Sei sulla pagina 1di 42

MATRICI E SISTEMI LINEARI

- PARTE I -

Felice Iavernaro (Univ. Bari)

Felice Iavernaro

Dipartimento di Matematica Universit`a di Bari

27 Febbraio 2006

Matrici e Sistemi lineari

27/02/2006 1 / 36
27/02/2006
1 / 36

Definizione di matrice reale

Definizione

Dati due interi positivi m ed n, una matrice A reale m × n `e
Dati due interi positivi m ed n, una matrice A reale m × n `e un array
bidimensionale avente m righe ed n colonne cos`ı definito
···
···
a 11
a 12
a 1n
···
···
a 21
a 22
a 2n
A =
.
.
.
. 
.
···
···
a m1
a m2
a mn

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 2 / 36
27/02/2006
2 / 36

Definizione di matrice reale

Definizione

Dati due interi positivi m ed n, una matrice A reale m × n `e
Dati due interi positivi m ed n, una matrice A reale m × n `e un array
bidimensionale avente m righe ed n colonne cos`ı definito
···
···
a 11
a 12
a 1n
···
···
a 21
a 22
a 2n
A =
.
.
.
. 
.
···
···
a m1
a m2
a mn
Pi`u formalmente possiamo dire che una matrice `e un’applicazione
A : {1, 2,
, m} × {1, 2,
, n} −→ R
tale che A(i, j) = a ij ∈ R.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 2 / 36
27/02/2006
2 / 36

Notazioni

Una matrice verr`a solitamente denotata con le lettere maiuscole dell’alfabeto, mentre gli elementi di una matrice con le lettere minuscole; ad esempio la scrittura

A = {a ij } i=1,

j=1,

m

n

, ovvero

A = {a ij },

i = 1,

m,

j = 1,

n,

denoter`a una matrice ad m righe ed n colonne il cui generico elemento `e a ij . Denotiamo con R m×n l’insieme delle matrici con m righe ed n colonne.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 3 / 36
27/02/2006
3 / 36

Notazioni

Una matrice verr`a solitamente denotata con le lettere maiuscole dell’alfabeto, mentre gli elementi di una matrice con le lettere minuscole; ad esempio la scrittura

A = {a ij } i=1,

j=1,

m

n

, ovvero

A = {a ij },

i = 1,

m,

j = 1,

n,

denoter`a una matrice ad m righe ed n colonne il cui generico elemento `e a ij . Denotiamo con R m×n l’insieme delle matrici con m righe ed n colonne.

Esempio (A R 3×4 )

A =

2

π

0

log(3)

1

1/3

3

1

  ,

2/3

0

sin(π/7)

4/3

`e una matrice 3 × 4, ovvero a 3 righe e 4 colonne.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 3 / 36
27/02/2006
3 / 36

Matrici particolari

Se m = n, (num. di righe= num. di colonne), la matrice `e detta

quadrata di dimensione n (se m

= n, la matrice `e detta rettangolare);

se m = n = 1, la matrice si riduce ad un unico elemento e dunque coincide con uno scalare: A = (a 11 );

se m = 1, la matrice possiede un’unica riga, pertanto si riduce ad un

vettore riga:

se n = 1, la matrice possiede un’unica colonna, pertanto si riduce ad un vettore colonna:

A = a 11 a 12 ···

a 1n

A =

Felice Iavernaro (Univ. Bari)

a

a

11

21

.

.

.

a

m1

a 11 a 21

Matrici e Sistemi lineari

··· a m1 T . 27/02/2006 4 / 36
···
a m1 T .
27/02/2006
4 / 36

Matrici particolari

La matrice m × n i cui elementi sono tutti nulli si chiama matrice nulla e si denota con 0 m×n o pi`u semplicemente con 0.

Si chiama diagonale principale di una matrice quadrata di dim. n, il vettore:

diag(A) = a 11

a 22 ···

a nn T .

Si chiama matrice identica, ogni matrice quadrata aventi elementi diagonali uguali ad 1 ed elementi extra-diagonali nulli:

Felice Iavernaro (Univ. Bari)

I =

1

0

.

.

.

0

0

1

.

0

···

···

···

···

···

···

Matrici e Sistemi lineari

0

0

.

1

27/02/2006 5 / 36
27/02/2006
5 / 36

Matrici quadrate particolari

Una matrice quadrata A `e detta:

diagonale se tutti i suoi elementi extra-diagonali sono nulli:

a ij = 0,

i, j = 1,

n,

i

= j;

triangolare inferiore se tutti i suoi elementi al di sopra della diagonale

principale sono nulli: a ij = 0, i < j; triangolare superiore se tutti i suoi elementi al di sotto della diagonale principale sono nulli: a ij = 0, i > j;

Esempio:

D =

1

0

0

0

2

0

0

0

3

,

Felice Iavernaro (Univ. Bari)

T =

1

1

2

0

2

4

0

0

3

Matrici e Sistemi lineari

, S =

1

0

0

1

0

0

0

2

3

.

27/02/2006 6 / 36
27/02/2006
6 / 36

Addizione tra matrici

Definizione

Se A = {a ij } e B = {b ij } sono matrici m × n si definisce somma tra A e B la matrice

A + B = {a ij + b ij } ∈ R m×n

Si osservi che

+ : R m×n × R m×n R m×n

`e una legge di composizione interna (o legge binaria).

Esempio

  1 2 3 1 0 1 2 2 4  A = 
1
2
3
1
0
1
2
2
4
A = 
−1
0
1
 , B = 
−1
−2
0
 , A + B = 
−2
−2
1
 .
2/3
1
−2
1/3
−4
3
1
−3
1

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 7 / 36
27/02/2006
7 / 36

Propriet`a dell addizione

Commutativit`a: A, B R m×n :

A + B = B + A;

Associativit`a: A, B, C R m×n :

(A + B) + C = A + (B + C );

Esistenza dell’elemento neutro: A R m×n :

A + 0 = 0 + A = A;

Esistenza del simmetrico (opposto): A R m×n , B R m×n tale che A + B = 0. L’opposto di A si denota con A.

Osservazione

(R m×n , +) `e un gruppo abeliano. Felice Iavernaro (Univ. Bari) Matrici e Sistemi
(R m×n , +) `e un gruppo abeliano.
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
8 / 36

Moltiplicazione di uno scalare per una matrice

Definizione

Se A = {a ij } ∈ R m×n e λ R, si definisce prodotto di λ per A la matrice

λ · A = {λa ij } ∈ R m×n

L’applicazione

· : R × R m×n −→ R m×n

`e una legge di composizione esterna.

Esempio

A =

1

2

3

2 · A =

1

4

6

1

2/3

0

1

1

2

,

2

4/3

0

2

1

4

.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 9 / 36
27/02/2006
9 / 36

Propriet`a della moltiplicazione per uno scalare

Per ogni λ,

µ R e per ogni A,

λ · (µ · A) = (λ µ) · A;

(λ + µ) · A = λ · A + µ · A;

λ · (A + B) = λ · A + λ · B;

1 · A = A.

B R m×n risulta:

Per semplicit`a si scriver`a λ A in luogo di λ · A.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 10 / 36
27/02/2006
10 / 36

Trasposta di una matrice

Se A R m×n , la trasposta di A, denotata con A T , `e la matrice ottenuta da A scambiando le righe con le colonne (o viceversa), ovvero

A T = {a ji },

Pertanto A T R n×m .

i = 1,

m,

j = 1,

n.

Esempio

1 −1 1 2 3  A = =⇒ A T =  2 0
1
−1
1
2
3
A =
=⇒ A T =  2
0
 .
−1
0
1
3
1

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 11 / 36
27/02/2006
11 / 36

Sottomatrici ( o matrici estratte)

Se A = {a ij } ∈ R m×n , una sottomatrice di A (o matrice estratta da A) `e una matrice ottenuta sopprimendo in A un certo numero di righe e di colonne.

Esempio

Considerata

sono sottomatrici di A:

A =

1

2

3

0

1

1

2/3

0

1

1

2

1

2

2

1

,

B =

2 ,

C =

1

2

,

D =

1

3

1 ,

1

1

0

2/3

2

E =

3

1

2

,

F =

2/3

1

2

2

1 ,

G = A,

H = () .

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 12 / 36
27/02/2006
12 / 36

Sottomatrici principali

Si chiama sottomatrice principale di una matrice A una sottomatrice di A i cui elementi diagonali sono anche elementi diagonali di A.

Esempio

 

 

1

0

1

 

Se A =

1

1

2

2

1

 

0

1

 

2

3

0

1

1

2

1/4

1/2

3

0

 

2

1/2

2

0

2/3

,

1

B =

1

2/3

1

`e ottenuta da A considerando 1 a , 3 a e 4 a riga e 1 a , 3 a e 4 a colonna di A.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 13 / 36
27/02/2006
13 / 36

Sottomatrici principali di testa

Si chiama sottomatrice principale di testa di A di ordine k una sottomatrice (principale) di A ottenuta considerando le prime k righe e colonne di A

Esempio

 

 

1

2

3

0

1

 

,

Se A =

1

2/3

1

0

1

1/4

1

2

1/2

1

2

0

2

1

1

A 3 =

1

2

3

1

2/3

0

1

1

2

`e la sottomatrice principale di testa di A di ordine 3.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 14 / 36
27/02/2006
14 / 36

Partizionamento di matrici

Una matrice A si dice partizionata se `e riguardata in termini di sue sottomatrici (dette blocchi di A).

Esempio

 a a 11 12 a 13  Se A =  a a a
a
a
11
12
a 13
Se A = 
a
a
a e
 ,
21
22
23
a 31
a 32
a 33
a
a
11
12
13
A 11 =
a 22 , A 12 = a
a
21
a 23 ,
A 21 = a 31 a 32 , A 22 = a 33 .
A
A
11
12
possiamo allora scrivere A =
.
A
A
21
22
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
15 / 36

Partizionamenti per righe e per colonne

Partizionamento per righe. Se A R m×n e denotiamo con

a

T

1

,

a T a T

2 ,

m

, le righe di A, potremo scrivere:

A =

a

a

a

T

1

T

2

.

.

.

T

m

.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 16 / 36
27/02/2006
16 / 36

Partizionamenti per righe e per colonne

Partizionamento per righe. Se A R m×n e denotiamo con

a

T

1

,

a T a T

2 ,

m

, le righe di A, potremo scrivere:

A =

a

a

a

T

1

T

2

.

.

.

T

m

.

Partizionamento per colonne. Se B R m×n e denotiamo con a 1 , a 2 , a n , le colonne di A, potremo scrivere:

Felice Iavernaro (Univ. Bari)

A =

a 1 ,

a 2 ,

.

.

Matrici e Sistemi lineari

. a n . 27/02/2006 16 / 36
. a n
.
27/02/2006
16 / 36

Prodotto di matrici (righe per colonne)

Ricordiamo che se a e b sono due vettori (colonna) di lunghezza n, il prodotto scalare di a e b denotato con a T b `e cos`ı definito:

a T b

n

k=1

a k b k .

Siano A R m×p e B R p×n . Si definisce prodotto (righe per colonne) tra A e B la matrice C = A · B R m×n il cui elemento generico c ij `e il prodotto scalare tra la riga i-esima di A e la colonna j-esima di B:

T

c ij = a b j =

i

p

k=1

a T i i-esima riga di A;

Felice Iavernaro (Univ. Bari)

a ik b kj ,

i = 1,

m,

j = 1,

, n.

b j j-esima colonna di B.

Matrici e Sistemi lineari

27/02/2006 17 / 36
27/02/2006
17 / 36

ESEMPIO

Osservazione

Il prodotto tra due matrici `e possibile solo se il numero di colonne del primo fattore coincide con il numero di righe del secondo fattore.

 = a 1 −1 3 T 1 2 3 4  −1 0 1
= a
1
−1
3
T
1
2
3
4
−1
0
1
1
A =
,
B =  
 = ( b 1 , b 2 , b 3 )
T
−1
0
1
2
a
0
2
−1
2
2
1
−2
3 =
T
T
T
b
a
b
a
b
7 9
−6
1
1
1
2
1
3
A · B = a
T
T
T
a
b
a
b
a
b
3 5
−8
2
1
2
2
2
B · A non `e possibile.
Felice Iavernaro
(Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
18 / 36

Ulteriori esempi (1/2)

    1 2 3 −1 −5     4 5
1
2
3
−1
−5
4
5
6
 · 
1
 = 
−11
7 8
9
−2
−17
1
2
3
−1
1
−2 · 
4
5
6
 =
−11
−13
−15
7
8
9
  2 = 
1
2
3
1
2
3
1
2
3
30
36
42
4
5
6
4
5
6
 · 
4
5
6
 = 
66
81
96
7
8
9
7
8
9
7
8
9
102
126
150
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
19 / 36

Ulteriori esempi (2/2)

1

3

0

2

0

4 · 2

2

1

1

·

1

3

1

= 4

8

1

4 2 = 3

1

1

1

4

0

Osservazione

Dunque, se A e B sono quadrate dello stesso ordine, A · B e B · A sono

ben definite, tuttavia, in generale A e B non sono permutabili cio`e, in

generale, A · B

Ne segue che la moltiplicazione tra matrici non `e commutativa.

= B · A.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 20 / 36
27/02/2006
20 / 36

Propriet`a della moltiplicazione di matrici quadrate

· : R n×n × R n×n R n×n

`e una legge di composizione interna su R n×n che verifica le seguenti propriet`a:

Associativit`a: (A · B) · C = A · (B · C );

Esistenza dell’elemento neutro: A · I = I · A = A;

A · 0 = 0 · A = 0;

Distributivit`a

a

sinistra: A · (B + C ) = A · B + A · C ;

Distributivit`a

a

destra: (A + B) · C = A · C + B · C ;

λ(A · B) = (λA)B = A(λB);

(A · B) T = B T · A T .

Osservazione

La terna (R n×n , +, ·) `e un anello unitario (non commutativo).

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 21 / 36
27/02/2006
21 / 36

Inversa di una matrice quadrata

Una matrice quadrata A R n×n si dice invertibile se esiste B R n×n tale che

AB = I = B A

l’inversa di A, se esiste, `e denotata con A 1 .

Osservazione

L’inversa di una matrice, se esiste, `e unica. Infatti, se

segue che

AB = I = B A

e

AC = I = C A,

B = I B = (C A)B = C(AB) = C I = C.

Se A `e invertibile, (A 1 ) 1 = A (dim. per esercizio).

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 22 / 36
27/02/2006
22 / 36

Esempi e controesempi

Esempi. I 1 = I;

A =

B =

1

3

1

1

2

4

0

1

=A 1 =

1

1

=B 1 =

2

3/2

0

1

1/2

1

Controesempi. Non sono invertibili: 0 R n×n (matrice nulla)

1/2 −1 A = −1 2 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006
1/2
−1
A =
−1
2
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
23 / 36

Determinante di una matrice quadrata

Se A = {a ij } ∈ R n×n , denotiamo con A ij la sottomatrice quadrata di A di dimensione n 1 ottenuta da A sopprimendone la i-esima riga e la j-esima colonna.

Definizione

Si definisce determinante di A e lo si denota con det(A) il seguente scalare:

det(A) =

  a 11 ,


j=1

n

 

se n = 1,

(1) j+1 a 1j det(A 1j ),

se n > 1.

Osservazione

La definizione appena data va sotto il nome di REGOLA DI LAPLACE per il calcolo del determinante. In letteratura esistono diverse altre definizioni equivalenti. Il vantaggio di quella da noi adottata `e che essa induce in maniera naturale un semplice algoritmo ricorsivo.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 24 / 36
27/02/2006
24 / 36

Determinante di matrici 2 × 2 e 3 × 3

A =

a

a

11

21

a

a

12

22

Felice Iavernaro (Univ. Bari)

=det(A) = a 11 a 22 a 12 a 21 .

Matrici e Sistemi lineari

27/02/2006 25 / 36
27/02/2006
25 / 36

Determinante di matrici 2 × 2 e 3 × 3

A =

a

a

11

21

A =

a

a

a

a 11 det

11

21

31

a

a

a

a

12

22

22

32

a

a

a

12

22

32

a

a

=

Felice Iavernaro (Univ. Bari)

=det(A) = a 11 a 22 a 12 a 21 .

23

33

a

a

a

13

23

33

=det(A) =

a 12 det

a

a

21

31

a

a 33 +a 13 det a 21

23

a

31

a

a 32

22

a 11 a 22 a 33 a 13 a 22 a 31

+

a 12 a 23 a 31 a 12 a 21 a 33

Matrici e Sistemi lineari

+ + a 13 a 21 a 32 a 11 a 23 a 32 .
+
+
a 13 a 21 a 32
a 11 a 23 a 32 .
27/02/2006
25 / 36

Generalizzazione della regola di Laplace

Il determinante di una matrice quadrata A = {a ij } ∈ R n×n , pu`o essere equivalentemente calcolato mediante una delle seguenti formule che generalizzano quella precedentemente data:

Sviluppo lungo la riga i-esima:

det(A) =

n

j=1

(1) i+j a ij

Sviluppo lungo la colonna j-esima:

det(A) =

n

i=1

(1) i+j a ij

det(A ij ),

(n > 1).

det(A ij ),

(n > 1).

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 26 / 36
27/02/2006
26 / 36

Generalizzazione della regola di Laplace

Il determinante di una matrice quadrata A = {a ij } ∈ R n×n , pu`o essere equivalentemente calcolato mediante una delle seguenti formule che generalizzano quella precedentemente data:

Sviluppo lungo la riga i-esima:

n

det(A) = (−1) i+j a ij det(A ij ), (n > 1). j=1 Sviluppo lungo
det(A) =
(−1) i+j a ij
det(A ij ),
(n > 1).
j=1
Sviluppo lungo la colonna j-esima:
n
det(A) =
(−1) i+j a ij
det(A ij ),
(n > 1).
i=1
Definizione
La quantit`a (−1) i+j det(A ij ) prende il nome di complemento algebrico
dell’elemento a ij .
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
26 / 36

Secondo teorema di Laplace

La somma dei prodotti degli elementi di una riga (colonna) per i complementi algebrici di un’altra riga (colonna) `e nulla, cio`e:

ovvero:

n

j=1

n

i=1

Felice Iavernaro (Univ. Bari)

(1) k+j a ij det(A kj ) = 0, i = k

(1) i+k a ij det(A ik ) = 0,

Matrici e Sistemi lineari

∀j = k. 27/02/2006 27 / 36
∀j =
k.
27/02/2006
27 / 36

Propriet`a del determinante (1/3)

det(A T ) = det(A). det(A) = 0 se:

gli elementi di una riga sono tutti nulli; esistono due righe di A che sono uguali (proporzionali); esiste una riga di A che `e combinazione lineare di altre righe (vale anche il viceversa).

Aggiungendo ad una riga una combinazione lineare di altre righe, si

ottiene una nuova matrice il cui determinante coincide con quello di

A.

Osservazione

Una combinazione lineare tra vettori a 1 , a 2 , forma

, a k `e una somma della

c 1 a 1 + c 2 a 2 +

+ c k a k

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 28 / 36
27/02/2006
28 / 36

Propriet`a del determinante (2/3)

Se per la i-esima riga di A risulta a ij = b ij + c ij , dette B

matrici che si ottengono sostituendo in A la i-esima riga con

[b i1 ,

e C

, b in ] e [c i1 ,

, c in ], risulta:

le

det(A) = det(B) + det(C )

Se B `e ottenuta da A scambiando due sue righe, risulta det(B) = det(A).

Se B `e ottenuta da A moltiplicandone gli elementi di una riga per uno scalare α, risulta det(B) = α det(A).

Se A e B sono quadrate dello stesso ordine, det(A B) = det(A) det(B).

In particolare, se A `e invertibile, det(A 1 ) =

1

det(A) .

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 29 / 36
27/02/2006
29 / 36

Propriet`a del determinante (3/3)

Poich´e det(A T ) = det(A), le precedenti propriet`a continuano a valere se riferite alle colonne piuttosto che alle righe di A.

det(α A) = α n det(A)

Se A `e una matrice triangolare, allora

det(A) =

n

i=1

a ii

cio`e il determinante di A `e il prodotto dei suoi elementi diagonali. In particolare se I `e la matrice identica, risulta det(I ) = 1.

(Dimostrare i punti per esercizio, applicando i teoremi di Laplace.)

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 30 / 36
27/02/2006
30 / 36

Esistenza dell’inversa

Una matrice quadrata A si dice non singolare se det(A)

Si definisce matrice aggiunta di A e si denota con agg(A), la trasposta della matrice dei complementi algebrici di A:

= 0.

[agg(A)] ij = {(1) i+j det(A ij )} T = {(1) i+j det(A ji )}

Teorema A `e invertibile (∃A −1 ) ⇐⇒ A `e non singolare (det(A) = 0).
Teorema
A `e invertibile (∃A −1 )
⇐⇒
A `e non singolare (det(A)
= 0).
Inoltre risulta:
1
A −1 =
det(A) agg(A)
Felice Iavernaro (Univ. Bari)
Matrici e Sistemi lineari
27/02/2006
31 / 36

Dimostrazione del teorema di esistenza

1

det(A) agg(A), sar`a sufficiente provare che C A B = I . Gli

Posto B =

elementi di C sono:

c ij =

1

det(A) (

a i1 (1) j+1 det(A j1 ) + a i2 (1) j+2 det(A j2 ) + + a in (1) j+n det(A jn )

Distinguiamo due casi:

per i = j, per la regola di Laplace,

c ii =

1

det(A) det(A)

per i

= j, per il secondo teorema di Laplace segue che

Felice Iavernaro (Univ. Bari)

c ij = 0.

Matrici e Sistemi lineari

27/02/2006 32 / 36
27/02/2006
32 / 36

Sistemi lineari di n equazioni in n incognite

Un sistema lineare di n equazioni in n incognite ha la seguente forma:

a 11 x 1 + a 12 x 2 +

.

.

.

a i1 x 1 + a i2 x 2 +

.

.

.

a n1 x 1 + a n2 x 2 +

+ a 1n x n

+ a in x n

+ a nn x n

=

=

=

b 1

.

.

.

b i

.

.

.

b n

La matrice A = {a ij } prende il nome di matrice dei coefficienti;

il vettore x = [x 1 , x 2 ,

il vettore b = [b 1 , b 2 ,

, x n ] T prende il nome di vettore delle incognite;

,

b n ] T

prende il nome di vettore dei termini noti.

Il sistema lineare sopra riportato pu`o scriversi come

Felice Iavernaro (Univ. Bari)

Ax = b

(forma compatta)

Matrici e Sistemi lineari

27/02/2006 33 / 36
27/02/2006
33 / 36

Soluzione di un sist. lin. (di n eq.ni in n incognite)

Consideriamo il sistema lineare

Ax = b.

Se supponiamo che la matrice dei coefficienti A `e non singolare

(det(A)

= 0), allora A sar`a invertibile: moltiplicando ambo i membri a

sinistra per A 1 otteniamo:

x = A 1 b

dunque possiamo concludere che:

Teorema

Se la matrice dei coefficienti di un sistema lineare di n equazioni in n incognite `e non singolare, il sistema lineare ammette una ed una sola soluzione (vale anche il viceversa).

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 34 / 36
27/02/2006
34 / 36

Metodo di Cramer

Da

1

x = A 1 b = det(A) agg(A)b,

eguagliando le i-esime componenti dei due vettori ad ambo i membri si ha:

1

x i = det(A) (1) i+1 b 1 det(A 1i ) +

(1) i+n b n det(A ni )

Detta A i la matrice che si ottiene sostituendo in A la i-esima colonna con il vettore dei termini noti, si riconosce immediatamente che

Felice Iavernaro (Univ. Bari)

x i = det(A i ) det(A)

,

i = 1,

Matrici e Sistemi lineari

, n.

27/02/2006 35 / 36
27/02/2006
35 / 36

Conclusioni

In

questa prima parte di lezioni di Algebra Lineare abbiamo introdotto

le

matrici e ne abbiamo studiato alcune propriet`a di base.

Abbiamo poi applicato i risultati allo studio dei sistemi lineari con ugual numero di equazioni ed incognite

Abbiamo poi osservato che, bench´e la regola di Laplace ed il metodo

di Cramer siano facilmente implementabili sul calcolatore, le relative

complessit`a computazionali (numero di operazioni) sono talmente elevate da rendere tali tecniche del tutto inefficienti.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 36 / 36
27/02/2006
36 / 36

Conclusioni

In

questa prima parte di lezioni di Algebra Lineare abbiamo introdotto

le

matrici e ne abbiamo studiato alcune propriet`a di base.

Abbiamo poi applicato i risultati allo studio dei sistemi lineari con ugual numero di equazioni ed incognite

Abbiamo poi osservato che, bench´e la regola di Laplace ed il metodo

di Cramer siano facilmente implementabili sul calcolatore, le relative

complessit`a computazionali (numero di operazioni) sono talmente elevate da rendere tali tecniche del tutto inefficienti.

Alcuni argomenti della PARTE II :

approccio numerico ai problemi finora affrontati; generalizzazione della teoria a matrici e sistemi rettangolari; ulteriori propriet`a delle matrici; introduzione della teoria degli spazi vettoriali; applicazione della teoria delle matrici allo studio degli spazi vettoriali.

Felice Iavernaro (Univ. Bari)

Matrici e Sistemi lineari

27/02/2006 36 / 36
27/02/2006
36 / 36