p 2 = 1, p 3 =-8. 30 2006 Politecnico di Torino 15

Passo 7 Con r OE del III tipo (dividendo le righe non nulle per i pivots), trasformiamo A sc in una matrice a scala normalizzata A sn : 1 (1) 2 A sc 0 1 1 1 2 0 0 0 1 3 0 0 0 0 8 0 0 0 0 0 1 (3) 8 = A sn 0 1 1 1 2 0 0 0 1 3 0 0 0 0 1 0 0 0 0 0 31 Passo 8 Con un numero opportuno di OE del I tipo trasformiamo A sn nella matrice srn A srn in modo che, per i = 1,, r, l unico elemento non nullo di ogni colonna [A srn ] j(i) sia il pivot p i = 1: A sn (1) 2(3),(2) 3(3) 0 1 1 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 (1) (2) = A srn 0 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 Nota. Le OE sulla stessa freccia sono effettuate in successione. 32 2006 Politecnico di Torino 16

Unicità e calcolo del rango Nell esempio precedente, ogni altra OE su A srn la trasformerebbe in una matrice non srn, il che è una verifica del fatto che la forma srn è unica. D altra parte, anche se la forma a scala A sc non è unica (anche A srn è a scala!), il numero dei pivots resta invariato nei passi successivi quindi il rango di A è il numero di pivots di una qualsiasi forma a scala di A. In definitiva abbiamo che il rango di A èin questo caso r (A ) = r = 3. 33 ATTENZIONE! Il rango di una matrice A NON è il numero di righe non nulle di A, a meno che A non sia a scala. Se così non è, bisogna PRIMA trasformare A in una matrice a scala con operazioni di riga e POI contare le righe non nulle della matrice trasformata. Esempio: 1 1 1 1 1 1 2 2 2 ha forma srn 0 0 0 3 3 3 0 0 0 Dunque ha rango 1, anche se non ha righe nulle. 34 2006 Politecnico di Torino 17