Matrice trasposta: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
m Bot: Correzione di uno o più errori comuni |
fix vari |
||
Riga 1:
In [[matematica]],
:<math>\left(A^T\right)_{ij} = A_{ji},\quad \forall A \in \mathbf{K}^{m,n}, 1 \le i \le m, 1 \le j \le n</math>▼
==Definizione==
In pratica, la matrice trasposta si deve intendere come una matrice in cui le colonne diventano righe e le righe diventano colonne.▼
La trasposta di una matrice <math>A</math> è la matrice <math>A^T</math> il cui generico elemento con indici <math>(i, j)</math> è l'elemento con indici <math>(j, i)</math> della matrice originaria. In simboli:
▲:<math>\left(A^T\right)_{ij} = A_{ji}
▲con <math>\mathbf{K}^{m,n} </math> lo [[spazio vettoriale]] delle matrici di dimensione ''n''. In pratica, la matrice trasposta si deve intendere come una matrice in cui le colonne diventano righe e le righe diventano colonne.
:<math>(\mathbf{AB})^\mathrm{T} = \mathbf{B}^\mathrm{T}\mathbf{A}^\mathrm{T} \ne \mathbf{A}^\mathrm{T}\mathbf{B}^\mathrm{T}
:<math>(k\mathbf{A}+l\mathbf{B})^\mathrm{T} = (k\mathbf{A})^\mathrm{T}+(l\mathbf{B})^\mathrm{T} = k\mathbf{A}^\mathrm{T}+l\mathbf{B}^\mathrm{T}
:<math> \left( \sum_{i=1}^{N} k_i \mathbf{A}_i \right) ^\mathrm{T} = \sum_{i=1}^{N} k_i \mathbf{A}_i^\mathrm{T} </math>▼
== Proprietà ==▼
Valgono le seguenti proprietà:▼
:<math>\left( \mathbf{A}^\mathrm{T} \right) ^\mathrm{T} = \mathbf{A} \quad </math>▼
:<math>(\mathbf{A}+\mathbf{B}) ^\mathrm{T} = \mathbf{A}^\mathrm{T} + \mathbf{B}^\mathrm{T} </math> ▼
:<math>\left( \mathbf{A B} \right) ^\mathrm{T} = \mathbf{B}^\mathrm{T} \mathbf{A}^\mathrm{T} </math>▼
:Questo risultato è facilmente estendibile al caso più generale, dove si considerano più matrici:▼
:<math>\left( \mathbf{A B C ... X Y Z} \right) ^\mathrm{T} = \mathbf{Z}^\mathrm{T} \mathbf{Y}^\mathrm{T} \mathbf{X}^\mathrm{T} ... \mathbf{C}^\mathrm{T} \mathbf{B}^\mathrm{T} \mathbf{A}^\mathrm{T} </math>▼
:<math>(c \mathbf{A})^\mathrm{T} = c \mathbf{A}^\mathrm{T} </math>▼
:<math>\det(\mathbf{A}^\mathrm{T}) = \det(\mathbf{A}) </math>▼
:<math> \mathbf{a} \cdot \mathbf{b} = \mathbf{a}^{\mathrm{T}} \mathbf{b},</math>▼
:che può essere scritto usando la notazione di Einstein come
:<math>(\mathbf{A}^\mathrm{T})^{-1} = (\mathbf{A}^{-1})^\mathrm{T} </math>▼
== Trasposta di applicazioni lineari ==▼
Più in astratto, se <math>V</math> e <math>W</math> sono due [[spazi vettoriali]] di dimensione finita sullo stesso campo e <math>f : V \to W</math> è un'[[applicazione lineare]] allora possiamo definire l'applicazione ''duale'' di <math>f</math> come la mappa <math>f^* : W^* \to V^* : \varphi \mapsto \varphi \circ f</math>, tra gli [[spazi duali]] <math>W^*</math> e <math>V^*</math>.
== Esempi ==
Line 59 ⟶ 103:
2 & 4 & 6\\
8 & 3 & 1 \end{bmatrix} \;
</math>
Idea di calcolo: ruotare la matrice <math>A</math> di 90° antiorario, dopodiché effettuare lo specchio di quest'ultima (nel primo esempio: la riga 2 rimane invariata, mentre la riga 1 e 3 vengono scambiate della matrice <math>A</math> ruotata di 90°).▼
▲Idea di calcolo: ruotare la matrice <math>A</math> di 90° antiorario, dopodiché effettuare lo specchio di quest'ultima (nel primo esempio: la riga 2 rimane invariata, mentre la riga 1 e 3 vengono scambiate della matrice <math>A</math> ruotata di 90°).
▲== Proprietà ==
▲Valgono le seguenti proprietà:
▲<li>La trasposta della trasposta è la matrice stessa.
▲:<math>\left( \mathbf{A}^\mathrm{T} \right) ^\mathrm{T} = \mathbf{A} \quad </math>
▲<li>La trasposta della somma di due matrici è uguale alla somma delle due matrici trasposte.
▲:<math>(\mathbf{A}+\mathbf{B}) ^\mathrm{T} = \mathbf{A}^\mathrm{T} + \mathbf{B}^\mathrm{T} </math>
▲<li>L'ordine delle matrici si inverte per la moltiplicazione.
▲:<math>\left( \mathbf{A B} \right) ^\mathrm{T} = \mathbf{B}^\mathrm{T} \mathbf{A}^\mathrm{T} </math>
▲Questo risultato è facilmente estendibile al caso più generale, dove si considerano più matrici:
▲:<math>\left( \mathbf{A B C ... X Y Z} \right) ^\mathrm{T} = \mathbf{Z}^\mathrm{T} \mathbf{Y}^\mathrm{T} \mathbf{X}^\mathrm{T} ... \mathbf{C}^\mathrm{T} \mathbf{B}^\mathrm{T} \mathbf{A}^\mathrm{T} </math>
▲<li>Se ''c'' è uno scalare, la trasposta di uno scalare è lo scalare invariato.
▲:<math>(c \mathbf{A})^\mathrm{T} = c \mathbf{A}^\mathrm{T} </math>
▲<li>['''solo per [[Matrice quadrata|matrici quadrate]]'''] Il determinante della trasposta è uguale al determinante della matrice iniziale.
▲:<math>\det(\mathbf{A}^\mathrm{T}) = \det(\mathbf{A}) </math>
▲<li>Il prodotto scalare tra due vettori colonna '''a''' e '''b''' può essere calcolato come
▲:<math> \mathbf{a} \cdot \mathbf{b} = \mathbf{a}^{\mathrm{T}} \mathbf{b},</math>
▲che può essere scritto usando la notazione di Einstein come '''a'''<sub>''i''</sub> '''b'''<sup>''i''</sup>.
▲<li>Se '''A''' ha solamente elementi reali, allora '''A'''<sup>T</sup>'''A''' è una matrice semidefinita positiva.
▲<li>La trasposta di una matrice invertibile è ancora invertibile e la sua inversa è la trasposta dell'inversa della matrice iniziale.
▲:<math>(\mathbf{A}^\mathrm{T})^{-1} = (\mathbf{A}^{-1})^\mathrm{T} </math>
▲<li>Se '''A''' è una matrice quadrata, allora i suoi autovalori sono uguali agli autovalori della sua trasposta.
▲* La trasposizione è definita su m ed n qualunque, ovvero sia su matrici quadrate che rettangolari e quindi anche su [[Vettore (matematica)|vettori]]. In particolare un [[vettore colonna]] trasposto è un vettore [[riga]] e viceversa.<br />
▲* Uno [[scalare]] può essere visto come un caso particolare di matrice simmetrica ''1 × 1'' ed è pertanto invariante alla trasposizione. Quindi, sebbene in generale date due matrici '''A''' e '''B''' di [[prodotto tra matrici|dimensioni opportune]] si abbia che
▲:<math>(\mathbf{AB})^\mathrm{T} = \mathbf{B}^\mathrm{T}\mathbf{A}^\mathrm{T} \ne \mathbf{A}^\mathrm{T}\mathbf{B}^\mathrm{T},</math>
▲:l'operatore di trasposizione è [[trasformazione lineare|lineare]], ovvero, dati due scalari ''k'' ed ''l'', vale
▲:<math>(k\mathbf{A}+l\mathbf{B})^\mathrm{T} = (k\mathbf{A})^\mathrm{T}+(l\mathbf{B})^\mathrm{T} = k\mathbf{A}^\mathrm{T}+l\mathbf{B}^\mathrm{T}.</math>
▲:Più in generale, dati N scalari ''k<sub>i</sub>'' ed N matrici di pari dimensioni ''A<sub>i</sub>'', vale
▲:<math> \left( \sum_{i=1}^{N} k_i \mathbf{A}_i \right) ^\mathrm{T} = \sum_{i=1}^{N} k_i \mathbf{A}_i^\mathrm{T} </math>
▲:dove ''Σ'' indica una [[sommatoria]].
▲== Trasposta di applicazioni lineari ==
▲Più in astratto, se <math>V</math> e <math>W</math> sono due [[spazi vettoriali]] di dimensione finita sullo stesso campo e <math>f : V \to W</math> è un'[[applicazione lineare]] allora possiamo definire l'applicazione ''duale'' di <math>f</math> come la mappa <math>f^* : W^* \to V^* : \varphi \mapsto \varphi \circ f</math>, tra gli [[spazi duali]] <math>W^*</math> e <math>V^*</math>. Ora fissate due basi <math>e_1, \ldots, e_m</math> e <math>f_1, \ldots, f_n</math> di <math>V</math> e <math>W</math> rispettivamente, si dimostra che se <math>A</math> è la matrice associata a <math>f</math> rispetto tali basi allora la matrice associata a <math>f^*</math> rispetto alle [[basi duali]] di <math>e_1, \ldots, e_m</math> e <math>f_1, \ldots, f_n</math> è proprio la trasposta di <math>A</math>.
{{Portale|matematica}}
|