Campus

Questa sezione non contiene contenuti specifici da riassumere.

Introduzione alle Matrici

Le matrici sono fondamentalmente tabelle di numeri organizzati in righe e colonne che trovano applicazione in tantissimi settori della matematica. La loro utilità diventa evidente quando lavori con sistemi di equazioni o trasformazioni geometriche.

Una matrice si definisce come una tabella numerica con elementi disposti secondo righe e colonne. L'ordine della matrice si scrive come m×n, dove m indica il numero di righe e n quello delle colonne. Quando righe e colonne sono uguali, hai una matrice quadrata.

Esistono due tipi principali di matrici nei sistemi: la matrice incompleta (A) che contiene solo i coefficienti delle equazioni, e la matrice completa (A') che include anche i termini noti. Due matrici sono uguali solo se hanno la stessa dimensione e tutti gli elementi corrispondenti sono identici.

Le trasformazioni elementari ti permettono di manipolare le matrici: puoi scambiare righe, moltiplicare una riga per una costante non nulla, o aggiungere il multiplo di una riga a un'altra. Queste operazioni sono fondamentali per ridurre le matrici a forma a scalini, dove ogni elemento non nullo (pivot) sta più a sinistra rispetto ai pivot delle righe successive.

💡 Trucco: Le trasformazioni elementari non cambiano le soluzioni del sistema - usa questa proprietà per semplificare i calcoli!

Metodo di Eliminazione di Gauss

Il metodo di eliminazione di Gauss è la tua arma segreta per risolvere sistemi lineari in modo efficiente. L'obiettivo è trasformare la matrice in forma a scalini per semplificare drasticamente i calcoli.

Quando applichi le trasformazioni elementari per ottenere una matrice a scalini, il sistema diventa molto più facile da risolvere. Le operazioni semplici non modificano le soluzioni del sistema originale, quindi puoi lavorare tranquillamente sulla forma ridotta.

Un sistema è incompatibile quando l'ultima riga non nulla della matrice a scalini ha la forma (0, 0, 0, ..., b) con b ≠ 0. In questo caso non esistono soluzioni. Al contrario, il sistema è compatibile quando questa situazione non si verifica.

Le operazioni tra matrici seguono regole precise: per sommare o sottrarre matrici devono avere la stessa dimensione, e il risultato si ottiene sommando/sottraendo gli elementi corrispondenti. Il prodotto per uno scalare moltiplica ogni elemento della matrice per quel numero, rispettando le proprietà commutativa, associativa e distributiva.

💡 Ricorda: Un sistema ha sempre almeno la soluzione nulla quando è omogeneo (tutti i termini noti sono zero).

Prodotto tra Matrici e Matrici Invertibili

Il prodotto tra matrici non funziona come ti aspetteresti moltiplicando semplicemente elementi corrispondenti. Per moltiplicare due matrici A (m×n) e B (n×p), il numero di colonne di A deve uguale il numero di righe di B, ottenendo una matrice risultato (m×p).

L'elemento in posizione (i,j) del prodotto AB si calcola moltiplicando i corrispondenti elementi della riga i-esima di A per la colonna j-esima di B, poi sommando tutti questi prodotti. Questa definizione può sembrare complessa, ma si rivela essenziale per molti problemi matematici.

Una matrice invertibile è una matrice quadrata A per cui esiste un'altra matrice B dello stesso ordine tale che AB = BA = I (matrice identica). In questo caso, B viene chiamata matrice inversa di A e si denota A⁻¹. Importante: la matrice inversa non sempre esiste!

La matrice identica è quella matrice quadrata con tutti 1 sulla diagonale principale (elementi aᵢᵢ dove gli indici di riga e colonna sono uguali) e tutti 0 altrove. È l'elemento neutro del prodotto tra matrici.

La notazione matriciale di un sistema lineare AX = B rappresenta in modo compatto un intero sistema di equazioni, dove A è la matrice dei coefficienti, X il vettore delle incognite e B il vettore dei termini noti.

💡 Attenzione: Il prodotto tra matrici NON è commutativo - l'ordine conta!

Sistemi Quadrati e Teoria dell'Invertibilità

Un sistema quadrato ha lo stesso numero di equazioni e incognite, rappresentabile come AX = B dove A è una matrice quadrata. Se A è invertibile, allora il sistema ha una sola soluzione data da X = A⁻¹B.

La dimostrazione è elegante: moltiplicando entrambi i membri per A⁻¹ ottieni A⁻¹(AX) = A⁻¹B, che per la proprietà associativa diventa (A⁻¹A)X = A⁻¹B, quindi IX = A⁻¹B, e infine X = A⁻¹B. L'unicità si dimostra assumendo l'esistenza di due soluzioni diverse e mostrando che devono essere uguali.

Un sistema lineare omogeneo ha tutti i termini noti uguali a zero $AX = 0$. La caratteristica fondamentale è che è sempre compatibile perché la soluzione nulla X = 0 soddisfa sempre l'equazione. Se inoltre il sistema è quadrato con A invertibile, allora la soluzione nulla è l'unica soluzione.

Il Teorema 37 stabilisce condizioni equivalenti per l'invertibilità: A è invertibile se e solo se AX = B ha una sola soluzione per ogni B, oppure se e solo se il sistema omogeneo AX = 0 ha solo la soluzione nulla.

💡 Strategia: Per verificare se una matrice è invertibile, controlla se il sistema omogeneo associato ha solo la soluzione nulla.

Determinanti e Minori Complementari

Il determinante è un numero associato a ogni matrice quadrata che fornisce informazioni cruciali sulla matrice stessa. Per una matrice 2×2, il determinante è semplicemente ad - bc (differenza dei prodotti delle due diagonali).

Per matrici 3×3, puoi usare la regola di Sarrus: scrivi i primi due elementi di ogni riga accanto alla matrice, poi calcola la somma dei prodotti delle diagonali che scendono verso destra meno la somma dei prodotti delle diagonali che scendono verso sinistra.

Il minore complementare Aᵢⱼ è il determinante della sottomatrice 2×2 che ottieni eliminando la riga i e la colonna j dalla matrice originale. Il segno del minore dipende dalla somma degli indici i+j: se è pari il segno è positivo, se è dispari è negativo.

Questa costruzione ti porta alla regola di Laplace per sviluppare il determinante lungo qualsiasi riga o colonna. Il complemento algebrico di aᵢⱼ è (-1)^$i+j$ moltiplicato per il minore complementare Aᵢⱼ.

💡 Trucco pratico: Per matrici 3×3, scegli sempre la riga o colonna con più zeri per semplificare i calcoli con Laplace!

Sviluppo del Determinante e Proprietà

Lo sviluppo secondo Laplace ti permette di calcolare il determinante di qualsiasi matrice quadrata sviluppando lungo una riga o colonna qualsiasi. Per la prima riga: |A| = a₁₁A₁₁ - a₁₂A₁₂ + a₁₃A₁₃, dove Aᵢⱼ sono i minori complementari.

Il Teorema di Laplace garantisce che il risultato è lo stesso indipendentemente dalla riga o colonna scelta per lo sviluppo. Questo ti dà una grande flessibilità nel scegliere la strada più semplice per i calcoli.

Le righe proporzionali sono un concetto chiave: due righe sono proporzionali quando una è il multiplo dell'altra $rᵢ = k·rⱼ$. Questo vale anche per le colonne e ha conseguenze importanti sul valore del determinante.

Quando le righe sono linearmente dipendenti, significa che almeno una riga può essere scritta come combinazione lineare delle altre. In pratica, esiste una relazione del tipo λ₁r₁ + λ₂r₂ + ... + λₖrₖ = 0 con almeno un λᵢ diverso da zero.

💡 Regola d'oro: Se una matrice ha righe o colonne proporzionali, il suo determinante è zero!

Dipendenza Lineare e Proprietà dei Determinanti

Le righe di una matrice sono linearmente dipendenti quando l'equazione λ₁r₁ + λ₂r₂ + ... + λₖrₖ = 0 ha soluzioni diverse da quella nulla. Al contrario, sono linearmente indipendenti quando solo la soluzione nulla soddisfa l'equazione.

Quando le righe sono linearmente dipendenti, puoi sempre scrivere una riga come combinazione lineare delle altre, dividendo l'equazione per uno dei coefficienti non nulli. Questo significa che quella riga è "ridondante" rispetto alle altre.

Una proprietà fondamentale dei determinanti dice che se una matrice A″ si ottiene da A sommando alle righe i-esime di due matrici A e A', allora det A″ = det A + det A'. Questa proprietà distributiva è molto utile nei calcoli.

Le proprietà operative più importanti sono: moltiplicare una riga per una costante λ moltiplica il determinante per λ; scambiare due righe cambia il segno del determinante; aggiungere a una riga il multiplo di un'altra riga lascia il determinante invariato.

💡 Strategia vincente: Usa le proprietà dei determinanti per introdurre zeri e semplificare i calcoli prima di applicare Laplace!

Dimostrazioni e Tecniche di Calcolo

La dimostrazione che scambiare due righe cambia il segno del determinante si basa sull'induzione matematica. Per matrici 2×2 è immediato verificare che det$a b; c d$ = -(det[c d; a b]).

L'ipotesi induttiva assume che la proprietà valga per matrici di ordine m, poi si dimostra che vale anche per ordine m+1. Sviluppando il determinante secondo una riga che non è coinvolta nello scambio, ogni minore complementare segue l'ipotesi induttiva.

La proprietà che aggiungere il multiplo di una riga a un'altra non cambia il determinante si dimostra usando la distributività. Il determinante della matrice modificata diventa la somma del determinante originale più il determinante di una matrice con due righe proporzionali (che vale zero).

Queste tecniche operative ti permettono di trasformare matrici complesse in forme più semplici mantenendo il valore del determinante o controllandone le variazioni. È la base per calcoli efficienti su matrici di grandi dimensioni.

💡 Metodo pratico: Combina le operazioni elementari per creare righe con molti zeri, poi sviluppa lungo quelle righe!

Teoremi di Invertibilità e Regola di Cramer

Il teorema fondamentale stabilisce che una matrice A è invertibile se e solo se det A ≠ 0. Questo criterio semplice ti permette di verificare immediatamente l'invertibilità senza calcolare esplicitamente la matrice inversa.

Quando A è invertibile, la matrice inversa A⁻¹ ha una formula esplicita: ogni elemento in posizione (i,j) è dato da a'ⱼᵢ/det A, dove a'ⱼᵢ è il complemento algebrico di aⱼᵢ. Nota che gli indici sono scambiati rispetto alla posizione!

La regola di Cramer risolve sistemi quadrati di n equazioni in n incognite quando la matrice dei coefficienti è invertibile. È particolarmente utile per sistemi di piccole dimensioni dove serve una soluzione esplicita.

I sistemi omogenei (tutti i termini noti nulli) hanno sempre almeno la soluzione nulla. Quando la matrice è invertibile, questa è l'unica soluzione. Quando non è invertibile, esistono infinite soluzioni non banali.

Il collegamento tra determinante nullo e dipendenza lineare delle righe è cruciale: det A = 0 se e solo se le righe di A sono linearmente dipendenti. Questo unifica tutti i concetti visti finora.

💡 Applicazione pratica: La regola di Cramer è perfetta per risolvere sistemi 2×2 o 3×3 quando servono formule esplicite per le soluzioni!