Rango di una matrice e teorema di Rouché-Capelli
|
|
- Monica Cenci
- 5 anni fa
- Visualizzazioni
Transcript
1 Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è l insieme delle soluzioni del sistema lineare omogeneo AX = 0, dove X è il vettore colonna delle incognite X = t (x 1,..., x n ). Quindi N (A) coincide con il nucleo di L A : (1) N (A) = ker L A = {X R n AX = 0}. Definizione 2. Lo spazio delle colonne di A, Col(A), è lo spazio vettoriale generato dalle colonne di A. Il rango di A, che si denota con rk A, è la dimensione dello spazio delle colonne Col(A): (2) rka = dim(col(a)). Quindi Col(A) è l insieme delle combinazioni lineari di colonne di A e coincide con l immagine di L A : (3) Col(A) = L A (R n ) = L(A 1,..., A n ), rk A = dim(l A (R n )). Sappiamo che per ogni applicazione lineare tra spazi vettoriali di dimensione finita V e W, f : V W, vale formula dim(v ) = dim(kerf) + dim(f(v )). Applicando la formula con L A al posto di f e R n al posto di V, otteniamo n = dim(n (A)) + dim(col(a)) e, usando le definizioni precedenti, (4) dim(n (A)) = n rk A. Abbiamo dimostrato il risultato seguente. Teorema 1. L insieme delle soluzioni del sistema lineare omogeneo AX = 0, di m equazioni in n incognite, è un sottospazio vettoriale di R n di dimensione n rk A. Consideriamo ora un sistema lineare di m equazioni in n incognite, non necessariamente omogeneo, AX = B, dove A e X sono come sopra e B è un vettore colonna di R m. Il sistema è risolubile se e solo se esiste un X 0 R n tale che AX 0 = B, cioè se e solo se B appartiene all immagine L A (R n ). Per la Definizione 5, questo vuol dire che B Col(A). È facile vedere che B Col(A) se e solo se Col((A B)) = Col(A), dove con (A B) indichiamo la matrice completa del sistema. Dato che Col(A) è un sottospazio vettoriale di Col((A B)), l uguaglianza tra questi spazi equivale all uguaglianza delle loro dimensioni. Quindi otteniamo il risultato seguente. Teorema 2. Il sistema lineare AX = B è risolubile se e solo se rk (A B) = rk A. L insieme delle soluzioni di un sistema non omogeneo non è mai un sottospazio vettoriale, perché può essere vuoto e, quando non è vuoto, non è chiuso né rispetto alla somma, né rispetto al prodotto per uno scalare. Però, se non è vuoto, l insieme delle soluzioni di un sistema lineare è un sottospazio affine. Ricordiamo le definizioni. 1
2 2 Definizione 3. Un sottoinsieme T di uno spazio vettoriale V è un sottospazio affine di V se esistono un sottospazio vettoriale U di V e un vettore v in V tali che T = v + U. In questo caso, U si chiama il sottospazio di giacitura di T. La dimensione di un sottospazio affine è la dimensione del suo sottospazio di giacitura. Possiamo dimostrare che, nella precedente definizione, se U e v esistono, lo spazio U è unico, mentre v, in generale, non è unico. Ricordiamo che, nell interpretazione geometrica di R 3, i sottospazi vettoriali propri sono l origine e le rette e i piani per l origine. I sottospazi affini sono i loro traslati, cioè tutti i punti, le rette e i piani dello spazio. Quindi se per esempio T = v + U è un sottospazio affine di R 3 di dimensione 2, T corrisponde a un piano, U è il piano parallelo a T e passante per l origine, e v è un vettore di traslazione che porta U su T. Torniamo al sistema lineare AX = B. Definizione 4. Il sistema omogeneo associato al sistema lineare AX = B è il sistema omogeneo AX = 0. Vale il seguente risultato. Teorema 3. Se X 0 è una soluzione qualunque di AX = B, allora X 0 + N (A) è l insieme di tutte le soluzioni del sistema AX = B. Quindi, se AX = B è risolubile, l insieme delle sue soluzioni è un sottospazio affine che ha come sottospazio di giacitura lo spazio delle soluzioni del sistema omogeneo associato, N (A). Dimostrazione. Sia S l insieme delle soluzioni del sistema e sia X 0 S. Dimostriamo prima che X 0 + N (A) S. Per ogni Y N (A) si ha AY = 0, quindi A(X 0 + Y ) = B + 0 = B, cioè X 0 + Y S, come richiesto. Resta da provare che S X 0 + N (A). Sia X 1 S. Dobbiamo provare che X 1 = X 0 + Y con Y N (A), e questo equivale a dire che X 1 X 0 N (A). Infatti, si ha A(X 1 X 0 ) = B B = 0, come richiesto. I Teoremi 1, 2 e 3 sono conosciuti come Teoremi di Rouché-Capelli
3 3 Calcolo del rango di una matrice mediante l algoritmo di eliminazione di Gauss Per calcolare il rango di una matrice A ci sono due metodi generali: uno richiede il calcolo dei determinanti delle sottomatrici quadrate di A, l altro richiede la riduzione a scala di A (mediante l eliminazione di Gauss). Qui spieghiamo questo secondo metodo. Per prima cosa dimostriamo che la riduzione a scala non cambia il rango. Proposizione 4. Sia A una matrice m n e sia S una matrice a scala ottenuta applicando ad A l eliminazione di Gauss. Allora rk A = rk S. Dimostrazione. Consideriamo i sistemi AX = 0 e SX = 0. L eliminazione di Gauss non cambia le soluzioni dei sistemi, quindi i due sistemi hanno le stesse soluzioni. Per definizione questo vuol dire N (A) = N (S). Questo implica rk A = rk S, perché, per la formula (1), il rango è eguale al numero delle colonne meno la dimensione dello spazio nullo. Quindi il calcolo del rango di una matrice arbitraria può essere ridotto al calcolo del rango di una matrice a scala. Per la formula (1), per calcolare il rango basta calcolare la dimensione dello spazio nullo. Proposizione 5. Sia S una matrice a scala n m e sia m il numero delle righe non nulle di S. Allora (5) dim(n (S)) = n m. Dimostrazione. Sappiamo che il sistema SX = 0 può essere risolto esprimendo le incognite corrispondenti ai pivot di S in funzione delle incognite rimanenti, che compariranno come parametri, nella soluzione generale del sistema. Quindi, il numero dei parametri che compaiono nella soluzione generale del sistema è uguale al numero delle incognite, n, meno il numero dei pivot, che è uguale a m. Ma sappiamo anche che il numero dei parametri è uguale alla dimensione dello spazio delle soluzioni, che per definizione è N (S), quindi otteniamo dim(n (S)) = n m. Confrontando la formula (5) con la (4) a pagina 1, otteniamo il risultato seguente. Corollario 6. Sia S una matrice a scala n m e sia m il numero delle righe non nulle di S. Allora (6) rk S = m.
4 4 Spazio delle righe di una matrice Per una matrice arbitraria A, possiamo definire lo spazio delle righe in modo analogo a come abbiamo definito quello delle colonne, cioè come l insieme delle combinazioni lineari delle righe di A. Definizione 5. Lo spazio delle righe di A, Rig(A), è lo spazio vettoriale generato dalle righe di A. Proposizione 7. Sia A una matrice m n e sia S una matrice a scala ottenuta applicando ad A l eliminazione di Gauss. Allora Rig(A) = Rig(S). Dimostrazione. Le operazioni elementari di riga cambiano le righe di A con combinazioni lineari di righe di A, quindi le righe di S appartengono a Rig(A). Poichè A si ottiene da S facendo le operazioni di riga inverse di quelle fatte nel procedimento di eliminazione, vale anche l inclusione simmetrica, cioè, le righe di A appartengono a Rig(S). Da queste due inclusioni si ottiene facilmente che Rig(A) = Rig(S). Ora dimostriamo che per una matrice a scala la dimensione dello spazio delle righe coincide con il rango, cioè con la dimensione dello spazio delle colonne. Proposizione 8. Sia S una matrice a scala n m e sia m il numero delle righe non nulle di S. Allora le righe non nulle di S formano una base di Rig(S) e quindi (7) dim(rig(s)) = m = rk S. Dimostrazione. Per definizione, lo spazio Rig(S) è generato dalle righe di S e quindi dalle righe non nulle di S. Resta da provare che queste righe sono linearmente indipendenti, affinché formino una base di Rig(S). Indichiamo con S 1,..., S m le righe non nulle di S e chiamiamo p 1,..., p m i loro rispettivi pivot. Supponiamo λ 1 S λ m S m = 0. Vogliamo dimostrare che allora λ 1 = = λ m = 0. Supponiamo che p 1 sia la i 1 -esima componente della prima riga, S 1. Per definizione di matrice a scala, la i 1 -esima componente delle righe S 2,..., S m deve essere uguale a zero. Quindi, nel vettore riga λ 1 S λ m S m, la i 1 -esima componente è λ 1 p 1. Per ipotesi p 1 0, mentre λ 1 p 1 = 0, quindi λ 1 = 0. A questo punto la nostra ipotesi diventa λ 2 S λ m S m = 0 e possiamo ripetere il ragionamento con p 2 invece di p 1. Induttivamente, troviamo che tutti i λ i sono nulli. La prima uguaglianza della formula (7) segue direttamente dalla parte precedente. La seconda uguaglianza è il Corollario 6. Dalle due proposizioni precedenti otteniamo i corollari seguenti. Corollario 9. Per ogni matrice A, (8) dim(rig(a)) = rk A = dim(col(a)). Corollario 10. Se S è una matrice a scala ottenuta applicando ad A l eliminazione di Gauss, allora le righe non nulle di S formano una base di Rig(A).
5 5 Tecnica di calcolo 1: Completamento di un sottoinsieme linearmente indipendente di R n a una base di R n. Ricordiamo che vale il risultato seguente. Proposizione 11. Sia V uno spazio vettoriale e I un sottoinsieme linearmente indipendente di V. Allora esiste una base di V che contiene I. Nel caso di uno spazio vettoriale V di dimensione finita, possiamo dimostrare facilmente il seguente risultato. Proposizione 12. Sia V uno spazio vettoriale di dimensione finita, B una sua base e I un suo sottoinsieme linearmente indipendente. Allora è possibile ottenere una base di V aggiungendo a I un opportuno sottoinsieme della base B. Dimostrazione. Sia I = {u 1,..., u k }, B = {v 1,..., v n }. Se k = n, I è già una base e l insieme da aggiungere è. Altrimenti si ha k < n. Sia v i1 il primo vettore di B che non è combinazione lineare di {u 1,..., u k }, cioè che non appartiene a L(I). Si vede facilmente che allora I 1 = {u 1,..., u k, v i1 } è ancora linearmente indipendente. Proseguiamo per induzione. Una volta costruito I j, con j 1, se I j = n, abbiamo ottenuto la base voluta e il procedimento è terminato. Altrimenti, costruiamo l insieme linearmente indipendente I j+1 aggiungendo a I j il primo elemento di B che non appartiene a L(I j ). Al termine del procedimento abbiamo una base di V perché l insieme ottenuto è linearmente indipendente e, inoltre, genera tutti i vettori della base V, quindi genera V stesso. Spieghiamo una tecnica molto rapida realizzare la costruzione appena descritta nel caso speciale in cui V è R n e B è la sua base canonica. Partiamo da un sottoinsieme linearmente indipendente arbitrario I = {v 1,..., v k } R n. Allora k n. Se k = n, I è già una base e non dobbiamo fare niente. Se k < n, costruiamo la matrice che ha i vettori di I come righe e riduciamola a una matrice a scala S con l eliminazione di Gauss. Lo spazio delle righe di S è uguale a L(I). Indichiamo con t e 1,..., t e n i vettori della base canonica di R n scritti come righe. È possibile aggiungere a S un sottoinsieme t e i1,..., t e ih di essi in modo da ottenere una matrice triangolare superiore con tutti i termini diagonali diversi da zero. In questo modo, ogni volta che aggiungiamo una riga il rango cresce, cioè aggiungiamo una riga che non è combinazione lineare di quelle già presenti. Segue che {v 1,..., v k, e i1,..., e ih } è una base di R n. 1 3 Esempio 1. Consideriamo v 1 = 1 2, v 2 = 3 7. È immediato verificare che 3 8 {v 1, v 2 } è linearmente indipendente, quindi può essere completato( a una base ) di R 4. Per farlo col metodo descritto, riduciamo a a scala la matrice, ( ) ottenendo. Se aggiungiamo a questa matrice t e 2 = ( ) e t e 4 = ( ) come seconda e quarta riga, rispettivamente, otteniamo una matrice triangolare superiore con tutti i termini diagonali diversi da zero. Segue che {v 1, v 2, e 2, e 4 } è una base di R 4.
6 6 Tecnica di calcolo 2: Estrazione di una base da un insieme di generatori Sappiamo che vale il seguente risultato. Proposizione 13. Sia V uno spazio vettoriale e sia G un insieme di generatori di V. Allora G contiene una base di V. Dimostrazione nell ipotesi che G sia finito. Sia G = {v 1,..., v k }, e quindi V = L(v 1,..., v k ). Se G è linearmente indipendente, è già una base e non dobbiamo fare niente. Quindi supponiamo che sia linearmente dipendente. Dobbiamo trovare un procedimento per scartare degli elementi di G fino a ottenere un insieme indipendente che sia ancora un insieme di generatori. Il primo elemento da scartare, se è contenuto in G, è lo zero. A meno di rinominare gli indici possiamo supporre v 1,..., v k non nulli. Consideriamo la sequenza di sottospazi vettoriali L(v 1 ) L(v 1, v 2 ) L(v 1,..., v k ). Guardiamo la prima inclusione: se v 2 è un multiplo di v 1, allora ogni combinazione lineare di v 1 e v 2 può essere scritta come un multiplo del solo v 1, quindi L(v 1 ) = L(v 1, v 2 ). Altrimenti, {v 1, v 2 } è indipendente e l inclusione è stretta. In generale, se v i (con 1 < i k) è una combinazione lineare di v 1,..., v i 1, allora ogni combinazione di v 1,..., v i può essere scritta come combinazione lineare di v 1,..., v i 1, cioè L(v 1,..., v i 1 ) = L(v 1,..., v i ). Quindi, se scartiamo tutti i v i che sono una combinazione lineare dei vettori precedenti, lo spazio generato dai vettori rimasti è ancora uguale a L(v 1,..., v k ). Inoltre, se chiamiamo v i1, v i2,..., v ih i vettori rimasti, la sequenza di sottospazi L(v i1 ) L(v i1, v i2 ) L(v i1,..., v ih ) = L(v 1,..., v k ) è tale che tutte le inclusioni sono strette. Inoltre, è facile provare, per induzione, che tutti i sottoinsiemi {v i1,..., v is } (con 1 s h) sono linearmente indipendenti. Segue che {v i1,..., v ih } è una base di L(v 1,..., v k ). Spieghiamo una tecnica molto rapida per applicare il procedimento descritto nella dimostrazione precedente nel caso in cui G è un sottoinsieme finito di R n. Per definizione, v k è combinazione lineare di v 1,..., v k 1 se e solo se l equazione vettoriale x 1 v x k 1 v k 1 = v k, nelle incognite x 1,..., x k 1, è risolubile. Questa equazione equivale al sistema lineare di che ha come matrice dei coefficienti (v 1... v k 1 ) e come matrice completa (v 1... v k 1 v k ) (cioè la matrice che ha come colonne i vettori v 1,..., v k ). Riduciamo la matrice completa a una matrice a scala S, con l algoritmo di eliminazione di Gauss, per stabilire se il sistema è risolubile. Il sistema è risolubile se e solo se l ultima colonna di S non contribuisce al rango di S, cioè non contiene un pivot. Ma l algoritmo di Gauss applicato all intera matrice (v 1... v k 1 v k ) riduce a scala anche ogni sottomatrice (v 1... v i 1 v i ), con 1 < i k. Quindi, ragionando come per v k, otteniamo che v i è una combinazione lineare di v 1,..., v i i se e solo se l i-esima colonna di S non contiene pivot. Segue che i vettori corrispondenti alle colonne con i pivot formano una base di V Esempio 2. Sia v 1 = 0, v 2 = 0, v 3 = 1, v 4 = 1, v 5 = Per estrarre una base di L(v 1,..., v 5 ) dall insieme {v 1,..., v 5 }, consideriamo la
7 matrice Questa si riduce facilmente alla matrice a scala Il risultato dimostra che v 2 è multiplo di v 1 (come era evidente), e che v 4 e v 5 sono combinazioni lineari di v 1,..., v 3. Segue che {v 1, v 3 } è una base di L{v 1,..., v 5 }. 7
Corso di Geometria BIAR, BSIR Esercizi 4: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Esercizio. Sono dati i seguenti sistemi lineari omogenei nelle incognite x, y, z: { x + y z = x + y z = x + y z = S : x y + z =, S :, S 3 : x 3y =,
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliFederica Gregorio e Cristian Tacelli
1 Sistemi lineari Federica Gregorio e Cristian Tacelli Un sistema lineare m n (m equazioni in n incognite) è un insieme di equazioni lineari che devono essere soddisfatte contemporaneamente a 11 x 1 +
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliSottospazi vettoriali
Capitolo 6 Sottospazi vettoriali 6.1 Introduzione Riprendiamo un argomento già studiato ampiamente nel corso di Geometria, i sottospazi vettoriali di uno spazio vettoriale. Ci limiteremo a darne la definizione,
DettagliIstituzioni di Matematiche Modulo A (ST)
Istituzioni di Matematiche Modulo A (ST V II foglio di esercizi ESERCIZIO. Nei seguenti sistemi lineari, discutere l insieme delle soluzioni al variare del parametro t, o dei parametri t e τ, in R. 5 x
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
Dettagli2. Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse, quando è possibile:
aa 5-6 Esercizi 5 Basi dimensione e coordinate Soluzioni Apostol: Sezione 5 Esercizi 6a 7 8 9 Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse quando è possibile: i
DettagliDefinizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;
Spazi vettoriali Definizione Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v V, v V ; - prodotto per uno scalare λ K, (K campo); e chiuso rispetto ad esse, è uno spazio vettoriale
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliNote sui sistemi lineari
Note sui sistemi lineari Sia K un campo e siano m e n due numeri interi positivi. Sia A M(m n, K) e sia b K m. Consideriamo il sistema lineare Ax = b nell incognita x K n (o, se preferite, nelle incognite
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
Dettaglir 2 r 2 2r 1 r 4 r 4 r 1
SPAZI R n 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x, y, z)
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 7 Intersezione e somma di sottospazi vettoriali 7.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliParte 5. Sottospazi. A. Savo Appunti del Corso di Geometria
Parte 5. Sottospazi A. Savo Appunti del Corso di Geometria 03-4 Indice delle sezioni Sottospazi di R n, Equazioni di un sottospazio di R n, 3 3 Sottospazio intersezione, 6 4 Sottospazio somma, 8 5 Formula
DettagliAnalisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.
Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe
DettagliCORSI DI LAUREA IN MATEMATICA E FISICA
CORSI DI LAUREA IN MATEMATICA E FISICA FOGLIO DI ESERCIZI # 6 GEOMETRIA 1 Esercizio 6.1 (Esercizio 5.1). Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Per esempio il vettore
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliCORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI
CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione
DettagliGeometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
DettagliAutovalori e autovettori di una matrice quadrata
Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente
Dettagli1 Risoluzione di sistemi lineari con l uso dei determinanti
2006 Trapani Dispensa di Geometria, 1 Risoluzione di sistemi lineari con l uso dei determinanti Sia A una matrice n n con det(a) 0 consideriamo il sistema lineare AX = b abbiamo n = numero di righe di
Dettaglidipendenti. Cosa possiamo dire sulla dimensione di V?
Esercizi Esercizi. In uno spazio vettoriale V ci sono tre vettori v, v 2, v linearmente indipendenti. Cosa possiamo dire sulla dimensione di V? 2. In uno spazio vettoriale V ci sono tre vettori v, v 2,
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2015-2016 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare di insiemi contenute nel Teorema
DettagliArgomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare
Argomenti trattati nella settimana 23-27 novembre 2009 Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare 1 Sistemi lineari; 2 applicazioni lineari; Sistemi lineari;
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
DettagliLe risposte vanno giustificate con chiarezza. 1) Nello spazio vettoriale V delle matrici 2 2 a coefficienti reali, considera le matrici A 1 = , A 4 =
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Matematica Esame di Geometria 1 con Elementi di Storia Prof. F. Tovena 30 gennaio 2015 Le risposte vanno giustificate con chiarezza. 1 Nello
Dettagli0.1 Soluzioni esercitazione IV, del 28/10/2008
1 0.1 Soluzioni esercitazione IV, del 28/10/2008 Esercizio 0.1.1. Risolvere, usando il teorema di Cramer, i seguenti sistemi lineari 2x + y + z = 0 x + 3z = 1 x y z = 1 kx + y z = 1 x y + 2z = 1 2x + 2y
DettagliEsame di Geometria e Algebra Lineare
Esame di Geometria e Algebra Lineare Esame scritto: 28 Luglio 2014 Esame orale: Cognome: Nome: Matricola: Tutte le risposte devono essere motivate. Gli esercizi vanno svolti su questi fogli, nello spazio
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
Dettagli8 novembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliGeometria BAER I canale Foglio esercizi 3
Geometria BAER I canale Foglio esercizi 3 Esercizio. Discutere le soluzioni del seguente sistema lineare nelle incognite,, z al variare del parametro k. 3 + kz = k k + 3z = k k + z = Soluzione: Il determinante
DettagliMauro Saita, Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi vettoriali R, IR 2, IR 3 motivando
CORSO DI ALGEBRA LINEARE: Esercitazione n.1 del 20/12/2004. Mauro Saita, e-mail: maurosaita@tiscalinet.it 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 DOCENTE: MATTEO LONGO Rispondere alle domande di Teoria in modo esauriente e completo. Svolgere il maggior numero di esercizi
DettagliESEMPIO DI SISTEMA LINEARE CON SOLUZIONE. Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R:
ESEMPIO DI SISTEMA LINEARE CON SOLUZIONE Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R: x 1 + x = 0 6x 1 + (λ + )x + x 3 + x 4 = 1 x 1 4x + (λ + 1)x 3 + 6x 4 = 3
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 7 GIUGNO 06 MATTEO LONGO Ogni versione del compito contiene solo due tra i quattro esercizi 6-7-8-9. Esercizio. Considerare
DettagliAutovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2014-2015 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare (associativa, distributiva
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
DettagliParte 4. Spazi vettoriali
Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
DettagliDIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE
DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DOCENTI: S. MATTAREI (TITOLARE), G. VIGNA SURIA, D. FRAPPORTI Prima settimana. Lezione di martedí 23 febbraio 2010 Introduzione al corso: applicazioni dell
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria 1 che ho tenuto presso la
DettagliEsame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 30 Aprile 2015 Cognome: Nome: Matricola:
Esame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 3 Aprile 25 Cognome: Nome: Matricola: Tutte le risposte devono essere motivate. Gli esercizi vanno svolti su questi
DettagliMatematica discreta 1 [145016]
Facoltà di Scienze Matematiche, Fisiche e Naturali anno accademico 2008/09 Registro dell'attività didattica Matematica discreta 1 [145016] Attività didattica: Attività didattica [codice] Corso di studio
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 2012-2013 Prova scritta del 15-7-2013 TESTO E SOLUZIONI A. Per il primo esonero svolgere gli esercizi 1,2,3; B. Per
DettagliGeometria e Topologia I 18 maggio
Geometria e Topologia I 18 maggio 2005 64 17 Mappe affini (17.1) Definizione. Siano X e Y due spazi affini sullo stesso campo K. Una funzione f : X Y si dice affine (anche, mappa affine o trasformazione
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliLezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
DettagliGeometria per Fisica e Astrofisica
Geometria per Fisica e Astrofisica Soluzione esercizi - Foglio 3 Esercizio. Risolvere i seguenti sistemi lineari al variare dei parametri reali α β e k < < (a) x + y z = αx + αy + βz = x + y z = β. (b)
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliEsame scritto di Geometria I
Esame scritto di Geometria I Università degli Studi di Trento Corso di laurea in Fisica A.A. 26/27 Appello di febbraio 27 Esercizio Sia f h : R R l applicazione lineare definita da f h (e ) = 2e + (2 h)e
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliGeometria I 2009-mag
Geometria I 2009-mag-06 124 17 Mappe affini Cfr: Nacinovich, Cap V, 3 [3]. (17.1) Definizione. Siano X e Y due spazi affini sullo stesso campo K. Una funzione f : X Y si dice affine (anche, mappa affine
Dettagli1.[25 punti] Risolvere il seguente sistema di equazioni lineari al variare del parametro reale λ: X +Y +Z = 2. X 2Y +λz = 2
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA SCRITTA DI GEOMETRIA A del 27 giugno 2011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
DettagliALGEBRA LINEARE: LEZIONI DAL 10 AL 18 OTTOBRE
ALGEBRA LINEARE: LEZIONI DAL 10 AL 18 OTTOBRE Sommario delle lezioni 10 Ott: Lezione 4. Dipendenza ed indipendenza lineare. Sottospazio generato da un sottoinsieme. Sottospazio generato da un numero finito
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI 4 GEOMETRIA 2008/09 Esercizio 4.1 (5.10). Dati i vettori di R 3 : v 1 (1, 1, 2), v 2 (2, 4, 6), v 3 ( 1, 2, 5), v 4 (1, 1, 10) determinare
Dettagli1 Rette nel piano ordinario. Rette e piani nello spazio ordinario
1 Rette nel piano ordinario. Rette e piani nello spazio ordinario 1.1 Vettori applicati Nel seguito denotiamo con P l insieme dei punti del piano ordinario, e con S l insieme dei punti dello spazio ordinario.
Dettagli20 gennaio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
0 gennaio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore.
DettagliA.A. 2014/2015 Corso di Algebra Lineare
A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliMatematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/2012 Tema A
Matematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/202 Tema A NOME:..................................................... COGNOME:.....................................................
Dettagli