ErCalderone

Data una matrice A quadrata e invertibile

$A = \begin{pmatrix} x_{1,1} & \ldots & x_{1,j} \\ \vdots & \ddots & \vdots \\ x_{i,1} & \ldots & x_{i,j} \\ \end{pmatrix}$

la sua inversa $A - 1$ è la seguente:

$A^{-1} = \frac{1}{\mathrm{det}(A)} \begin{pmatrix} \mathrm{cof}(A,x_{1,1}) & \ldots & \mathrm{cof}(A,x_{1,j}) \\ \vdots & \ddots & \vdots \\ \mathrm{cof}(A,x_{i,1}) & \ldots & \mathrm{cof}(A,x_{i,j}) \\ \end{pmatrix}^{T}$

dove la notazione

det(A)

indica il determinante di A e l'esponente T indica l'operazione di trasposizione righe/colonne;
la matrice

$\begin{pmatrix} \mathrm{cof}(A,x_{1,1}) & \ldots & \mathrm{cof}(A,x_{1,j}) \\ \vdots & \ddots & \vdots \\ \mathrm{cof}(A,x_{i,1}) & \ldots & \mathrm{cof}(A,x_{i,j}) \\ \end{pmatrix}$

è la matrice dei cofattori (o dei complementi algebrici).
Il cofattore in posizione

i, j

è definito come:

$\mathrm{cof}(A,x_{i,j}) = (-1)^{i+j} \cdot \mathrm{det}(\mathrm{minor}(A,i,j))$

dove minor

(A, i, j)

rappresenta il minore di A che si ottiene cancellando la riga i-esima e la colonna j-esima.
Il segno

( - 1) i + j

varia nel modo seguente:

$\begin{pmatrix} + & - & + & \ldots\\ - & + & - & \ldots\\ + & - & + & \ldots\\ \vdots & \vdots & \vdots & \ddots \end{pmatrix}$

Esempi

Data invece una matrice 3 per 3 invertibile

$A = \begin{pmatrix} A_{11} & A_{12} & A_{13} \\ A_{21} & A_{22} & A_{23} \\ A_{31} & A_{32} & A_{33} \end{pmatrix}$ ,

la sua inversa è la seguente

$\frac{1}{\mathrm{det}(A)} \begin{pmatrix} +\left| \begin{matrix} A_{22} & A_{23} \\ A_{32} & A_{33} \end{matrix} \right| & -\left| \begin{matrix} A_{12} & A_{13} \\ A_{32} & A_{33} \end{matrix} \right| & +\left| \begin{matrix} A_{12} & A_{13} \\ A_{22} & A_{23} \end{matrix} \right| \\ & & \\ -\left| \begin{matrix} A_{21} & A_{23} \\ A_{31} & A_{33} \end{matrix} \right| & +\left| \begin{matrix} A_{11} & A_{13} \\ A_{31} & A_{33} \end{matrix} \right| & -\left| \begin{matrix} A_{11} & A_{13} \\ A_{21} & A_{23} \end{matrix} \right| \\ & & \\ +\left| \begin{matrix} A_{21} & A_{22} \\ A_{31} & A_{32} \end{matrix} \right| & -\left| \begin{matrix} A_{11} & A_{12} \\ A_{31} & A_{32} \end{matrix} \right| & +\left| \begin{matrix} A_{11} & A_{12} \\ A_{21} & A_{22} \end{matrix} \right| \end{pmatrix}$

dove

$\left| \begin{matrix} A_{ij} & A_{kl} \\ A_{mn} & A_{op} \end{matrix} \right|=\det\left( \begin{matrix} A_{ij} & A_{kl} \\ A_{mn} & A_{op} \end{matrix} \right).$

La matrice inversa di una matrice 2 per 2 invertibile $\begin{pmatrix} {{a}} & {{b}}\\ {{c}} & {{d}} \end{pmatrix}$

è la seguente

$\begin{pmatrix} \frac{{d}}{{a}{d} - {b}{c}} & \frac{{-b}}{{a }{d} - {b}{c}}\\ \frac{{-c}}{{a}{d} -{b}{c}} & \frac{{a}} {{a}{d} - {b}{c}} \end{pmatrix} = \frac{1}{{a}{d} - {b}{c}}\begin{pmatrix} d & -b\\ -c & a\end{pmatrix}$

Metedo veloce per le 2x2:
Invertire gli elementi sulle diagonali e cambiare di segno gli elementi b e c (come in figura).
Il tutto andrà poi diviso per il det(A) che in questo caso è "ad-bc".

When we use these filters/image sensors, interesting "in camera" effects can happen and images will have that dreamlike look, false colors or black and white shades that we usually don't see without those filters. You will notice that many of the infrared photos show trees, snow and light colored objects, mainly because they strongly reflect visible light, allowing the filters to capture more colors. Take your time and enjoy these inspiring infrared images, it is really worth the time.

Lakeside