Applicazioni lineari e diagonalizzazione
|
|
- Annalisa Bernasconi
- 5 anni fa
- Visualizzazioni
Transcript
1 Applicazioni lineari e diagonalizzazione Autospazi Autovettori e indipendenza lineare Diagonalizzabilità e autovalori Politecnico di Torino 1
2 Esempio (1/6) Utilizzando un esempio già studiato, cerchiamo un metodo per determinare gli autovettori a partire dalla conoscenza degli autovalori. Abbiamo visto che la matrice A = ha polinomio caratteristico p A (t ) = -t 3 + 5t 2-7t +3 e autovalori λ 1 = 1 e λ 2 = 3 con m A (1) = 2 e m A (3) = Politecnico di Torino 2
3 Esempio (2/6) Gli autovettori di A relativi a 1 saranno le soluzioni non nulle del sistema omogeneo S 1 : (A I 3 ) X = O, 4x + 2y + 2z = 0 S1 : 8x 4y 4z = 0 4x + 2y + 2z = 0 che ha equazione risolvente z = -2x y. 5 Esempio (3/6) Analogamente gli autovettori di A relativi a 3 saranno le soluzioni non nulle di S 3 : (A 3I 3 )X = O, cioè 2x + 2y + 2z = 0 S3 : 8x 6y 4z = 0 4x + 2y = 0 con equazioni risolventi y = -2x, z = x Politecnico di Torino 3
4 Esempio (4/6) Poiché V 1 = sol (S 1 ) e V 3 = sol (S 3 ) sono 3 sottospazi vettoriali (SSV) di K in forma implicita, le loro dimensioni sono dimv1 = 3 r ( A I 3) = 2 e dimv3 = 3 r ( A 3I 3) = 1 in quanto r ( A I ) = r = 1, r ( A 3I ) = r = Esempio (5/6) Una base di V 1 è B 1 = {X 1 =(1,0,-2), X 2 = (0,1,-1)}. Una base di V 3 è B 3 = {X 3 =(1,-2,1)}. Si verifica direttamente che B ={X 1, X 2, X 3 } è una base di autovettori per A. Quindi, per il I Criterio di Diagonalizzabilità, A è diagonalizzabile Politecnico di Torino 4
5 Esempio (6/6) Possiamo diagonalizzare A con la matrice N = M ( X1, X 2, X 3) = ottenendo la forma diagonale = = D N AN 9 Osservazioni (1/2) Possiamo scegliere infinite basi di autovettori per la matrice A dell esempio precedente in modo da ottenere la stessa forma diagonale D : per esempio moltiplicando i vettori di B per scalari non nulli o prendendo qualsiasi altra base di V 1 utilizzando la risolvente ottenuta Politecnico di Torino 5
6 Osservazioni (2/2) D altra parte, permutando gli elementi di B abbiamo sempre una base di autovettori di A ma la relativa forma diagonale in generale varia: per esempio se B' = {X 3, X 1, X 2 }, allora otteniamo la forma diagonale D ' = In generale vi è un numero finito di possibili forme diagonali di una matrice, in quanto sono tutte ottenute permutando gli autovalori sulla diagonale. 11 Definizione di autospazio Sia A M n e sia λ K un autovalore di A. Definiamo autospazio di A relativo a λ l insieme V A (λ) = sol (S λ ) delle soluzioni del sistema omogeneo S : λ ( A λ I ). n X = O n V A (λ) è il SSV di K (in forma implicita) formato da tutti gli autovettori di A relativi a λ più il vettore nullo (che non è un autovettore ma è una soluzione di S λ!) Politecnico di Torino 6
7 Molteplicità geometrica Se λ K è un autovalore di A M n, la dimensione d A (λ) dell autospazio V A (λ) è data dalla formula della dimensione per i SSV in forma implicita: ( ) = ( ) = ( ) d λ dimv λ n r A λ I. A A n d A (λ) viene detta molteplicità geometrica di λ (come autovalore di A). Osserviamo che necessariamente d A (λ) è 1, in quanto un autospazio non può consistere nel solo vettore nullo. 13 Osservazione Nell esempio esposto in precedenza, tutti gli autovalori hanno molteplicità algebrica e geometrica uguali. Questo in generale non è vero. Per esempio, se 1 1 B = 0 1 p B (t ) = (t 1) 2, quindi B ha solo 1 come autovalore con m B (1) = 2 e d B (1) = 2 -r (B -I 2 ) = 2-1 = 1< m B (1) Politecnico di Torino 7
8 Confronto tra molteplicità geometrica e algebrica Sia A M n e sia λ K un autovalore di A. Allora: ( ) m ( ) 1 d λ λ. A Osserviamo che, se m A (λ) = 1 la precedente disuguaglianza implica che d A (λ) = m A (λ) = 1. Dunque le due molteplicità possono differire solo nel caso di autovalori multipli. A Politecnico di Torino 8
9 Metodo Nell esempio precedente abbiamo ottenuto una base di autovettori per una matrice A come unione di basi degli autospazi di A. Una condizione necessaria per poter generalizzare questo metodo è che questa unione di basi sia un insieme libero. Dunque siamo interessati a verificare l indipendenza lineare tra autovettori relativi a autovalori diversi. 17 Indipendenza di autovettori (1/3) Se A M n e se X 1, X 2 sono autovettori di A con relativi autovalori λ 1 λ 2, allora X 1, X 2 sono LI. Infatti sono entrambi O per definizione e, se fosse X 2 = αx 1, avremmo λ X = AX = Aα X = αax = αλ X = λ αx = λ X da cui λ 1 = λ 2 contro l ipotesi Politecnico di Torino 9
10 Indipendenza di autovettori (2/3) Siano ora X 1, X 2, X 3 autovettori di A con relativi autovalori λ 1, λ 2, λ 3 distinti. Se per assurdo fosse X 3 = c 1 X 1 + c 2 X 2, avremmo λ X = AX = c AX + c AX = c λ X + c λ X e da cui ( ) λ X = λ c X + c X = c λ X + c λ X c λ X + c λ X = c λ X + c λ X cioè ( ) ( ) c λ - λ X + c λ - λ X = Indipendenza di autovettori (3/3) Poiché X 1 e X 2 sono LI per il caso precedente, i coefficienti dell ultima CL devono essere nulli; d altra parte λ 3 λ 1 e λ 2 λ 1, dunque c 1 = c 2 = 0. Ma allora X 3 = O, il che è assurdo in quanto X 3 è un autovettore. Questo ragionamento si generalizza con il principio di induzione Politecnico di Torino 10
11 Teorema di Indipendenza degli Autovettori Sia A M n. Se X 1,..., X k sono autovettori di A con relativi autovalori λ 1,..., λ k distinti, allora l insieme L= {X 1,..., X k } è libero. Se p A (t ) ha radici distinte λ 1,..., λ k in K (contate senza molteplicità), allora scelta per ogni autospazio V A (λ ) i una base B k i, l insieme di vettori L = i = èlibero. 1 B i Illustriamo con un esempio il punto (2) del teorema. 21 Esempio (1/2) Sia A = M Gli autovalori di A sono 1 e 2 con m A (1) = 3 e m A (2) = 1, poiché A è triangolare superiore Politecnico di Torino 11
12 Esempio (2/2) I sistemi S 1 : (A I 4 )X = O e S 2 : (A 2I 4 )X = O hanno risolventi rispettivamente x = 4t y = z e y = 3t t = 0 z = t Base di V A (1) : x B 1 = {X 1 = (1, 0, 0, 0), X 2 = (0, 1, 1, 0)}. Base di V A (2): x B 2 = {X 3 = (4, 3, 1, 1)}. Si verifichi che X 1, X 2, X 3 formano un insieme libero Politecnico di Torino 12
13 Diagonalizzabilità con autovalori semplici (1/2) Dal Teorema di Indipendenza degli Autovettori deduciamo che se A M n ha n autovalori λ 1,..., λ n distinti, allora A è diagonalizzabile. Infatti, prendendo per ogni λ i un autovettore X i, l insieme B ={X 1,..., X n } è libero e quindi è una base di autovettori per A. 25 Diagonalizzabilità con autovalori semplici (2/2) ATTENZIONE!: Il viceversa non è vero! Se una matrice n x n è diagonalizzabile non possiamo concludere che ha necessariamente n autovalori distinti. Per esempio I n ha il solo autovalore 1 con molteplicità n ma è diagonalizzabile in quanto diagonale Politecnico di Torino 13
14 Diagonalizzabilità con autovalori multipli Il secondo punto del Teorema di Indipendenza degli Autovettori ci dice che un insieme libero di autovettori di A M n al massimo può avere tanti elementi quanto la somma delle molteplicità geometriche degli autovalori di A. Dunque tale somma sarà uguale a n se e solo se esiste una base di autovettori per A, cioè se e solo se A è diagonalizzabile. Inoltre: n ( ) ( ) n A i i = 1 i = 1 A i d λ m λ n. 27 II Criterio di Diagonalizzabilità Sia A M n. Se p A (t ) ha radici distinte λ 1,..., λ k in K, allora A è diagonalizzabile se e solo se sono verificate le seguenti condizioni: k i = 1mA ( λ i ) = n. d A (λ ) i =m A (λ ) i per ogni i = 1,..., k. In altre parole, A è diagonalizzabile se e solo se la somma delle molteplicità algebriche degli autovalori è n (massima possibile) e per ogni autovalore la molteplicità algebrica è uguale a quella geometrica Politecnico di Torino 14
15 Diagonalizzazione in presenza di parametri (1/8) Come applicazione del II Criterio di Diagonalizzabilità, studiamo al variare di k in R la diagonalizzabilità della famiglia di matrici Ak = 2 1 k 3. 1 k 1 29 Diagonalizzazione in presenza di parametri (2/8) Il polinomio caratteristico di A k è, sviluppando D(A k ti 3 ) lungo la prima riga, 3 t 0 0 p A k t t k t t t k k 1 k 3 1 t ( ) 2 ( ) = det 2 1 = ( 3 ) ( 3) Al variare di k, gli autovalori di A k sono λ 1 = 3, λ 2 = 1 + 3, λ 3 = 1 - k k 3 k ( k ) ( ) Politecnico di Torino 15
16 Diagonalizzazione in presenza di parametri (3/8) Se 0 < k < 3 allora k (k -3) < 0 e λ 2, λ 3 sono complessi coniugati. Quindi A k non è diagonalizzabile su R mentre lo è su C essendoci in C tre autovalori distinti. 31 Diagonalizzazione in presenza di parametri (4/8) Per k 0 o k 3 gli autovalori sono tutti reali. Vi sono autovalori multipli per i k tali che il discriminante è 0, cioè per k = 0 e k = 3, e per i k tali che 1 ± k ( k 3) = 3. Questi ultimi sono k = -1 e k = 4. Quindi per k > 3, k < 0 e k -1, 4, A k è diagonalizzabile su R. Esaminiamo ora separatemente i casi k = 0, 3, 4, Politecnico di Torino 16
17 Diagonalizzazione in presenza di parametri (5/8) k = 0. Autovalore 1 con molteplicità algebrica 2. Allora r ( A0 I 3) = r = 2 implica dimv A ( 1) = quindi A 0 non è diagonalizzabile. 33 Diagonalizzazione in presenza di parametri (6/8) k = 3. Autovalore 1 con molteplicità algebrica 2. Allora r ( A3 I 3) = r = 2 implica dimv A ( 1) = quindi A 3 non è diagonalizzabile Politecnico di Torino 17
18 Diagonalizzazione in presenza di parametri (7/8) k = 4. Autovalore 3 con molteplicità algebrica 2. Allora r ( A4 3I 3) = r = 2 implica dimv A ( 3) = quindi A 4 non è diagonalizzabile. 35 Diagonalizzazione in presenza di parametri (8/8) k = -1. Autovalore 3 con molteplicità algebrica 2. Allora r ( A 1 3I 3) = r = 1 implica dimva ( 3) = quindi A -1 è diagonalizzabile Politecnico di Torino 18
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.
DettagliEsercizi su Autovalori e Autovettori
Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliProf. Stefano Capparelli
APPUNTI PER UN SECONDO CORSO DI ALGEBRA LINEARE Prof. Stefano Capparelli A mia madre Prefazione. Brevi Richiami di Algebra Lineare. Forma Canonica di Jordan.. Blocco di Jordan.. Base di Jordan.. Polinomio
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliCORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA
COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno
DettagliAppunti di Algebra Lineare. Antonino Salibra
Appunti di Algebra Lineare Antonino Salibra January 11, 2016 2 Libro di testo: Gilbert Strang, Algebra lineare, Edizioni Apogeo 2008 Programma di Algebra Lineare (2015/16) (da completare): 1. Campi numerici.
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliLEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1
LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,
DettagliPierangelo Ciurlia, Riccardo Gusso, Martina Nardon
Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Pierangelo Ciurlia, Riccardo Gusso, Martina Nardon Esercizi di algebra lineare e sistemi di equazioni lineari con applicazioni
DettagliELEMENTI DI ALGEBRA LINEARE E GEOMETRIA Corso di Laurea Ingegneria Edile-Architettura
Cognome Nome Matricola ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA Corso di Laurea Ingegneria Edile-Architettura (Primo appello/ii prova parziale 15/6/15 - Chiarellotto-Urbinati) Per la II prova: solo esercizi
DettagliAutovalori e Autovettori
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
Dettagli1 Regole generali per l esame. 2 Libro di Testo
FACOLTÀ DI INGEGNERIA Corso di GEOMETRIA E ALGEBRA (mn). (Ing. per l Ambiente e il Territorio, Ing. Informatica - Sede di Mantova) A.A. 2008/2009. Docente: F. BISI. 1 Regole generali per l esame L esame
DettagliTutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica
Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13
DettagliUniversità degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof.
Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Antonio Cigliola Prerequisiti Logica elementare. Principio di Induzione.
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
DettagliRipasso di Calcolo Scientifico: Giulio Del Corso
Ripasso di Calcolo Scientifico: Giulio Del Corso Queste dispense sono tratte dalle lezioni del Prof. Gemignani e del Prof. Bini del corso di Calcolo Scientifico (2014/2015) dell università di Pisa. Non
DettagliLezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine
Lezione 6 Nucleo, Immagine e Teorema della Dimensione In questa lezione entriamo nel vivo della teoria delle applicazioni lineari. Per una applicazione lineare L : V W definiamo e impariamo a calcolare
DettagliGeometria I A. Algebra lineare
UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali Geometria I A. Algebra lineare Prof.ssa Silvia Pianta Anno Accademico 22/23 Indice Spazi vettoriali 7 Definizione
DettagliAppunti per il Corso di Fondamenti di Algebra Lineare e Geometria
Appunti per il Corso di Fondamenti di Algebra Lineare e Geometria Marco A Garuti 4 giugno 9 Questi appunti integrano il testo adottato per il corso (Cantarini - Chiarellotto - Fiorot, Un corso di Matematica,
DettagliFacoltà di Dipartimento di Ingegneria Elettrica e dell'informazione anno accademico 2014/15 Registro lezioni del docente SPORTELLI LUIGI
Facoltà di Dipartimento di Ingegneria Elettrica e dell'informazione anno accademico 2014/15 Registro lezioni del docente SPORTELLI LUIGI Attività didattica ANALISI MATEMATICA [2000] Periodo di svolgimento:
DettagliAppunti del corso di Metodi numerici e ottimizzazione
Appunti del corso di Metodi numerici e ottimizzazione L A TEX Ninjas Andrea Cimino Marco Cornolti Emanuel Marzini Davide Mascitti Lorenzo Muti Marco Stronati {cimino,cornolti,marzini,mascitti,muti,stronati}@cli.di.unipi.it
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
DettagliAPPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A.
APPLICAZIONI LINEARI Siano V e W due spazi vettoriali, di dimensione m ed n sullo stesso campo di scalari R. Una APPLICAZIONE ƒ : V W viene definita APPLICAZIONE LINEARE od OMOMORFISMO se risulta, per
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliIntroduzione alla programmazione lineare. Mauro Pagliacci
Introduzione alla programmazione lineare Mauro Pagliacci c Draft date 25 maggio 2010 Premessa In questo fascicolo sono riportati gli appunti dalle lezioni del corso di Elaborazioni automatica dei dati
DettagliRichiami sulle derivate parziali e definizione di gradiente di una funzione, sulle derivate direzionali. Regola della catena per funzioni composte.
PROGRAMMA di Fondamenti di Analisi Matematica 2 (che sarà svolto fino al 7 gennaio 2013) A.A. 2012-2013, Paola Mannucci e Claudio Marchi, Canali 1 e 2 Ingegneria Gestionale, Meccanica-Meccatronica, Vicenza
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliSyllabus: argomenti di Matematica delle prove di valutazione
Syllabus: argomenti di Matematica delle prove di valutazione abcdef... ABC (senza calcolatrici, senza palmari, senza telefonini... ) Gli Argomenti A. Numeri frazioni e numeri decimali massimo comun divisore,
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
Dettaglif(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2))
Algebra Lineare e Geometria Analitica Politecnico di Milano Ingegneria Applicazioni Lineari 1. Sia f : R 3 R 3 l applicazione lineare definita da f(x, y, z) = (x + ky + z, x y + 2z, x + y z) per ogni (x,
DettagliLEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE
LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali
DettagliLEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W
LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se
DettagliTECNICHE DI CONTROLLO
TECNICHE DI CONTROLLO Richiami di Teoria dei Sistemi Dott. Ing. SIMANI SILVIO con supporto del Dott. Ing. BONFE MARCELLO Sistemi e Modelli Concetto di Sistema Sistema: insieme, artificialmente isolato
DettagliForme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :
Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:
DettagliLezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi
DettagliRichiami su norma di un vettore e distanza, intorni sferici in R n, insiemi aperti, chiusi, limitati e illimitati.
PROGRAMMA di Fondamenti di Analisi Matematica 2 (DEFINITIVO) A.A. 2010-2011, Paola Mannucci, Canale 2 Ingegneria gestionale, meccanica e meccatronica, Vicenza Testo Consigliato: Analisi Matematica, M.
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliGrazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof.
A01 178 Grazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof. S.M. Salamon per tanti utili suggerimenti e
Dettagli3 Applicazioni lineari e matrici
3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
Dettagli3. SPAZI VETTORIALI CON PRODOTTO SCALARE
3 SPAZI VETTORIALI CON PRODOTTO SCALARE 31 Prodotti scalari Definizione 311 Sia V SV(R) Un prodotto scalare su V è un applicazione, : V V R (v 1,v 2 ) v 1,v 2 tale che: i) v,v = v,v per ogni v,v V ; ii)
DettagliCompito di SISTEMI E MODELLI. 19 Febbraio 2015
Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.
DettagliFOGLIO 6 - Esercizi Riepilogativi Svolti. Nei seguenti esercizi, si consideri fissato una volta per tutte un riferimento proiettivo per
Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Edile/Architettura Esercizi per il corso di GEOMETRIA 2 - aa 2007/2008 Docente: Prof F Flamini - Tutore: Dott M Paganin FOGLIO 6 - Esercizi
Dettaglisezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche.
sezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche. Potenze e percentuali Sezione 0.3: Disuguaglianze Sezione
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze
DettagliMetodi iterativi per sistemi lineari
Metodi iterativi per sistemi lineari Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi ai metodi iterativi per risolvere sistemi di equazioni
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliFacoltà di Ingegneria anno accademico 2007/08 Registro dell'attività didattica. Calcolo 2 [40214]
Facoltà di Ingegneria anno accademico 2007/08 Registro dell'attività didattica Calcolo 2 [40214] Attività didattica: Attività didattica [codice] Corso di studio Facoltà Calcolo 2 [40214] Ingegneria delle
DettagliI polinomi 1; x;x 2 ;x 3 sono linearmente indipendenti; infatti. 0= 1 1+ 2 x+ 3 x 2 + 4 x 3 =) 1 = 2 == 4 =0
ASPETTI TEORICI Spazio vettoriale Un insieme qualunque di inniti elementi V = fv i g si dice uno spazio vettoriale sull'insieme dei numeri reali R se: { E possibile denire un'operazione binaria fra gli
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliAlgebre di Lie semisemplici, sistemi di radici e loro classificazione
UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA MAGISTRALE IN MATEMATICA Algebre di Lie semisemplici, sistemi di radici e loro classificazione Relatore
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliProva scritta di Geometria 2 Prof. M. Boratynski
10/9/2008 Es. 1: Si consideri la forma bilineare simmetrica b su R 3 associata, rispetto alla base canonica {e 1, e 2, e 3 } alla matrice 3 2 1 A = 2 3 0. 1 0 1 1) Provare che (R 3, b) è uno spazio vettoriale
Dettagli5 DERIVATA. 5.1 Continuità
5 DERIVATA 5. Continuità Definizione 5. Sia < a < b < +, f : (a, b) R e c (a, b). Diciamo che f è continua in c se sono verificate le ue conizioni: (i) c esiste (ii) = f(c) c Si osservi che nella efinizione
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliSiano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione
DettagliAlgebra lineare for dummies
Algebra lineare for dummies Sergio Polini 26 settembre 22 Indice Premessa 2 Spazi vettoriali 3. Definizione................................ 3.2 Sottospazi vettoriali........................... 3.3 Indipendenza
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
DettagliAppunti di Algebra Lineare
Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e
DettagliLaboratorio teorico-pratico per la preparazione alle gare di matematica
Laboratorio teorico-pratico per la preparazione alle gare di matematica Ercole Suppa Liceo Scientifico A. Einstein, Teramo e-mail: ercolesuppa@gmail.com Teramo, 3 dicembre 2014 USR Abruzzo - PLS 2014-2015,
DettagliMETODI ITERATIVI PER SISTEMI LINEARI
METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009
ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)
DettagliLezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga
Lezioni del corso di Geometria e Algebra prof Michele Mulazzani dott Alessia Cattabriga AA 20001/2002 Indice 1 Equazioni e sistemi lineari 4 11 Alcune strutture algebriche 4 12 Operazioni standard su K
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliTEMA 1. 1. Della seguente matrice, calcolare i complementi algebrici e il determinante: a + b 1 a 2 S = a + b + 3 a + 2b. x = t. f = x 2 + 2xy 3y 2,
Prova scritta di MATEMATICA B1 Vicenza, 17 marzo 008 TEMA 1 1 1 A = 1 0 1. 3 0 1. Stabilire se il seguente sottoinsieme di M(, R): {( ) a + b 1 a S = a, b R}, a + b + 3 a + b è un sottospazio di M(, R).
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliCondizionamento del problema
Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x
DettagliAUTOVALORI ED AUTOVETTORI. Sia V uno spazio vettoriale di dimensione finita n.
AUTOVALORI ED AUTOVETTORI Si V uno spzio vettorile di dimensione finit n. Dicesi endomorfismo di V ogni ppliczione linere f : V V dello spzio vettorile in sé. Se f è un endomorfismo di V in V, considert
DettagliFondamenti di Automatica
Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei
DettagliNOTA 3. VETTORI LIBERI e VETTORI APPLICATI. Negli esempi visti sono stati considerati due tipi di vettori :
NOTA 1 VETTOI LIBEI e VETTOI APPLICATI Negli esempi visti sono stati considerati due tipi di vettori : 1) Vettori liberi, quando non è specificato il punto di applicazione. Di conseguenza ad uno stesso
DettagliAppunti dalle lezioni di Calcolo Numerico
Appunti dalle lezioni di Calcolo Numerico A.A. 2012/2013 ii Indice 1 La soluzione di equazioni nonlineari 1 1.1 Prime prove................................ 2 1.2 Lo schema delle iterazioni successive (o
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliL anello dei polinomi
L anello dei polinomi Sia R un anello commutativo con identità. È possibile costruire un anello commutativo unitario, che si denota con R[x], che contiene R (come sottoanello) e un elemento x non appartenente
Dettagli