Esercizi di algebra lineare

Esercizi di algebra lineare

Versione italiana

Esercizi di algebra lineare

Teoria dell’Algebra Lineare

L’algebra lineare è un ramo della matematica che si occupa dello studio di vettori, spazi vettoriali, trasformazioni lineari e sistemi di equazioni lineari. È una disciplina fondamentale in molte aree della matematica e delle scienze applicate, inclusi fisica, ingegneria, economia e informatica.

Concetti Fondamentali

1. Vettori: Un vettore è un oggetto matematico che ha sia una magnitudine (lunghezza) che una direzione. I vettori possono essere rappresentati come colonne di numeri.

2. Spazi Vettoriali: Un insieme di vettori che può essere combinato attraverso operazioni di somma e moltiplicazione per scalari, rispettando alcune proprietà (chiusura, associatività, esistenza dell’elemento neutro, ecc.).

3. Sistemi di Equazioni Lineari: Un insieme di equazioni lineari che possono essere risolte simultaneamente. La soluzione può essere unica, infinita o non esistere.

4. Matrici: Una matrice è un array rettangolare di numeri che rappresenta un sistema di equazioni lineari o una trasformazione lineare. Le operazioni fondamentali sulle matrici includono somma, prodotto e determinante.

5. Determinante: Un valore scalare associato a una matrice quadrata che fornisce informazioni sulle proprietà della matrice, come la sua invertibilità.

6. Rango: è il massimo numero di righe linearmente indipendenti di una matrice.

7. Autovalori e Autovettori: Per una matrice \(A\), un autovettore è un vettore \(v\) tale che quando viene moltiplicato per \(A\) produce un multiplo scalare del vettore stesso (cioè \(Av = \lambda v\)), dove \(\lambda\) è l’autovalore corrispondente.

Esercizi

1. Risoluzione di un Sistema di Equazioni Lineari

Esercizio:
Risolvere il seguente sistema di equazioni lineari utilizzando il metodo di eliminazione di Gauss: \[ \begin{cases} x + 2y - z = 1 \\ 2x - y + 3z = 2 \\ 3x + y + 2z = 3 \end{cases} \]

Soluzione:
Scriviamo la matrice associata al sistema (matrice completa): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 2 & -1 & 3 & | & 2 \\ 3 & 1 & 2 & | & 3 \end{pmatrix}. \]

Passo 1: Sostituiamo la seconda riga con \(R_2 - 2R_1\) e la terza riga con \(R_3 - 3R_1\): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 0 & -5 & 5 & | & 0 \\ 0 & -5 & 5 & | & 0 \end{pmatrix}. \]

Passo 2: Sostituiamo la terza riga con \(R_3 - R_2\): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 0 & -5 & 5 & | & 0 \\ 0 & 0 & 0 & | & 0 \end{pmatrix}. \]

Passo 3: Risolviamo il sistema ridotto: - Dalla seconda riga: \(-5y + 5z = 0 \Rightarrow y = z\). - Dalla prima riga: \(x + 2y - z = 1 \Rightarrow x + 2z - z = 1 \Rightarrow x = 1 - z\).

Soluzione generale:
Il sistema ha infinite soluzioni dipendenti dal parametro \(z\): \[ x = 1 - z, \quad y = z, \quad z \in \mathbb{R}. \]

2. Calcolo del Determinante (con Sarrus)

Esercizio:
Calcolare il determinante della seguente matrice 3x3 utilizzando il metodo di Sarrus: \[ A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \]

Soluzione:
Applichiamo il metodo di Sarrus: 1. Ripetiamo le prime due colonne a destra della matrice: \[ \begin{pmatrix} 1 & 2 & 3 & 1 & 2 \\ 4 & 5 & 6 & 4 & 5 \\ 7 & 8 & 9 & 7 & 8 \end{pmatrix}. \] 2. Calcoliamo la somma dei prodotti delle diagonali principali: \[ (1 \cdot 5 \cdot 9) + (2 \cdot 6 \cdot 7) + (3 \cdot 4 \cdot 8) = 45 + 84 + 96 = 225. \] 3. Calcoliamo la somma dei prodotti delle diagonali secondarie: \[ (3 \cdot 5 \cdot 7) + (1 \cdot 6 \cdot 8) + (2 \cdot 4 \cdot 9) = 105 + 48 + 72 = 225. \] 4. Determinante: \[ \text{det}(A) = 225 - 225 = 0. \]

3. Rango di una Matrice

Esercizio:
Calcolare il rango della seguente matrice: \[ A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \]

Soluzione:
Per calcolare il rango, riduciamo la matrice a scala con il metodo di Gauss: 1. Partiamo dalla matrice originale: \[ \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \] 2. Sostituiamo la seconda riga con \(R_2 - 4R_1\) e la terza riga con \(R_3 - 7R_1\): \[ \begin{pmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & -6 & -12 \end{pmatrix}. \] 3. Sostituiamo la terza riga con \(R_3 - 2R_2\): \[ \begin{pmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & 0 & 0 \end{pmatrix}. \] 4. La matrice ridotta ha 2 righe non nulle, quindi il rango è: \[ \text{rango}(A) = 2. \]

4. Autovalori e Autovettori

Esercizio:
Trovare gli autovalori e gli autovettori della seguente matrice: \[ A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}. \]

Soluzione:
1. Calcoliamo il polinomio caratteristico: \[ \text{det}(A - \lambda I) = \text{det}\begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix} = (4 - \lambda)(3 - \lambda) - 2 = \lambda^2 - 7\lambda + 10. \] 2. Troviamo le radici del polinomio caratteristico: \[ \lambda^2 - 7\lambda + 10 = 0 \Rightarrow \lambda = 5, \lambda = 2. \] 3. Calcoliamo gli autovettori per ogni autovalore: - Per \(\lambda = 5\): \[ (A - 5I)\mathbf{v} = \begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = \mathbf{0}. \] Risolvendo il sistema, otteniamo \(v_1 = v_2\). Un autovettore è: \[ \mathbf{v} = \begin{pmatrix} 1 \\ 1 \end{pmatrix}. \] - Per \(\lambda = 2\): \[ (A - 2I)\mathbf{v} = \begin{pmatrix} 2 & 1 \\ 2 & 1 \end{pmatrix}\begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = \mathbf{0}. \] Risolvendo il sistema, otteniamo \(v_2 = -2v_1\). Un autovettore è: \[ \mathbf{v} = \begin{pmatrix} 1 \\ -2 \end{pmatrix}. \]

Risultato:
- Autovalori: \(\lambda = 5, \lambda = 2\).
- Autovettori associati: \(\begin{pmatrix} 1 \\ 1 \end{pmatrix}\) (per \(\lambda = 5\)) e \(\begin{pmatrix} 1 \\ -2 \end{pmatrix}\) (per \(\lambda = 2\)).

English version

Linear Algebra Exercises

Linear Algebra Theory

Linear algebra is a branch of mathematics that deals with the study of vectors, vector spaces, linear transformations, and systems of linear equations. It is a fundamental discipline in many areas of mathematics and applied sciences, including physics, engineering, economics, and computer science.

Fundamental Concepts

1. Vectors: A vector is a mathematical object that has both a magnitude (length) and a direction. Vectors can be represented as columns of numbers.

2. Vector Spaces: A set of vectors that can be combined through addition and multiplication operations by scalars, respecting certain properties (closure, associativity, existence of the neutral element, etc.).

3. Systems of Linear Equations: A set of linear equations that can be solved simultaneously. The solution can be unique, infinite, or nonexistent.

4. Matrices: A matrix is ​​a rectangular array of numbers that represents a system of linear equations or a linear transformation. Basic matrix operations include sum, product, and determinant.

5. Determinant: A scalar value associated with a square matrix that provides information about the properties of the matrix, such as its invertibility.

6. Rank: The maximum number of linearly independent rows in a matrix.

7. Eigenvalues ​​and Eigenvectors: For a matrix \(A\), an eigenvector is a vector \(v\) such that when multiplied by \(A\) it produces a scalar multiple of the vector itself (i.e., \(Av = \lambda v\)), where \(\lambda\) is the corresponding eigenvalue.

Exercises

**1. Solving a System of Linear Equations

Exercise: Solve the following system of linear equations using Gaussian elimination: \[ \begin{cases} x + 2y - z = 1 \\ 2x - y + 3z = 2 \\ 3x + y + 2z = 3 \end{cases} \]

Solution: Let’s write the matrix associated with the system (complete matrix): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 2 & -1 & 3 & | & 2 \\ 3 & 1 & 2 & | & 3 \end{pmatrix}. \]

Step 1: Replace the second line with \(R_2 - 2R_1\) and the third line with \(R_3 - 3R_1\): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 0 & -5 & 5 & | & 0 \\ 0 & -5 & 5 & | & 0 \end{pmatrix}. \]

Step 2: Replace the third line with \(R_3 - R_2\): \[ \begin{pmatrix} 1 & 2 & -1 & | & 1 \\ 0 & -5 & 5 & | & 0 \\ 0 & 0 & 0 & | & 0 \end{pmatrix}. \]

Step 3: Let’s solve the reduced system: - From the second line: \(-5y + 5z = 0 \Rightarrow y = z\). - From the first line: \(x + 2y - z = 1 \Rightarrow x + 2z - z = 1 \Rightarrow x = 1 - z\).

General Solution: The system has infinitely many solutions depending on the parameter \(z\): \[ x = 1 - z, \quad y = z, \quad z \in \mathbb{R}. \]

2. Determinant Calculation (with Sarrus)

Exercise: Calculate the determinant of the following 3x3 matrix using Sarrus’ method: \[ A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \]

Solution: We apply Sarrus’ method: 1. We repeat the first two columns on the right of the matrix: \[ \begin{pmatrix} 1 & 2 & 3 & 1 & 2 \\ 4 & 5 & 6 & 4 & 5 \\ 7 & 8 & 9 & 7 & 8 \end{pmatrix}. \] 1. Let’s calculate the sum of the products of the main diagonals: \[ (1 \cdot 5 \cdot 9) + (2 \cdot 6 \cdot 7) + (3 \cdot 4 \cdot 8) = 45 + 84 + 96 = 225. \] 1. Let’s calculate the sum of the products of the secondary diagonals: \[ (3 \cdot 5 \cdot 7) + (1 \cdot 6 \cdot 8) + (2 \cdot 4 \cdot 9) = 105 + 48 + 72 = 225. \] 1. Determinant: \[ \text{det}(A) = 225 - 225 = 0. \]

3. Rank of a Matrix

Exercise: Calculate the rank of the following matrix: \[ A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \]

Solution: To calculate the rank, we reduce the matrix to a scale with the Gaussian method: 1. We start from the original matrix: \[ \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. \] 1. Replace the second row with \(R_2 - 4R_1\) and the third row with \(R_3 - 7R_1\): \[ \begin{pmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & -6 & -12 \end{pmatrix}. \] 1. Replace the third row with \(R_3 - 2R_2\): \[ \begin{pmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & 0 & 0 \end{pmatrix}. \] 1. The reduced matrix has 2 non-zero rows, so the rank is: \[ \text{rank}(A) = 2. \] ### 4. Eigenvalues ​​and Eigenvectors

Exercise: Find the eigenvalues ​​and eigenvectors of the following matrix: \[ A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}. \]

Solution: 1. Calculate the characteristic polynomial: \[ \text{det}(A - \lambda I) = \text{det}\begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix} = (4 - \lambda)(3 - \lambda) - 2 = \lambda^2 - 7\lambda + 10. \] 1. Find the roots of the characteristic polynomial: \[ \lambda^2 - 7\lambda + 10 = 0 \Rightarrow \lambda = 5, \lambda = 2. \] 1. Calculate the eigenvectors for each eigenvalue: - For \(\lambda = 5\): \[ (A - 5I)\mathbf{v} = \begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = \mathbf{0}. \] Solving the system, we get \(v_1 = v_2\). An eigenvector is: \[ \mathbf{v} = \begin{pmatrix} 1 \\ 1 \end{pmatrix}. \] - For \(\lambda = 2\): \[ (A - 2I)\mathbf{v} = \begin{pmatrix} 2 & 1 \\ 2 & 1 \end{pmatrix}\begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = \mathbf{0}. \] Solving the system, we get \(v_2 = -2v_1\). An eigenvector is: \[ \mathbf{v} = \begin{pmatrix} 1 \\ -2 \end{pmatrix}. \]

Result: - Eigenvalues: \(\lambda = 5, \lambda = 2\). - Associated eigenvectors: \(\begin{pmatrix} 1 \\ 1 \end{pmatrix}\) (for \(\lambda = 5\)) and \(\begin{pmatrix} 1 \\ -2 \end{pmatrix}\) (for \(\lambda = 2\)).