La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © 2003 - The.

Presentazioni simili


Presentazione sul tema: "Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © 2003 - The."— Transcript della presentazione:

1 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Capitolo 8 Sistemi lineari

2 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Sistemi lineari e matrici Sia A una matrice di tipo m X n e x un vettore di dimensione m. Il prodotto Ax è un vettore di m componenti che indicheremo con b. Per esteso avremo che Ax = b quindi detto sistema lineare. Nota. Un'equazione lineare è un'equazione nella quale le incognite, compaiono tutte al primo grado. In altre parole non compaiono quadrati, cubi o potenze più elevate, né prodotti di due o più incognite, né funzioni delle incognite tipo radice, seno, coseno, esponenziale, ecc.

3 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Il Problema Problema. Dato il vettore b, determinare x soluzione del sistema lineare, ossia tale che Ax = b. Tale problema è rappresentato da un sistema lineare di m equazioni nelle n incognite x 1 ; x 2 ; …; x n. Gli elementi della matrice A sono detti coefficienti del sistema lineare. Gli elementi del vettore b sono detti termini noti. Osserviamo che se indichiamo con A 1, A 2, …, A n i vettori colonna della matrice A ossia con il sistema precedente può anche scriversi come Nota. Un sistema lineare che non ammette nessuna soluzione è detto inconsistente. Se il termine noto è un vettore nullo b = 0, il sistema si dice omogeneo e in tal caso ammette sempre la soluzione banale data dal vettore nullo x = 0.

4 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss Idea: arrivare a un sistema equivalente ma più semplice (in qualche senso) da risolvere. Esempio. Consideriamo il sistema lineare di 3 equazioni in 3 incognite La somma delle prime due equazioni consente di eliminare z (sostituiamo il risultato nella seconda) nella seconda, mentre sommando alla terza due volte la seconda si ottiene, Si noti che la seconda e la terza equazione rappresentano ora un sistema di due equazioni in due incognite. Possiamo eliminare y aggiungendo cinque volte la prima equazione alla seconda 27x = 27 x = 1. Dalla prima equazione avremo 4 – y = 5 z = 2. Infine sostituendo questi due valori in una delle equazioni date inizialmente (per esempio la prima) z = 5 z = 2. La soluzione è quindi x = 1, y = 1, z = 2.

5 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss Nel caso di un sistema di n equazioni in n incognite l'idea di base è quella di ricondursi a un sistema di n 1 equazioni in n 1 incognite, poi a un sistema di n 2 equazioni in n incognite e così via fino alla risoluzione del sistema per sostituzione. Il vantaggio di questo metodo è che si basa su poche semplici operazioni che sono ripetute a ogni passo. Tale metodo infatti, noto come metodo di eliminazione di Gauss, può essere facilmente messo in forma algoritmica e implementato si di un calcolatore. Nellesempio precedente il sistema finale è Con matrice triangolare. Nel metodo di Gauss la matrice finale è detta matrice ridotta. Operazioni che possiamo applicare alla matrice del sistema e al vettore dei termini noti: Moltiplicazione (divisione) di una riga per un numero (diverso da zero); Somma (sottrazione) di un multiplo di una riga da unaltra; Scambio di righe. Tali operazioni sono dette operazioni elementari applicate alle righe.

6 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss Dato un sistema lineare Ax = b, con A matrice m X n, consideriamo la matrice  = (A|b) di tipo m X n (n + 1), detta matrice ampliata o matrice completa del sistema lineare, Applicare il metodo di eliminazione di Gauss: trasformare, tramite operazioni elementari, tale matrice in una forma ridotta avente elementi tutti nulli sotto la diagonale principale ed elementi uguali a 1 o a 0 sulla diagonale principale. Proposizione 8.1 (Regola generale) Se, dopo aver applicato il metodo di eliminazione di Gauss, 1.(Non esistono soluzioni) lultima riga non nulla ha un valore uguale a 1 come ultimo elemento a destra e 0 altrove; 2.(Esiste ununica soluzione) ci sono esattamente n righe non nulle, lultima delle quali ha 1 come penultimo elemento a destra; 3.(Esistono infinite soluzioni) le righe non nulle sono meno di n e non è verificata la condizione 1.

7 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss Esempi (forme ridotte).

8 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss Le trasformazioni che eseguiamo sulla matrice ampliata del sistema lineare durante il metodo di eliminazione di Gauss possono essere rappresentate come una successione di prodotti di particolari matrici, dette matrici elementari, per la matrice ampliata. Definizione 8.1 (Matrice elementare) Una matrice elementare è una matrice quadrata ottenuta applicando a una matrice identità una sola operazione elementare di riga. Proprietà I. Sia E una matrice ottenuta applicando a una matrice identica m X m una sola operazione elementare di riga e sia A una qualunque matrice m X n. Allora la matrice prodotto EA è la stessa matrice che si otterrebbe applicando direttamente ad A la stessa operazione elementare di riga. Proprietà II. Sia E una matrice ottenuta da I tramite una operazione elementare di riga. Se F è la matrice elementare ottenuta da I eseguendo l'operazione elementare inversa, allora chiaramente FE = I. Inoltre che anche EF = I e quindi le due matrici sono l'una l'inversa dell'altra.

9 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Metodo di eliminazione di Gauss In forma matriciale l'eliminazione di Gauss per una matrice quadrata A, dopo r passi fornisce una matrice triangolare superiore U avente elementi uguali a 0 o 1 sulla diagonale, E r E r-1 …E 2 E 1 A = U Se la diagonale della matrice U non presenta alcuno 0 ma solo degli 1 allora possiamo pensare di continuare ad applicare operazioni elementari di riga in modo da annullare anche tutti gli elementi sopra la diagonale della matrice U. Dopo ulteriori s trasformazioni elementari otterremo E r+s E r+s-1 …E r+2 E r+1 U = 1 Posto B = E r+s E r+s –1 …E 2 E 1, abbiamo BA = I (e AB = I). Quindi B = A -1 è linversa di A. Nota. In pratica si applica il metodo di eliminazione alla matrice à = (A|I).

10 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Dipendenza lineare e rango Dati i vettori A 1, A 2,…, A r una combinazione lineare è un'espressione del tipo 1 A A 2 + … + r A r dove gli i sono numeri reali. Se è possibile determinare gli i non tutti nulli in modo tale che 1 A A 2 + … + r A r = 0 allora i vettori A 1, …, A r si dicono linearmente dipendenti. Se invece l'espressione precedente può essere soddisfatta solo prendendo i = 0 per ogni valore di i, allora i vettori si dicono linearmente indipendenti (abbreviati l.i. e l.d.). Nota. Nel caso in cui i vettori sono l.d. allora alcuni di essi sono combinazione lineare degli altri.

11 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Vettori ortogonali Se i due vettori x e y sono tali che x T y = 0 (e quindi anche y T x = 0) i vettori sono detti ortogonali. Proposizione 8.2 Un insieme di vettori (non nulli) ortogonali, ossia A 1, …, A r tali che per ogni valore di i j, è necessariamente linearmente indipendente. Definizione 8.2 (Base) Se un generico insieme di vettori V può essere generato da un suo sottoinsieme B di vettori linearmente indipendenti, si dice che i vettori del sottoinsieme B formano una base per l'insieme di vettori considerato. Esempio (base canonica). Prendiamo R m ; esso può essere generato da un insieme di m vettori l.i. per esempio dai vettori e 1, e 2, …, e m definiti come che costituiscono una base R m. Proposizione 8.3 Siano A 1, A 2, …, A r vettori linearmente indipendenti. Supponiamo che 1, 2, …, r e 1, 2, …, r siano tali che 1 A A 2 + … + r A r = 1 A A 2 + … + r A r. Allora j = j per j = 1, 2, …, r.

12 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Rango Definizione 8.3 (Rango) Dato un insieme di vettori {A 1, A 2 …, A n } dicesi rango dell'insieme il massimo numero di vettori l.i. nell'insieme. Data la matrice A, il rango della matrice A, indicato con rank(A), è il rango dell'insieme dei suoi vettori colonna. Possiamo enunciare le seguenti regole Regola I. Dato un insieme di vettori A 1, …, A n di dimensione m, per verificare se l'insieme di vettori è l.i. si costruisce la matrice A di tipo m X n colonne i vettori A 1, …, A n e si applica a essa l'eliminazione di Gauss. Se la matrice risultante ha meno di n righe non nulle l'insieme assegnato è l.d., altrimenti è l.i.. Regola II. Qualunque insieme di vettori di dimensione n formato da più di n vettori distinti è linearmente dipendente.

13 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Consideriamo ora il sistema lineare A x = b con A matrice di tipo m X n. Sia  = (A|b) la corrispondente matrice ampliata. Teorema 8.1 (Rouche-Capelli) Condizione necessaria e sufficiente affinché il sistema A x = b ammetta soluzioni è che il rango di A e quello di  coincidano. Consideriamo ora i possibili casi Tabella 8.1: Sunto conseguenze del Teorema di Rouche-Capelli con A matrice di tipo m X n. Teorema 8.2 (Teorema di struttura) Sia x 1 una soluzione del sistema lineare A x = b, con A di tipo m X n. Allora ogni altra soluzione della forma x = x 1 +x 0 dove x 0 una soluzione del sistema omogeneo Ax = 0. In particolare x 1 è l'unica soluzione se e solo se le colonne di A sono l.i.

14 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Determinante Definizione 8.4 (Matrici di permutazione) Definiamo le matrici P rs, dette matrici di permutazione elementari, ottenute dalla matrice identità scambiando le righe r e s. Definizione 8.5 (Determinante) Dato l'insieme delle matrici quadrate di ordine n; a ogni matrice A di questo insieme associamo un numero che indicheremo con det(A), detto determinante di A, tale che 1. Se A è una matrice triangolare (superiore o inferiore), allora det(A) è uguale al prodotto degli elementi sulla diagonale. 2. Se A e B sono due matrici quadrate di ordine n; det(AB) = det(A) det(B). 3. det(P rs ) = per ogni valore di r, s con r s.

15 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Proprietà del determinante 1. Se la matrice A ha due righe o due colonne uguali, il determinante è nullo. 2. Dato in R, det( A) = n det(A). 3. Se A è la matrice ottenuta moltiplicando tutti gli elementi di una riga (o di una colonna) di A per allora det(A) = det(A). 4. Se una riga o una colonna di A sono nulli, il determinante sarà nullo. 5. Se una riga o una colonna di A è combinazione lineare delle altre, allora il determinante è nullo. 6. Sia A non singolare, ossia le colonne sono linearmente indipendenti. Allora

16 Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The McGraw-Hill Companies, srl Proprietà del determinante Teorema 8.3 (Teorema di equivalenza) Sia A una matrice quadrata di dimensione n. Allora le seguenti proprietà sono equivalenti. i) A è invertibile. ii) Il rango di A è uguale a n. iii) Le colonne di A sono l.i. iv) Il sistema omogeneo Ax = b ha una unica soluzione (se b = 0 ammette solo la soluzione x = 0). v) Il determinante di A è diverso da zero. Nota. Per il calcolo del determinante, a parte casi particolari, si può utilizzare il metodo di eliminazione di Gauss.


Scaricare ppt "Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © 2003 - The."

Presentazioni simili


Annunci Google