Sei sulla pagina 1di 4
RICHIAMI DI ALGEBRA LINEARE Uno spazio F si dice spazio lineare (su R) se in esso
RICHIAMI DI ALGEBRA LINEARE
Uno spazio F si dice spazio lineare (su R) se in esso si
possono
definire
due
operazioni,
addizione
(+)
e
moltiplicazione (*)
per
le
quali
si
verifichino
le
seguenti proprietà:
1
)
∀ x , y
F
x +
y ∈ F
2
)
∀ x , y
∈ F
x +
y =
y + x
3
)
∀ x , y , z ∈ F
x + ( y + z ) = ( x + y ) + z
4
)
∃ 0 ∈ F : ∀ x ∈ F
x + 0 = x
1 ) ∀ x , y ∈ F x + y ∈ F 2 ) ∀
1 )
∀ x , y ∈ F
x +
y ∈ F
2
)
∀ x , y ∈
F
x +
y =
y + x
3
)
x , y ,
z ∈ F
x + ( y + z ) = ( x + y ) + z
4
)
∃ 0 ∈ F
:
x ∈
F
x + 0 = x
5
)
α ∈ ℜ , ∀
x ∈
F
α * x ∈ F
6
)
∀ α , β ∈ ℜ , ∀ x ∈ F α * ( β * x ) = (α • β ) * x
7 )
α
∈ ℜ ∀
,
x
,
y
F
α
* (
x
+
y
)
=
α
*
x
+
α
*
y
8
)
∃ 1 ∈ ℜ : ∀ x ∈ F
1 * x = x
Esempi di spazi lineari L’insieme dei vettori di ordine n su R, ovvero R n con
Esempi di spazi lineari
L’insieme dei vettori di ordine n su R, ovvero R n
con le operazioni di somma tra vettori e prodotti di
uno scalare per un vettore.
L’insieme delle matrici m x n su R, ovvero R m x n ,
con le operazioni di somma di matrici e prodotto di
uno scalare per una matrice.
NORME In uno spazio lineare F si può introdurre una funzione, detta norma (|| # ||),
NORME
In
uno
spazio lineare F si può introdurre una
funzione, detta norma (|| # ||), che è una funzione
reale,
non
negativa,
che
gode delle seguenti
proprietà:
x
F
||
x
||
∈ ℜ
(
i
)
x
0
||
x
||
>
0 ,
|| 0 ||
=
0
(
ii
)
∀ ∈ ℜ
α
,
x
F
||
α
*
x
||
=
|
α
|
||
x
||
(
iii
)
||
x
+
y
||
||
x
||
+
||
y
||
Due norme || # || A , ||#|| B si dicono equivalenti se
∃ m , M
∈ℜ:
m
||
x
||
≤ ||
x
||
M
||
x
||
x
A
B
A
VETTORI Sia X uno spazio lineare di dimensione finita N. Sia {b i } i=1,N una
VETTORI
Sia X uno spazio lineare di dimensione finita N.
Sia {b i } i=1,N una base per X.
Allora
x
=
b x
+
b
x
+ K +
b
x
x
X
1
1
2
2
N
N
I
coefficienti
in
questa
rappresentazione
sono
le
componenti di x (coordinate) rispetto alla base {b i } i=1,N
(sistema di coordinate) e
T
x
= (
x
,
x
,
K
,
x
)
1
2
N
N
Es
.
X
= ℜ
,
base
=
{
e
,
e
,
K
,
e
}
1
2
N
e
= ( 0 , 0 ,
K
, 1,
K
, 0 )
{
i
i
Un insieme di vettori x 1 , ……, x m è detto linearmente indipendente se m
Un insieme di vettori x 1 , ……, x m è
detto linearmente indipendente se
m
α
x
= 0 ⇒
α
=
0
i
i
i
i
i
= 1
Il prodotto interno di due vettori (o prodotto
scalare) è
N
T
x
y
=
x
y
=
x
y
i
i
i = 1
Due vettori si dicono ortogonali se
x T y = 0
Norme vettoriali Sullo spazio X si possono definire delle norme: T x = ( x ,
Norme vettoriali
Sullo spazio X si possono definire delle norme:
T
x
=
(
x
,
x
,
K
,
x
)
X
1
2
N
||
x
||
=
max |
x
|,
i
= 1, K
,
N
i
i
N
||
x
||
|
x
|,
i
= 1, K
,
N
1 =
i
i = 1
N
2
||
x
||
|
x
|
,
i
= 1, K
,
N
2 =
i
i
= 1
T
Es
:
x = ( −
5 , 3, 2 , 0 ,
10 )
||
x
||
=
10 ,
||
x
||
=
20 ,
||
x
||
=
138
1
2
MATRICI L’insieme delle matrici A=(a ij ), i,=1,…n, j=1,…,m è uno spazio lineare (+, *) Da
MATRICI
L’insieme delle matrici A=(a ij ), i,=1,…n, j=1,…,m
è uno spazio lineare (+, *)
Da ricordare :
A T , I, det(A), A -1 , A simmetrica
A simmetrica
a
=
a
i
,
j
ij
ji
− 1
− 1
A
×
A
=
I
=
A
×
A
A
×
B
B
×
A
Il prodotto tra matrici non è sempre compatibile; pertanto A
x B può essere definito, e B x A non è detto che abbia
significato.
Norme matriciali Sullo spazio delle matrici si possono definire varie norme. Le più usate sono: m
Norme matriciali
Sullo spazio delle matrici si possono definire varie
norme. Le più usate sono:
m
×
n
A ∈ℜ
n
m
||
A
||
=
max
|
a
|
||
A
||
=
max
|
a
|
i j
1
i j
i
= 1, K ,
m
j
= 1,
K
,
n
j = 1
i
= 1
1 / 2
m
n
2
N
(
A
)
=
∑ ∑
a
norma di Schur
(
euclidea
)
i j
   
i =
1
j
=
1
   
T
||
A
||
=
max |
λ
|,
λ
autovalori di A
*
A
2
i
i
i
= 1, K ,
n
(
norma spettrale
)
− 1 0 7 11    2  − 3 4 1 − 2
1
0
7
11 
  2
3
4
1
2
0
A =
0
6
2
3
6
1
1
12
5
2
 
 
||
A
|| = max {21, 10, 17 , 21}= 21
||
A
||
= max {6, 12 , 15, 17 , 19} =
19
1
N ( A ) =
175 + 30 + 85 + 175
=
465
DEFINIZIONI Una norma matriciale si dice submoltiplicativa se ∀ A, B || A × B ||
DEFINIZIONI
Una norma matriciale si dice submoltiplicativa se
∀ A,
B
|| A × B || ≤ || A || •
|| B ||
•Osservazione: I matrice identica, || I || > 1 in generale.
Per le norme submoltiplicative si ha:
1
1
1
||
I
|| =
||
A
×
A
||
||
A
||
||
A
||
1
− 1
||
A
|| ≥
||
A
||
Se h(x) è una norma vettoriale, una norma matriciale si
dice compatibile con h(x) se
h ( A × x ) ≤ || A || • h ( x )
NORMA MATRICIALE INDOTTA Sia h(x) una norma vettoriale. Si può sempre definire una norma matriciale compatibile
NORMA MATRICIALE INDOTTA
Sia h(x) una norma vettoriale. Si può sempre definire una
norma matriciale compatibile con h(x) e
submoltiplicativa che si dice indotta da h(x).
Data la matrice A, si considera
h ( A × x ) / h ( x
)
x ≠ 0
che soddisfa le proprietà di una norma, e si può definire
h
(
A
×
x
)
||
A
||
=
sup 0
h
(
x
)
x
che risulta equivalente a ||
A
||
=
max
h
(
A
×
x
)
h
(
x
)
=
1
Le norme matriciali || • || || • || || • || ∞ 1 2 sono
Le norme matriciali
|| • ||
|| • ||
|| • ||
1
2
sono indotte da quelle vettoriali di pari indice, e
quindi sono compatibili con queste.
In pratica, se si adoperano contemporaneamente
norma vettoriali e matriciali, è opportuno “non
mischiare” le norme, perché alcuni teoremi e
proprietà valgono sono se si usano norme
compatibili.
MATRICI DEFINITE POSITIVE Def: Una matrice A si dice definita positiva se T x A x
MATRICI DEFINITE POSITIVE
Def:
Una matrice A si dice definita positiva se
T
x
A x > 0 ∀ x ≠ 0
Una matrice si dice a diagonale dominante se
| a
|
| a
|
∀ i
i i
i j
j ≠ i
Criterio di Sylvester:
Condizione necessaria e sufficiente affinchè A simmetrica
sia definita positiva è che det(A k )>0, k=1,….n
(A k ) è la matrice formata dall’intersezione delle prime k
righe e k colonne.
Criterio di Sylvester: •A è definita positiva ⇔ A simmetrica det(A k )>0, k=1,….n •A è
Criterio di Sylvester:
•A è definita positiva
A simmetrica
det(A k )>0, k=1,….n
•A è definita positiva se e solo se det(A k )>0,
∀ k
Quindi det(A k )>0
∀ k
è condizione sia sufficiente che
necessaria per A definita positiva, ovvero
Condizione sufficiente per A definita positiva:
A simmetrica
Se det(A k )>0
∀ k
allora
A è definita positiva.
Condizione necessaria per A definita positiva:
A simmetrica
A è definita positiva
ovvero, ricordando che
det(A k )>0
∀ k
se
p ⇒ q
allora
q ⇒ p
e viceversa
se non è vero che det(A k )>0
positiva
∀ k
allora A non è definita
Quindi basta che esista k tale che det(A k ) risulti minore o uguale a zero
Quindi basta che esista k tale che det(A k ) risulti minore o
uguale a zero per concludere che A non è definita positiva.
Altre condizioni necessarie o sufficienti
• Gli elementi diagonali di A simmetrica definita
positiva sono positivi
•Se A simmetrica è definita positiva allora
2
|
a
| <
a
a
,
i
j
i
j
i i
j j
•Condizione necessaria affinchè A sia definita
positiva è che sia
-
a diagonale dominante
-
con elementi diagonali positivi