Lezione 3: Span, indipendenza lineare
|
|
- Bianca Santi
- 5 anni fa
- Visualizzazioni
Transcript
1 Lezione 3: Span indipendenza lineare Nella lezione scorsa abbiamo visto la definizione di spazio vettoriale e di sottospazio. Ora cerchiamo di descrivere questi oggetti in modo piu efficiente. 1 Combinazione lineare Span Ogni spazio vettoriale V {0} contiene infiniti vettori; infatti basta che V contenga un vettore v e immediatamente deve contenere anche tutti i suoi multipli cioè λv V per ogni λ R. Vediamo un esempio per capire meglio. Consideriamo il ssv W = {(xax) x R} in R 2 esaminato nella lezione precedente. Si tratta della retta del piano cartesiano di equazione y = ax e possiamo descriverla in modo alternativo come l insieme i multipli del vettore (1a) W = {(xy) (xy) = λ(1a)}. Infatti graficamente è chiaro che se conosciamo un punto di una retta (nel piano ma anche nello spazio tridimensionale R 3 ) allora possiamo disegnare subito la retta corrispondente passante per l origine. Diciamo allora che il vettore (1a) genera il ssv W dato dalla retta y = ax. La parola genera non è casuale in quanto appunto tutti i vettori del sottospazio W sono multipli di(1 a). Notiamo inoltre che la scelta del vettore (1 a) generatore di W è arbitraria potevamo benissimo scegliere anche un suo qualunque multiplo come (17 17a). Vediamo ora un altro esempio. In R 2 consideriamo i due vettori (10) e (01). Ci chiediamo: qual è il ssv W piu piccolo che contiene entrambi questi vettori? Per i ragionamenti precedenti sappiamo che questo ssv dovra contenere le due rette W 1 e W 2 generate da (10) e (01): W 1 = {λ(10) λ R} W 2 = {µ(01) µ R} asse x asse y Sappiamo inoltre che la somma di due vettori in W deve ancora stare in W (per definizione di ssv). Ad esempio (10) + (01) = (11) W ma 1
2 anche (12)+(34) = (46) W. Lo studente è invitato a disegnare somme di vettori in R 2 usando la regola del parallelogramma per convincersi che effettivamente W = R 2. La dimostrazione grafica pero non è sufficiente per dimostrare questo fatto in quanto non è possibile disegnare tutti i vettori del piano vediamo quindi una dimostrazione algebrica. Prendiamo il vettore generico (λ0) in W 1 e (0µ)il vettore generico inw 2 e facciamone la somma: (λ0)+(0µ) = (λµ). E chiaro che ogni vettore in R 2 (xy) si puo scrivere in questo modo scegliendo λ = x e µ = y. Quindi abbiamo trovato che il piu piccolo ssv in R 2 contenente i vettori (10) e (01) è tutto R 2. Ora formalizziamo il concetto di generazione di un ssv che abbiamo descritto con gli esempi precedenti. Definizione 1.1. Sia V uno spazio vettoriale v 1...v n un insieme di vettori in V e siano λ 1...λ n R. Il vettore w = λ 1 v λ n v n si dice combinazione lineare di v 1...v n con scalari λ 1...λ n. Adesempio(11)ècombinazionelinearedi(10)e(01)conscalariλ 1 = 1 e λ 2 = 1 ma anche combinazione lineare di (21) e (10) con scalari λ 1 = 1 e λ 2 = 1. Veniamo adesso al concetto di span e di generatori che è uno dei protagonisti di questa lezione insieme al concetto di lineare indipendenza. Definizione 1.2. Sia V uno spazio vettoriale e {v 1...v n } un insieme di vettori in V. Si definisce span dei vettori v 1...v n l insieme di tutte le loro combinazioni lineari cioè Span{v 1...v n } = {λ 1 v 1 + +λ n v n λ 1...λ n R}. [Nota: lo span si indica talvolta con v 1...v n ]. Abbiamo visto che per esempio lo span di un vettore non nullo in R 2 è una retta mentre lo span dei due vettori (10) e (01) in R 2 è tutto R 2. Definizione 1.3. Sia V uno spazio vettoriale {v 1...v n } un insieme di vettori in V. Si dice che {v 1...v n } generano V o che {v 1...v n } è un insieme di generatori di V se V = Span{v 1...v n }. Proposizione 1.4. Sia V uno spazio vettoriale e v 1...v n un insieme di vettori in V. Span{v 1...v n } è un ssv di V ed è il piu piccolo ssv di V contenente v 1...v n. 2
3 Dimostrazione: Siano vw v 1...v n. Allora esisteranno degli scalari α 1...α n e β 1...β n tali che: e pertanto Inoltre se λ R v = α 1 v 1 + +α n v n w = β 1 v 1 + +β n v n v+w = (α 1 +β 1 )v 1 + +(α n +β n )v n v 1...v n. kv = (kα 1 )v 1 + +(kα n )v n v 1...v n. Questo dimostra che Span{v 1...v n } è un ssv di V. Sia ora v = λ 1 v λ n v n Span{v 1...v n } e sia Z un ssv di V contenente v 1...v n. Allora Z contiene anche λ 1 v 1...λ m v n perchè essendo uno spazio vettoriale se contiene dei vettori contiene anche tutti i loro multipli. Inoltre poichè è chiuso rispetto alla somma contiene anche λ 1 v 1 + +λ n v n = v. Quindi Span{v 1...v n } Z. Vediamo ora un esempio che ci riallaccia a quanto abbiamo visto nella prima lezione a proposito della soluzione di sistemi lineari dipendenti da un parametro. Esempio Vogliamo determinare lo span dei vettori (11) (2k) al variaredel parametro k. Datoche siamo inr 2 èsempre utile fareun disegno. Span{(11)(2k)} = λ 1 (11)+λ 2 (2k) = (λ 1 +2λ 2 λ 1 +kλ 2 ). Vediamo subito che se k = 2 allora i due vettori giacciono sulla stessa retta e cioè su Span{11}. Se invece k 2 facciamo vedere che il loro span è tutto R 2. Dobbiamo mostrare che possiamo scegliere sempre λ 1 e λ 2 in modo che (λ 1 +2λ 2 λ 1 +kλ 2 ) = (ab) per ogni fissato vettore nel piano (a b). Lasciamo per esercizio la verifica che questo sistema ammette sempre soluzione se k Modifichiamo ora leggermente questo esempio. Vogliamo calcolare lo span dei vettori: (11) ( 1 1) (2k) al variare del parametro k. Span{(11)(2k)( 1 1)} = λ 1 (11)+λ 2 (2k)+λ 3 ( 1 1) = = (λ 1 2λ 2 λ 3 λ 1 +kλ 2 λ 3 ). 3
4 Ci aspettiamo dal il ragionamento precedente che questi vettori generino quasi sempre R 2 (cioè per quasi ogni valore di k). Ma vediamo una dimostrazione rigorosa. Vogliamo mostrare che possiamo sempre scegliere λ 1 λ 2 λ 3 tali che (λ 1 +2λ 2 λ 3 λ 1 +kλ 2 λ 3 ) = (ab) per ogni fissato vettore nel piano (ab). Un facile calcolo di risoluzione dei sistemi lineari dipendenti da un parametro con l algoritmo di Gauss mostra che questo sistema ammette sempre soluzione (per ogni a e b fissati) purchè k 2. Quando invece k = 2 abbiamo: (λ 1 +2λ 2 λ 3 λ 1 +2λ 2 λ 3 ) = (ab) dunque necessariamente a = b percio gli unici vettori che possiamo generare sono quelli del tipo (aa) e cioè che giacciono sulla retta y = x. In realta un accurata analisi del problema ci poteva dare subito la risposta a questo problema senza alcun calcolo: infatti bastava che notassimo che il vettore ( 1 1) era superfluo nel calcolo dello span in quanto giacente sulla retta generata da (1 1). Dunque potevamo tranquillamente ignorarlo e dare subito come risposta la soluzione dell esempio 1. Abbiamo percio visto che nel descrivere un ssv usando lo span alcuni vettori siano superflui cioè anche eliminandoli lo span non cambia. Cio accade ad esempio quando abbiamo un vettore multiplo di un altro ma anche quando un vettore è realizzato come somma di altri due. Ad esempio abbiamo visto che Span{(10)(01)} = R 2 ma anche (come lo studente puo direttamente verificare): Span{(10)(01)(11)}= R 2. Questo fenomeno è formalizzato dalla seguente proposizione. Proposizione 1.6. Sia V uno spazio vettoriale v 1...v n vettori in V e w una loro combinazione lineare cioè: w = λ 1 v 1 + +λ n v n. Allora: Span{v 1...v n } = Span{v 1...v n w} Dimostrazione. Chiaramente il primo insieme è contenuto nel secondo(perchè?) dunque per dimostrare il risultato è sufficiente far vedere che il secondo insieme è contenuto nel primo cioè per ogni α 1...α n α R α 1 v α n v n +αw Span{v 1...v n } 4
5 Scriviamo meglio: α 1 v α n v n +α(λ 1 v 1 + +λ n v n ) = = (α 1 +αλ 1 )v (α n +αλ n )v n Span{v 1...v n }. Il problema che ci poniamo ora è: come fare a stabilire quali sono i vettori superflui nella descrizione dello span di un insieme di vettori? Se vogliamo essere efficienti nella descrizione di un ssv dobbiamo poterlo descrivere come span del numero minimo di vettori possibile. La risposta a questa domanda viene dal concetto di indipendenza lineare. Questo è di gran lunga il concetto piu difficile da digerire ed è il pilastro su cui si basa l intera teoria che noi faremo. In pillole la storia è: se un insieme di vettori è linearmente indipendente allora siamo sicuri che è il modo piu efficiente di descrivere il sottospazio generato da quei vettori e cioè che stiamo usando il numero minimo di vettori senza averne alcuno superfluo. Vediamo allora la definizione e poi con una serie di piccoli passi e lemmi arriveremo nella prossima lezione a dimostrare quanto asserito sopra. Definizione 1.7. Sia V uno spazio vettoriale e siano v 1...v n V. Diciamo che v 1...v n sono linearmente dipendenti se esistono scalari λ 1...λ n non tutti nulli tali che λ 1 v λ n v n = 0. Osservazione: Si ha dunque che v 1...v n sono linearmente in dipendenti se l uguaglianza λ 1 v λ n v n = 0 è soddisfatta solo se i λ i sono tutti nulli cioè solo se λ 1 = λ 2 =... = λ n = 0. Rivediamo gli esempi precedenti. L insieme di vettori {(10)(01)}inR 2 è un insieme di vettori linearmente indipendente infatti l unica combinazione lineare che da il vettore nullo è quella ottenuta con scalari tutti nulli: solo se α = β = 0. α(10)+β(01) = (αβ) = (00) Invece l insieme di vettori {(1 0)(0 1)(1 1)} è linearmente dipendente poichè esiste una combinazione lineare dei vettori dati con scalari non tutti nulli che è uguale al vettore nullo. (10)+(01) (11) = (00). Vediamo un esempio piu complesso. 5
6 Esempio 1.8. Consideriamo l insiemedivettoriinr 2 [x]: {x+1x 2 12x 1}. Ci chiediamo: è un insieme di vettori linearmente indipendenti? Se conoscessimo qualche cosa in piu di algebra lineare la risposta sarebbe immediata per il momento dobbiamo fare i calcoli. Scriviamo una combinazione lineare generica e poniamola uguale al vettore nullo: Da cui: α 1 (x+1)+α 2 (x 2 1)+2α 3 +α 4 (x 1) = 0. α 2 (x 2 )+(α 1 +α 4 )x+(α 1 al 2 +2α 3 al 4 ) = 0. Da cio ricaviamo il sistema lineare: α 2 = 0 α 1 +α 4 = 0 α 1 α 2 +2α 3 α 4 = 0 Lasciamo allo studente per esercizio la verifica che questo sistema ammette infinite soluzioni. Ad esempio ammette la soluzione: α 1 = 1 α 2 = 0 α 3 = 1. α 4 = 1. Dunque possiamo scrivere esplicitamente una combinazione lineare dei vettori dati che dia il vettore nullo e non abbia scalari tutti nulli: 1 (x+1) (x 1) = 0 Quando abbiamo una combinazione lineare di questo tipo possiamo sempre scrivere uno dei vettori come combinazione lineare degli altri ad esempio: (x+1) = 2+(x 1) [Naturalmente non tutti i vettori dati in un insieme linearmente dipendente possono essere espressi in funzione degli altri ad esempio vediamo che non c è modo di esprimere x 2 1 come combinazione lineare degli altri.] La cosa importante da notare è che eliminando in un insieme di vettori linearmente dipendenti uno che è combinazione lineare degli altri lo span non cambia (vedi proposizione precedente) e il nuovo insieme ottenuto puo essere diventato linearmente indipendente [Nota: attenzione pero che non è detto per esempio nell insieme 2x 3x 4x anche eliminando un vettore l insieme resta linearmente dipendente come lo studente puo verificare]. In qualche modo la lineare indipendenza ci dice che abbiamo raggiunto il numero minimo di vettori necessari a descrivere lo span. Questo concetto sara esplorato con molta attenzione nella lezione successiva sulle basi. Intanto formalizziamo in una proposizione quanto abbiamo capito sulla lineare indipendenza. 6
7 Proposizione 1.9. Un insieme di vettori {v 1...v n } in uno spazio vettoriale V è linearmente dipendente se e solo se almeno uno dei suoi elementi è combinazione lineare degli altri. Dimostrazione. Supponiamo che {v 1...v n } siano linearmente dipendenti. Allora esistono degli scalari α 1...α n R non tutti nulli tali che Supponiamo α k 0 allora: α 1 v 1 + +α n v n = 0. v k = 1 α k (α 1 v 1 + +α k 1 v k 1 +α k+1 v k+1 + +α n v n ) e dunque v k è combinazione lineare degli altri. Viceversa supponiamo che esistano degli scalari α i tali che v k = α 1 v 1 + +α k 1 v k 1 +α k+1 v k+1 + +α n v n allora portando v k a destra del segno di uguale α 1 v 1 + α k 1 v k 1 +( v k )+α k+1 v k+1 + +α n v n = 0 Vediamo un caso particolare di questa proposizione molto utile negli esercizi. Proposizione Due vettori sono linearmente indipendenti se e solo se non sono uno multiplo dell altro. La dimostrazione di questa proposizione è immediata: basta guardare la dimostrazione della proposizione precedente e adattarla a questo caso. Attenzione. Affinchè un insieme di vettori sia linearmente dipendente è sufficiente trovare un vettore che sia combinazione lineare degli altri. Ad esempio se vediamo che un vettore è multiplo di un altro allora sappiamo subito che l insieme è linearmente dipendente. I seguenti insiemi sono linearmente dipendenti senza che noi facciamo alcun calcolo (ma lo studente dovrebbe farli se non vede il perchè e vuole convincersi!). In R 3 : {(100)(010)(001)(020)}. In R 3 : {(100)(010)( 120)(121)}. 7
8 In R 3 [x]: {2x+7x 3 3x1}. In R 3 [x]: {0x1 xx 3 }. In M 22 : {( ) ( ) ( ) ( )} Attenzione. Anche se è vero che in un insieme di vettori basta trovare che uno è multiplo di un altro affinchè l insieme sia linearmente dipendente non è vero il contrario!. Come il secondo esempio sopra mostra posso avere un insieme di vettori linearmente dipendenti in cui nessuno è multiplo di un altro. La prossima proposizione ci mostra che invece togliendo vettori ad un insieme linearmente indipendente l insieme resta linearmente indipendente. Proposizione Un sottoinsieme di un insieme di vettori linearmente indipendenti è ancora linearmente indipendente. Dimostrazione. Supponiamo per assurdo che I sia un insieme di vettori linearmente indipendenti e che J I sia un sottoinsieme di vettori dipendenti. Allora esiste un vettore in J che si scrive come combinazione lineare degli altri. Ma allora si esprime anche come combinazione lineare dei vettori di I e quindi I è un insieme linearmente dipendente contraddicendo l ipotesi. Esercizi Si dica se i seguenti insiemi di vettori sono linearmente dipendenti o indipendenti: 1. I vettori v 1 = (211) v 2 = (321) e v 3 = (622) in R I polinomi 1 X X 2 X 3 in R[X]. 3. Le seguenti matrici di M 2 2 (R): ( ) ( ) ( ) Gli esercizi seguenti sono tutti presi da compiti di esame degli anni precedenti. 8
9 Esercizi 1. Siano dati in R 3 i vettori: 1 2 k 1 v 1 = k v 2 = 2 v 3 = 0 w = a) Dare i valori di k per i quali w span{v 1 v 2 v 3 }. b) Dare i valori di k per i quali i tre vettori v 1 v 2 v 3 sono linearmente indipendenti. 2. a) Si studino al variare di k le soluzioni del seguente sistema lineare dipendente da un parametro con il metodo di Gauss: x+ky z = 1 kx ky +2z = 0 2x ky +kz = 1 b) Dire per quale valore del parametro k il vettore (101) appartiene allo span dei vettori: (1k2) (k k k) ( 12k). 3. a) Enunciare chiaramente la definizione di vettori linearmente indipendenti. b) Dati i vettori u = ( ) 1 v = 1 ( ) ( ) 0 2 w = 2 2 dire se sono linearmente indipendenti e calcolare il loro span. c) Sia V uno spazio vettoriale. Dimostrare che l insieme {uvu v} è linearmente dipendente. (Se si intende usare un risultato enunciarlo chiaramente). 4. Si dica per quali valori di k si ha che ( ) {( 2 k w = Span 5 1 ) ( )} 1 2 9
10 5. In R 2 [x] spazio vettoriale dei polinomi di grado al piu 2 a coefficienti reali si diano esempi dei seguenti insiemi: 1) Un insieme di generatori che non siano linearmente indipendenti. 2) Un insieme di vettori linearmente indipendenti che non generino lo spazio. 6. Sia R 2 [x] l insieme dei polinomi di grado minore o uguale a 2 a coefficienti reali. Si trovino i valori di a e b per i quali i vettori x 2 +abx ax 2 +2bx a sono linearmente indipendenti. Se a = 1 e b = 2 tali vettori generano R 2 [x]? 7. Siano a b e c le ultime tre cifre non nulle del numero di matricola. Si dica per quali valori del parametro k i vettori di R 3 [x]: v 1 = b+x v 2 = kx+ax 2 v 3 = ax+kx 2 v 4 = x 3 sono linearmente indipendenti. 8. Siano a b e c le ultime tre cifre non nulle del numero di matricola. ( ) 1 a a) Si stabilisca per quali valori del parametro k le matrici 0 0 ( ) 1 k a sono linearmente indipendenti. k 0 ( k 0 b 0 b) Si stabilisca{( per quali ) valori del} parametro k tali matrici generano il sottospazio W = R di Mat r s rst t 0 22 (R). ) 10
Lezione 4: Base e dimensione
Lezione 4: Base e dimensione 1 Base: definizione ed esempi Come la parola stessa suggerisce, il concetto di base di uno spazio vettoriale e fondamentale e racchiude tutte le informazioni necessarie a ricostruire
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 40 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi 3 Sistemi
DettagliCorso 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 =,
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
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
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
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.
DettagliCapitolo 2 Spazi vettoriali Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 2 Spazi vettoriali Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 27 Introduzione Gli esercizi di questo capitolo riguardano i seguenti argomenti: Dato un insieme,
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
DettagliF x 1 = x 1 + x 2. 2x 1 x 2 Determinare la matrice C associata a F rispetto alla base canonica (equivalentemente,
Corso di Laurea in Fisica. Geometria 1. a.a. 2006-07. Gruppo B. Prof. P. Piazza Esonero del 1/12/06 con soluzione Esercizio. Spazio vettoriale R 2 con base canonica fissata e coordinate associate (x 1,
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,
DettagliEsercizi di Geometria 1 - Foglio 3bis
Esercizi di Geometria - Foglio 3bis Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso dicembre 7 Esercizio. Sia f : V W un applicazione e G = {(v,
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
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,
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
DettagliLezione del 5 dicembre. Sottospazi vettoriali.
Lezione del 5 dicembre. Sottospazi vettoriali. 1. Sottospazi vettoriali. Identificato lo spazio con R 3 tramite un sistema di riferimento cartesiano ortogonale, consideriamo un piano passante per l origine
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
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
DettagliOsservazioni generali
Osservazioni generali Innanzitutto Non si può dividere per. Per i numeri complessi Quando si risolve z 3 = az con a dato, ricordarsi di stare attento per che cosa si divide. Infatti non si può dividere
DettagliAlgebra Lineare e Geometria, a.a. 2012/2013
Diario delle esercitazioni e lezioni per il corso di Algebra Lineare e Geometria, a.a. 2012/2013 (solo la parte per Fisici e Matematici, non ci sono le lezioni del Modulo B) Lidia Stoppino Lezione 1 9
DettagliPer capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi.
Lezione 14 14.1 Combinazioni lineari Definizione 14.1. Sia V uno spazio vettoriale su un campo K = R, C esiano v 1,...,v n 2 V vettori fissati. Un vettore v 2 V si dice combinazione lineare di v 1,...,v
DettagliRango di una matrice e teorema di Rouché-Capelli
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
DettagliRette e piani in R 3
Rette e piani in R 3 In questa dispensa vogliamo introdurre in modo elementare rette e piani nello spazio R 3 (si faccia riferimento anche al testo Algebra Lineare di S. Lang). 1 Rette in R 3 Vogliamo
DettagliSoluzioni primi compitini - Geometria 1
Soluzioni primi compitini - Geometria Caterina Vernieri Ottobre 7 Le soluzioni proposte non sono state riviste dai professori Soluzioni Primi Compitini - G I compitino 7//3 Esercizio Al variare di α R
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
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
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliLezione 2: Spazi Vettoriali
Lezione 2: Spazi Vettoriali In questa lezione vogliamo introdurre il vero protagonista dell algebra lineare: lo spazio vettoriale. Si tratta di una astrazione che comprende concetti che già ben conosciamo;
DettagliA = e 1 = e 2 + e 3, e 2 = e 1 + e 3, e 3 = e 1, ; e 3 =
aa -6 Soluzioni Esercizi Applicazioni lineari Sia data l applicazione lineare F : R R, F X A X, dove A i Sia {e, e, e } la base canonica di R Far vedere che i vettori e e + e, e e + e, e e, formano una
DettagliEsercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare
Esercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare 1. Quali dei seguenti sottoinsiemi sono sottospazi di R 3? Motivare la risposta. (a) {(x, y, 1) x, y R} (b) {(0, y, 0) y R} (c)
DettagliTerminiamo gli ultimi due esercizi della lezione 4 SPAZI E SOTTOSPAZI VETTORIALI
Terminiamo gli ultimi due esercizi della lezione 4 SPAZI E SOTTOSPAZI VETTORIALI Dato un campo K e (V) gruppo abeliano se è definita la legge di composizione tra gli scalari λ di K e gli elementi v di
DettagliCdL in Ingegneria Gestionale e CdL in Ingegneria del Recupero Edilizio ed Ambientale
CdL in Ingegneria Gestionale e CdL in Ingegneria del Recupero Edilizio ed Ambientale Prova scritta di Geometria- 18 Giugno 008 Durata della prova: tre ore. È vietato uscire dall aula prima di aver consegnato
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliUniversità di Pisa - Ingegneria Meccanica Geometria e Algebra Lineare 2009/2010. Soluzioni esercitazione 11/11/2009
Università di Pisa - Ingegneria Meccanica Geometria e Algebra Lineare 29/2 Soluzioni esercitazione //29 Esercizio. Risolvere, al variare del parametro reale λ, il seguente sistema lineare: x 2 y z = λ
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
DettagliG. Parmeggiani, 28/4/2016 Algebra Lineare, a.a. 2015/2016, numero di MATRICOLA PARI. Svolgimento degli Esercizi per casa 7
G. Parmeggiani, 8/4/6 Algebra Lineare, a.a. 5/6, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA PARI
DettagliCorso di Laurea in Management e Marketing Esercizi di Algebra Lineare (1)
Corso di Laurea in Management e Marketing Esercizi di Algebra Lineare (1) 1) Si stabilisca se ciascuno dei seguenti sottoinsiemi di R 2 è costituito da vettori linearmente indipendenti. Si determini la
DettagliAlgebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004
Algebra Lineare. a.a. 004-05. Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/1/004 Esercizio 1. Siano V e W due spazi vettoriali e sia F : V W un isomorfismo (quindi F è lineare e
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
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
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
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. 014-01 Prova scritta del 1-6-01 TESTO E SOLUZIONI Avvertenze: A. Per il recupero del primo esonero svolgere gli esercizi
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
DettagliGeometria BAER Canale I Esercizi 11
Geometria BAER Canale I Esercizi 11 Esercizio 1. Data la retta x = t r : y = t z = 1 si trovi il punto A di r tale che l angolo di r con il vettore AO sia π/2, e il punto B di r tale che l angolo di r
Dettaglii) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 10 aprile 01 Esercizio 1 Sia E 3 lo spazio euclideo tridimensionale dotato di un riferimento cartesiano ortonormale di coordinate
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
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,
DettagliMatematica per l Economia, a.a Integrazione al libro di testo
Matematica per l Economia, a.a. 2016 2017 Integrazione al libro di testo Gianluca Amato 20 dicembre 2016 1 Note ed errata corrige Sezione 2.3, definizione di dominio. La definizione di dominio data dal
DettagliLEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =
LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se
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
DettagliCorso di Laurea in Fisica. Geometria 1. a.a Gruppo B. Prof. P. Piazza Soluzioni compito a casa del 17/11/06 B =
Corso di Laurea in Fisica. Geometria. a.a. 26-7. Gruppo B. Prof. P. Piazza Soluzioni compito a casa del 7//6 Soluzione esercizio. Sia B {e, e 2 } e sia B {v, v 2 }. La matrice B del cambiamento di base
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
Dettagli11 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliGeometria BAER Canale I Esercizi 9
Geometria BAER Canale I Esercizi 9 Esercizio 1. Si trovi la matrice del prodotto standard di R 3 rispetto alle basi B = (2, 0, 1) t, (1, 0, 2) t, (1, 1, 1) t } e D = (2, 2, 1) t, ( 1, 2, 2) t, (2, 1, 2)
DettagliCapitolo 1 Vettori applicati e geometria dello spazio
Capitolo 1 Vettori applicati e geometria dello spazio Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Tutorato di geometria e algebra lineare Anno accademico 2014-2015 Definizione (Vettore
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
Dettagli14 febbraio 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
DettagliAlgebra Lineare Corso di Ingegneria Biomedica Compito del
Algebra Lineare Corso di Ingegneria Biomedica Compito del -- - È obbligatorio consegnare tutti i fogli, anche il testo del compito e i fogli di brutta. - Le risposte senza giustificazione sono considerate
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)
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
Dettagli21 settembre 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
Dettagli1 Esercitazione tipo compitino
1 Esercitazione tipo compitino Risolvo i primi due esercizi Esercizio 1. Sia g =: L B : R 4 R 4, la funzione definita da L B (X) = BX ove B = 0 1 1 2 0 1 1 2 1 2 1 3 1. Si dimostri che L B è una funzione
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.
DettagliAlgebra lineare Ingegneria chimica 2018/2019 Seconda esercitazione guidata
Algebra lineare Ingegneria chimica 2018/2019 Seconda esercitazione guidata Massimo Caboara Esercizio 1 (A5) Siano dati i due R sottospazi vettoriali di R[x] 3 U = Span(x 3 +x 2 +7x+2, x 3 +2x 2 +31x+1,
DettagliEsame di Geometria - 9 CFU (Appello del 26 gennaio 2016)
Esame di Geometria - 9 CFU (Appello del 26 gennaio 206) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Al variare del parametro α R, si considerino la retta { x + y z = r : 2x + αy + z = 0 ed
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
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
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,
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
DettagliCirconferenze del piano
Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della
DettagliLAUREA IN INGEGNERIA CIVILE Corso di Matematica 2 II a prova di accertamento Padova Docenti: Chiarellotto - Cantarini TEMA n.
LAUREA IN INGEGNERIA CIVILE Corso di Matematica II a prova di accertamento Padova 10-1-07 Docenti: Chiarellotto - Cantarini TEMA n.1 PARTE 1. Quesiti preliminari Stabilire se le seguenti affermazioni sono
DettagliAlgebra lineare Geometria 1 15 luglio 2009
Algebra lineare Geometria 1 15 luglio 2009 Esercizio 1. Nello spazio vettoriale reale R 3 [x] si considerino l insieme A k = {1 + x, k + (1 k)x 2, 1 + (k 1)x 2 + x 3 }, il vettore v k = k + kx x 3 e la
DettagliP z. OP x, OP y, OP z sono le proiezioni ortogonali di v sugli assi x, y, z, per cui: OP x = ( v i) i. k j. P x. OP z = ( v k) k
Richiami di calcolo vettoriale Consideriamo il vettore libero v = OP. Siano P x, P y, P z le proiezioni ortogonali di P sui tre assi cartesiani. v è la diagonale del parallelepipedo costruito su OP x,
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliEsercizi per il corso di Algebra e Geometria L.
Esercizi per il corso di Algebra e Geometria L AA 2006/2007 1 Foglio 1 In tutti gli esercizi che seguiranno lo spazio ambiente sarà il piano cartesiano a valori nel campo dei numeri reali, dove supporremo
DettagliLezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio DA GENNAIO 2015 1 Da gennaio 2015 Riportiamo di seguito gli errata corrige
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 luglio 2014 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 luglio 24 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
DettagliIl Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane
0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 1 Il Teorema Spettrale In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
DettagliTeoria della Programmazione Lineare
6 Teoria della Programmazione Lineare In questo capitolo iniziamo lo studio formale dei problemi di Programmazione Lineare e, in particolare, dimostriamo il Teorema fondamentale della Programmazione Lineare.
DettagliGeometria BAER Canale A-K Esercizi 8
Geometria BAER Canale A-K Esercizi 8 Esercizio. Si consideri il sottospazio U = L v =, v, v 3 =. (a) Si trovino le equazioni cartesiane ed una base ortonormale di U. (b) Si trovi una base ortonormale di
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,
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
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.
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA PRIMO APPELLO, 15 GIUGNO 2010 VERSIONE A. 1 a 1. 0 a a 2
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA PRIMO APPELLO, 5 GIUGNO 2 VERSIONE A Esercizio Al variare del parametro reale a, si consideri l endomorfismo : R R definito dalle condizioni: a a a 2 a a 2 =,
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
Dettaglip(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,
1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato
DettagliMauro Saita Gennaio Equazioni cartesiane di rette e equazioni parametriche di piani Esempi...
ette e piani in ette e piani in. Esercizi e-mail: maurosaita@tiscalinet.it Gennaio 2016. Indice 1 Equazioni parametriche della retta 2 1.1 Esempi........................................ 2 2 Equazione cartesiana
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
Dettagli12 gennaio Commenti esame di geometria - Ing. gestionale - a.a
Questo documento riporta commenti, approfondimenti o metodi di soluzione alternativi per alcuni esercizi dell esame Ovviamente alcuni esercizi potevano essere risolti utilizzando metodi ancora diversi
DettagliEsercizi di Geometria 1 - Foglio 1
Esercizi di Geometria 1 - Foglio 1 Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso 22 dicembre 2017 Esercizio 1. Sia V uno spazio vettoriale sul
Dettagli