Capitolo 1

Ripasso Algebra

Matrice: tabella ordinata di numeri, con m righe per n colonne.

 
a11 . . . an1
[A] =  ... .. 

aij . 
am1 . . . amn
Se m = n → matrice quadrata
Se m = 1 → vettore riga
Se n = 1 → vettore colonna

matrice simmetrica: aij = aji ex: matrice di rigidezza

matrice diagonale: aij 6= 0 per i = j e aij = 0 ∀i 6= j ex: matrice delle masse
matrice identità: è una matrice diagonale con gli elementi centrali pari a 1.

1 Matrice Trasposta
[A] → [A]T scambio le righe con le colonne.
   
1 2 3 1 4 7
[A] = 4 5 6 ; [A]T = 2 5 8
7 8 9 3 6 9

Se [A] è simmetrica =⇒ [A] = [A]T

Trasposizione del prodotto:

([A] · [B])T = [B]T · [A]T

Pn
Traccia di una matrice: tr[A] = i=1 aii , sommo gli elementi diagonali.

2 Prodotto riga per colonna tra matrici

Xn
[A] · [B] = [C] ; cij = aik bkj
|{z} |{z} |{z}
k=1
mx
n
nxq mxq

ex:  
  −1 2  
2 1 2  2 3
· 2 1 =
1 2 3 6 9
1 3
NB:
[A] · [B] 6= [B] · [A]

1
2 CAPITOLO 1. RIPASSO ALGEBRA

matrice definita positiva:

Dati [A] e {v} (vettore generico non nullo), si calcola:

q = {v}T [A]{v}

Se q > 0 =⇒ [A] è definita positiva

Se q ≥ 0 =⇒ [A] è semidefinita positiva
3 0
ex: se [A] = 02
     
3 0 v1 3v1
= 3v12 + 2v22 > 0 =⇒ [A] è definita positiva
 
q = v1 v2 = = v1 v2
0 2 v2 2v2

3 Determinante
determinante: è uno scalare calcolabile solo per matrici quadrate nxn, ricavato tramite lo sviluppo
di Laplace.
Considero una generica colonna o riga i-esima e calcolo:
n
X
det[A] = aij cij
j=1

Dove cij è il complemento algebrico e si calcola come: cij = (−1)i+j det[Ã],

mentre [Ã] è il minore algebrico di [A] ottenuto eliminando riga i-esima e colonna j-esima.

ex:  
a b
det = a · (−1)1+1 · d + b · (−1)1+2 · c = ad − bc
c d
b− c +
 + 
a
det d− e+ f −  = a(ei − f h) − b(di − gf ) + c(dh − eg)
g + h− i+
Se due righe (o colonne) si possono scrivere come combinazione lineare =⇒ det[A] = 0.
Se det[A] = 0 =⇒ la matrice [A] si dice singolare e non è invertibile.

4 Matrice inversa
[A] → [A]−1 l’inversa esiste solo per matrici quadrate nxn.
  −1  
A [A] = I

Metodo di Cramer per il calcolo dell’inversa:

1
[A]−1 = · agg[A]
det[A]
La matrice aggiunta di [A], agg[A], è la trasposta della matrice che ha come elementi i cij (comple-
menti algebrici) degli elementi aij della matrice di partenza.
 
123
ex: [A] = 2 3 2
334
c11 = (3 · 4 − 3 · 2) = 6; c12 = −(2 · 4 − 2 · 3) = −2; ...
 
6 1 −5
agg[A] = −2 −5 4 
−3 3 −1
Solo nel caso di matrici 2x2 il calcolo si semplifica nella forma:
 
1 d −b
[A]−1 =
ad − bc −c a
5. SISTEMI LINEARI 3

5 Sistemi lineari

a y + · · · + a1n yn = c1
 11 1


.. ..
 . .

a y + · · · + a y = c
m1 1 mn n m

Tali sistemi possono essere definiti in forma matriciale:

[A]{y} = {c}

dove [A] è la matrice incompleta, {y} il vettore delle incognite e {c} il vettore dei termini noti; mentre
la matrice completa è [A|c].

Applicando il teorema di Rouchè-Capelli, si può dimostrare che:

- se rk[A|c] 6= rk[A] =⇒ il sistema è impossibile;
- se rk[A|c] = rk[A] = n =⇒ il sistema ha una soluzione unica;
- se rk[A|c] = rk[A] < n =⇒ il sistema ha infinite soluzioni (indeterminato).

Dal metodo di Cramer

det[Ai ]
yi =
det[A]
Dove [Ai ] è la matrice ottenuta da [A], sostituendo la colonna i-esima con il vettore dei termini noti
{c}.

vettore dei termini noti {c}

6 0
= =0
non omogeneo omogeneo
[A] non singolare [A] singolare [A] non singolare [A] singolare
det[A] 6= 0 det[A] = 0 det[A] 6= 0 det[A] = 0
0 0
yi 6= 0 yi → ∞ yi → 0 yi = 0 yi → 0

non labile labile equilibrato quasi statico frequenze proprie

6 Frequenze proprie o problema degli autovalori

Problema generalizzato degli autovalori:

[A]{y} = λ[B]{y}

Cui corrisponde il sistema omogeneo ([A] − λ[B]){y} = 0, distinto nei casi:

• det([A] − λ[B]) 6= 0 → problema quasi statico: {y} = 0;

• det([A] − λ[B]) = 0 → problema degli autovalori: posso avere{y} =
6 0.
Il sistema omogeneo è un’equazione di grado n con incognita λ, avente soluzioni {λ1 , . . . , λn }, ottenute
dall’equazione caratteristica; a ogni soluzione è associato un autovettore {y}1 , . . . , {y}n .

Se le matrici [A]e [B] sono simmetriche e con valori reali:

=⇒ gli autovettori sono ortogonali tra loro;
=⇒ gli autovettori sono indipendenti tra loro;
=⇒ posso usare {y}i come base vettoriale per generare uno spazio.
4 CAPITOLO 1. RIPASSO ALGEBRA

7 Metodi per risolvere l’equazione caratteristica

Esistono approci:
A) analitici, impraticabili per n ≥ 4;
B) numerici, possibili ∀n;
C) semplificati/approssimati, forniscono autovalori MAX e min, quindi ottengo il range di frequenze.

7.1 C1) Metodo delle potenze

[A]{y} = λ[B]{y}
Ipotizzo [B] non singolare =⇒ esiste l’inversa.

[B]−1 [A]{y} = λ [B]−1 [B]{y} =⇒ [U ]{y} = λ{y} (problema fondamentale degli autovalori)
| {z } | {z }
[U ] [I]

{y}i sono autovettori che formano una base, perciò possono essere utilizzati per generare il vettore
generico {v} = α1 {y}1 + · · · + αn {y}n .

[U ]{v} = {v}0 = α1 [U ]{y}1 + · · · + αn [U ]{y}n

Poichè [U ]{y}i = λ{y}i =⇒ {v}0 = α1 λ1 {y}1 + · · · + αn λn {y}n , sostituendo:

[U ]{v}0 = {v}00 = α1 λ1 [U ]{y}1 + · · · + αn λn [U ]{y}n
=⇒ {v}00 = α1 λ21 {y}1 + · · · + αn λ2n {y}n
=⇒ {v}m = α1 λm m
1 {y}1 + · · · + αn λn {y}n

Hp: λ1 > λ2 > · · · > λn =⇒ λm m m

1 > λ2 > · · · > λn =⇒ approssimo al solo primo termine, perciò:

{v}m = α1 λm
1 {y}1 ; {v}m+1 = α1 λm+1
1 {y}1
Dividendo membro a membro queste due equazioni posso trovare λ1 .
m+1 
{v}m+1 α1 λ1
 {y}1
m
= 
m
 = λ1
{v} α
 λ
1 1{y}

1

7.2 C2) Metodo della traccia

 P
tr[U ] = λi = λ1 + · · · + λn

=⇒ tr[U ] ≈ λ1

Hp : λ1 > λ2 > · · · > λn

 
423
ex: [U ] = 134
521
 
1
• metodo delle potenze: {v} = 1
1

{v}0
   9/1 
9
{v}0 = [U ]{v} = 8 = 8/1 ∼ = λ1
8 {v} 8/1

{v}0
   76/9   
76 8.4
00
{v} = [U ]{v} = 0
65 = 65/8 = 8.125 ∼ = λ1
69 {v} 69/8 8.625

Noi considereremo il risultato convergente per: ∆ < 3%

• metodo della traccia

tr[U ] = 4 + 3+ = 8 =⇒ λ1 ∼
=8