slides
slides
slides
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Vettori<br />
Si dice vettore di ordine n ogni insieme ordinato di<br />
n numeri<br />
I numeri che compongono il vettore sono detti<br />
elementi del vettore<br />
Esistono vettori riga<br />
e vettori colonna<br />
a = [a1 a2 . ..an]<br />
a =<br />
⎡<br />
⎢<br />
⎣<br />
Noi faremo solo riferimento ai vettori colonna. Per<br />
indicare un vettore riga useremo la notazione<br />
a ′<br />
a1<br />
a2<br />
.<br />
an<br />
⎤<br />
⎥<br />
⎦<br />
o a ′<br />
1
Alcuni vettori notevoli<br />
Vettore nullo: tutti gli elementi sono uguali a 0<br />
⎡ ⎤<br />
0<br />
⎢<br />
0 = ⎢ 0.<br />
⎥<br />
⎣ ⎦<br />
0<br />
Vettore unità: tutti gli elementi sono nulli<br />
eccettuato l’i-esimo che è uguale a 1<br />
⎡ ⎤<br />
1<br />
⎢<br />
u1 = ⎢ 0.<br />
⎥<br />
⎣ ⎦<br />
0<br />
Vettore somma: tutti gli elementi sono uguali a 1<br />
⎡ ⎤<br />
1<br />
⎢<br />
1 = ⎢ 1.<br />
⎥<br />
⎣ ⎦<br />
1<br />
2
Rappresentazione geometrica di un<br />
vettore<br />
Un vettore di ordine n può essere rappresentato<br />
in uno spazio cartesiano n-dimensionale mediante<br />
un punto avente come coordinate gli elementi del<br />
vettore.<br />
-5<br />
-4<br />
-3<br />
-2<br />
x2<br />
5<br />
4<br />
✻<br />
✁✕<br />
✁<br />
✁ 3 ✁<br />
✁<br />
✁ 2 ✁<br />
✁<br />
✐ 1 ✁<br />
<br />
✁<br />
<br />
✁<br />
✁<br />
0❅ -1 ❅ 1 2 3 4 5<br />
-1<br />
-2<br />
-3<br />
-4<br />
-5<br />
❅<br />
❅<br />
❅<br />
❅<br />
❅<br />
❅ ❅❘<br />
✲<br />
x1<br />
3
Addizione<br />
Operazioni sui vettori<br />
x + y =<br />
⎡<br />
⎢<br />
⎣<br />
x1 + y1<br />
x2 + y2<br />
.<br />
xn + yn<br />
NB: i vettori devono essere dello stesso ordine<br />
L’addizione gode della proprietà commutativa e della<br />
proprietà associativa<br />
x + y = y + x<br />
⎤<br />
⎥<br />
⎦<br />
(x + y) + z = x + (y + z)<br />
4
Prodotto di un vettore per uno scalare<br />
ax =<br />
⎡<br />
⎢<br />
⎣<br />
ax1<br />
ax2<br />
.<br />
axn<br />
Il prodotto così definito gode della proprietà<br />
associativa e della proprietà distributiva<br />
⎤<br />
⎥<br />
⎦<br />
(ab)x = a(bx)<br />
a(x + y) = ax + ay<br />
(a + b)x = ax + bx<br />
Usando in modo combinato le operazioni di prodotto<br />
e addizione è possibile definire anche l’operazione di<br />
sottrazione tra due vettori<br />
5
Combinazioni lineari<br />
Dati k vettori di ordine n x1,x2, ...,xk e k numeri<br />
reali a1, a2,...,ak, si dice combinazione lineare dei<br />
k vettori l’espressione<br />
a1x1 + a2x2 + ... + akxk<br />
I numeri reali a1, a2,...,ak sono detti coefficienti<br />
della combinazione lineare<br />
NB: Una combinazione lineare di k vettori di ordine<br />
n è anch’essa un vettore di ordine n<br />
6
Dipendenza e indipendenza lineare<br />
Se un vettore è esprimibile come combinazione lineare<br />
di un insieme dato di k vettori x1,x2,...,xk si dice<br />
che è linearmente dipendente da x1,x2, ...,xk<br />
In caso contrario si dice che il vettore è linearmente<br />
indipendente da x1,x2,...,xk<br />
Dati k vettori x1,x2,...,xk di ordine n, si dice che<br />
essi sono linearmente dipendenti se esistono k numeri<br />
reali a1, a2, ...,ak non tutti nulli tali per cui<br />
a1x1 + a2x2 + . .. + akxk = 0<br />
In caso contrario i k vettori sono detti linearmente<br />
indipendenti<br />
7
Matrici<br />
Si dice matrice di ordine m×n ogni insieme ordinato<br />
di m × n numeri<br />
I numeri che compongono la matrice sono detti<br />
elementi della matrice<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
a11 a12 . .. a1n<br />
a21 a22 . .. a2n<br />
. .. . .. . .. . ..<br />
am1 am2 . .. amn<br />
Il generico elemento della matrice è indicato in genere<br />
come aij<br />
Sia le colonne che le righe della matrice possono<br />
essere interpretate come vettori<br />
Se una matrice possiede un eguale numero di righe e<br />
di colonne è detta matrice quadrata di ordine n<br />
⎤<br />
⎥<br />
⎦<br />
8
Alcune matrici notevoli<br />
Matrice nulla: tutti gli elementi sono uguali a zero<br />
Matrice diagonale: matrice quadrata nella quale<br />
tutti gli elementi sono uguali a zero ad eccezione di<br />
quelli sulla diagonale principale<br />
Matrice identità: matrice diagonale nella quale gli<br />
elementi sulla diagonale principale sono uguali a 1<br />
In =<br />
⎡<br />
⎢<br />
⎣<br />
1 0 . .. 0<br />
0 1 . .. 0<br />
... ... . .. ...<br />
0 0 . .. 1<br />
Due matrici si dicono uguali se sono dello stesso<br />
ordine e se tutti gli elementi corrispondenti sono<br />
uguali.<br />
⎤<br />
⎥<br />
⎦<br />
9
Addizione<br />
X+Y =<br />
⎡<br />
⎢<br />
⎣<br />
Operazioni sulle matrici<br />
x11 + y11 x12 + y12 ... x1n + y1n<br />
x21 + y21 x22 + y22 ... x2n + y2n<br />
... . .. ... ...<br />
xm1 + ym1 xm2 + ym2 ... xmn + ymn<br />
NB: le matrici devono essere dello stesso ordine<br />
L’addizione gode della proprietà commutativa e della<br />
proprietà associativa<br />
X + Y = Y + X<br />
(X + Y) + Z = X + (Y + Z)<br />
10<br />
⎤<br />
⎥<br />
⎦
Prodotto di una matrice per uno scalare<br />
aX =<br />
⎡<br />
⎢<br />
⎣<br />
ax11 ax12 . .. ax1n<br />
ax21 ax22 . .. ax2n<br />
... ... . .. . ..<br />
axm1 axm2 . .. axmn<br />
Il prodotto così definito gode della proprietà<br />
associativa e della proprietà distributiva<br />
(ab)X = a(bX)<br />
a(X + Y) = aX + aY<br />
(a + b)X = aX + bX<br />
Usando in modo combinato le operazioni di prodotto<br />
e addizione è possibile definire anche l’operazione di<br />
sottrazione tra due matrici<br />
⎤<br />
⎥<br />
⎦<br />
11
Prodotto tra due matrici<br />
Due matrici A e B si dicono conformabili se il<br />
numero di colonne della prima matrice è uguale al<br />
numero di righe della seconda<br />
Date due matrici conformabili A e B, di ordine<br />
rispettivamente m × n e n × s si definisce prodotto<br />
di A per B la matrice C di ordine m × s il cui<br />
generico elemento è dato da<br />
cik =<br />
n<br />
j=1<br />
aijbjk<br />
Spesso si dice che la matrice A premoltiplica<br />
la matrice B o, viceversa, che la matrice B<br />
postmoltiplica la A<br />
NB: il prodotto tra matrici non è commutativo,<br />
mentre è possibile verificare che gode della proprietà<br />
associativa e di quella distributiva<br />
12
Il prodotto scalare tra due vettori<br />
Il prodotto scalare (o prodotto interno) tra due vettori<br />
di ordine n è definito nel modo seguente<br />
x ′ y =<br />
Qualora x = y si ottiene<br />
x ′ x =<br />
n<br />
i=1<br />
n<br />
i=1<br />
xiyi<br />
La radice quadrata di x ′ x è detta lunghezza o norma<br />
del vettore x<br />
Se il prodotto interno tra due vettori è pari a 0 i due<br />
vettori si dicono ortogonali<br />
x 2 i<br />
13
Media e varianza di una variabile<br />
Sia x una variabile statistica. La media della variabile<br />
può essere espressa nel modo seguente:<br />
¯x = 1<br />
n<br />
n<br />
i=1<br />
xi = 1 ′ x/n<br />
Il vettore contenente gli scarti dalla media può essere<br />
espresso nel modo seguente<br />
s = x − ¯x1 =<br />
⎡<br />
⎢<br />
⎣<br />
x1 − ¯x<br />
x2 − ¯x<br />
.<br />
xn − ¯x<br />
La devianza della variabile x si può quindi esprimere<br />
nel modo seguente<br />
Dev(x) =<br />
⎤<br />
⎥<br />
⎦<br />
n<br />
(xi − ¯x) 2 = s ′ s<br />
i=1<br />
14
Inversa di una matrice<br />
Data una matrice A, se esiste una matrice, indicata<br />
con A −1 , tale che<br />
AA −1 = A −1 A = I<br />
si dice che A −1 costituisce la matrice inversa (o<br />
semplicemente l’inversa) di A.<br />
NB: condizione necessaria ma non sufficiente<br />
perche una matrice A abbia un’inversa è che essa<br />
sia quadrata. Se una matrice ha un’inversa è detta<br />
invertibile<br />
L’inversa di una matrice, se esiste, è unica<br />
15
Trasposizione<br />
La trasposta di una matrice si ottiene scambiando le<br />
righe con le colonne.<br />
La trasposta della matrice A si indica con la<br />
notazione A ′<br />
Se A è una matrice di ordine m × n, A ′ è di ordine<br />
n × m<br />
In generale<br />
A = A ′<br />
Nel caso in cui, per una matrice (quadrata) A valga<br />
A = A ′<br />
tale matrice è detta simmetrica<br />
16
Alcune proprietà della trasposizione<br />
• (A ′ ) ′ = A<br />
• (A + B) ′ = A ′ + B ′<br />
• (AB) ′ = B ′ A ′<br />
• Se esiste l’inversa della matrice A, allora<br />
A −1 ′ = (A ′ ) −1<br />
• il prodotto di una matrice per la sua trasposta è<br />
una matrice simmetrica<br />
• l’inversa di una matrice simmetrica, se esiste, è<br />
anch’essa simmetrica<br />
17
La traccia di una matrice<br />
Data una matrice quadrata di ordine n si definisce<br />
traccia della matrice la somma degli elementi della<br />
diagonale principale della matrice<br />
tr(A) =<br />
n<br />
i=1<br />
La traccia di una matrice gode delle seguenti<br />
proprietà<br />
• tr(A + B) = tr(A) + tr(B)<br />
• tr(cA) = c tr(A)<br />
• tr(A) = tr(A ′ )<br />
• tr(AB) = tr(BA)<br />
aii<br />
18
Il determinante di una matrice<br />
Dato l’insieme di tutte le matrici quadrate di ordine<br />
n si voglia far corrispondere a ciascun elemento A<br />
dell’insieme un numero reale, detto determinante e<br />
indicato con det(A) o |A| tale che<br />
• per ogni c ∈ R sia<br />
det [a1, ...,caj,...,an] = cdet [a1,...,aj,...,an]<br />
• posto aj = bj + cj<br />
det [a1,...,bj + cj,...,an] =<br />
det [a1, ...,bj,...,an] + det [a1, ...,cj,...,an]<br />
• se ai = aj allora<br />
• det(I) = 1<br />
det [a1, ...,ai,...,aj,...,an] = 0<br />
19
Proprietà del determinante<br />
• Se ad una delle colonne che compongono la<br />
matrice si aggiunge una combinazione lineare delle<br />
altre colonne il determinante non cambia<br />
• Se le n colonne che compongono la matrice<br />
sono linearmente dipendenti il determinante della<br />
matrice è pari a 0<br />
• Scambiando tra loro due colonne della matrice il<br />
determinante cambia segno<br />
• det(AB) = det(A)det(B)<br />
Le proprietà precedenti valgono anche quando riferite<br />
alle righe della matrice<br />
Il determinante di una matrice esiste sempre ed è<br />
unico<br />
20
Calcolo del determinante<br />
Sia Aij la matrice che si ottiene dalla matrice A<br />
eliminando l’i-esima riga e la j-esima colonna. Si<br />
può allora dimostrare che<br />
det(A) = (−1) 1+i ai1 det(Ai1) + (−1) 2+i ai2 det(Ai2)<br />
o, alternativamente<br />
+... + (−1) n+i ain det(Ain)<br />
det(A) = (−1) 1+j a1j det(A1j) + (−1) 2+j a2j det(A2j)<br />
+... + (−1) m+j amj det(Amj)<br />
a seconda che si proceda ad uno sviluppo in base alla<br />
i-esima riga o alla j-esima colonna<br />
Le quantità Âij = (−1) i+j det(Aij) sono dette<br />
cofattori o complementi algebrici di aij<br />
21
Inversa di una matrice<br />
Sia  la trasposta della matrice formata dai cofattori<br />
di A<br />
 =<br />
⎡<br />
⎢<br />
⎣<br />
Â11<br />
Â12<br />
Â21 ... Ân1<br />
Â21 ... Ân2<br />
... . .. ... ...<br />
Â1n<br />
Â2n ... Ânn<br />
Tale matrice è detta matrice aggiunta di A<br />
Si può allora dimostrare che, data la matrice A di<br />
ordine n, se det(A) = 0, l’inversa di A esiste ed è<br />
data da<br />
A −1 = (det(A)) −1 Â<br />
Una matrice avente determinante pari a 0 è detta<br />
non invertibile o singolare<br />
⎤<br />
⎥<br />
⎦<br />
22
Il rango di una matrice<br />
Il numero di colonne (o righe) linearmente<br />
indipendenti di una matrice definisce il rango della<br />
matrice r(A).<br />
Poiché il numero di colonne linearmente indipendenti<br />
corrisponde al numero di righe, il rango di una<br />
matrice un numero unico e tale per cui, se la matrice<br />
di ordine m × n, il rango r(A) ≤ min(m,n)<br />
• Se r(A) = m(< n) la matrice detta avente rango<br />
riga pieno<br />
• Se r(A) = n(< m) detta avente rango colonna<br />
pieno<br />
• Se tutte le colonne e le righe sono linearmente<br />
indipendenti la matrice è detta di pieno rango.<br />
23
Sistemi di equazioni lineari<br />
Si consideri il seguente sistema di m equazioni lineari<br />
a11x1 + a12x2 + . .. + a1nxn = b1<br />
a21x1 + a22x2 + . .. + a2nxn = b2<br />
. ..<br />
am1x1 + am2x2 + . .. + amnxn = bm<br />
Il sistema può essere rappresentato nel modo<br />
seguente<br />
Ax = b<br />
dove<br />
e<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
x =<br />
a11 a12 . .. a1n<br />
a21 a22 . .. a2n<br />
. .. . .. . .. . ..<br />
am1 am2 . .. amn<br />
⎡ ⎤ ⎡ ⎤<br />
⎢<br />
⎣<br />
x1<br />
x2<br />
.<br />
xn<br />
⎥<br />
⎦<br />
b =<br />
⎢<br />
⎣<br />
b1<br />
b2<br />
.<br />
bm<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦<br />
24
Sistemi di equazioni lineari<br />
Nel caso in cui b = 0 il sistema è detto omogeneo<br />
Un vettore soluzione ˆx è una n-pla di numeri<br />
reali che soddisfano ciascuna delle equazioni di cui il<br />
sistema si compone<br />
Il sistema è detto compatibile se esiste almeno un<br />
vettore soluzione, altrimenti è detto incompatibile<br />
Teorema 1: Il sistema di m equazioni lineari in n<br />
incognite Ax = b ammette un’unica soluzione se e<br />
solo se r(A) = r(B), dove B = [A b]<br />
Teorema 2: Il sistema omogeneo di m equazioni<br />
lineari in n incognite Ax = 0 ammette soluzioni non<br />
banali se e solo se r(A) < n. Qualora sia m = n ciò<br />
implica che la matrice dei coefficienti A sia singolare<br />
25
Autovalori e autovettori di una matrice<br />
Si consideri il sistema di equazioni lineari<br />
o, equivalentemente<br />
Ax = λ x<br />
(A − λ I) x = 0<br />
Il sistema è quindi omogeneo e ammette soluzioni<br />
non banali se e solo se<br />
det(A − λ I) = 0<br />
Questa condizione è detta equazione caratteristica<br />
di A. Essa è un polinomio di grado k (ordine di A)<br />
in λ<br />
Le k soluzioni λi sono dette autovalori o radici<br />
caratteristiche di A<br />
A ciascun autovalore corrisponde un vettore xi detto<br />
autovettore o vettore caratteristico di A<br />
26
Autovalori e autovettori di una matrice<br />
• Se la matrice A è simmetrica gli autovalori sono<br />
tutti reali<br />
• Se la matrice A è simmetrica gli autovettori sono<br />
tutti ortogonali fra loro<br />
• La somma degli autovalori è uguale alla traccia<br />
della matrice<br />
• Il prodotto degli autovalori è uguale al<br />
determinante della matrice<br />
• Se la matrice A è singolare allora almeno un<br />
autovalore è uguale a 0<br />
• Gli autovalori di A −1 sono i reciproci degli<br />
autovalori di A, gli autovettori sono identici<br />
27