Il Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane
|
|
- Annalisa Motta
- 5 anni fa
- Visualizzazioni
Transcript
1 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 scalari e le forme quadratiche. 0.1 Applicazioni lineari simmetriche ed hermitiane In questa sezione vogliamo definire le applicazioni lineari simmetriche e vedere quali sono le matrici ad esse associate fissata una opportuna base in dominio e codominio. Definizione Sia V uno spazio vettoriale reale con un prodotto scalare, definito positivo. Diciamo che l applicazione lineare T : V V e simmetrica se Tu,v = u,tv (1) Vediamo ora il caso particolare di una applicazione lineare T : R n R n e del prodotto scalare euclideo. Fissata la base canonica C, nella notazione del capitolo precedente possiamo scrivere: u,v = (u) C I(v) C in altre parole, il prodotto euclideo e associato alla matrice identita. Consideriamo ora la matrice A associata all applicazione lineare T, fissata la base canonica, (le colonne di A sono (T(e 1 )) C,...(T(e n )) C ). Possiamo dunque scrivere: Tu,v = (A(u) C ) t I(v) C = (u) t C At I(v) C = (u) t C IAt (v) C (2) Se A e una matrice simmetrica, cioe A = A t, abbiamo che T e una applicazione lineare simmetrica poiche (u) t C IAt (v) C = u,tv e dunque da (2), Tu,v = u,tv.
2 2 Viceversa, se T e simmetrica, vediamo che la matrice A e simmetrica. Infatti: Te i,e j = (A(e i ) C ) t I(e j ) C = ( ) a 1i... a ni = a ji a 1j e i,te j = (e i ) t C IA(e j) C = ( ) a 2j... = a ij e dunque per la condizione (1) abbiamo a ij = a ji, cioe la matrice A e simmetrica. Lo stesso accade per il caso generale: applicazioni lineari simmetriche sono associate, fissate opportune basi, a matrici simmetriche. Proposizione Sia V uno spazio vettoriale reale e, un prodotto scalare definito positivo. Allora una applicazione lineare T : V V e simmetrica se e solo se la matrice A = (a ij ) associata a T in una base ortonormale e una matrice simmetrica. Dimostrazione. Sia B = {v 1,...,v n } una base ortonormale per il prodotto scalare dato. Tale base esiste sempre grazie al teorema di Gram-Schmidt. Dimostriamo prima che la matrice associata all applicazione lineare simmetrica T nella base B e simmetrica. Abbiamo: T(v j ) = a 1j v 1 + +a nj v n a nj da cui: poiche a ij = T(v j ),v i = v j,t(v i ) = a ji (3) T(v j ),v i = a 1j v 1,v i + +a ij v i,v i + +a nj v n,v j = a ij e analogamente v j,t(v i ) = a j1 v j,v 1 + +a ji v j,v j + +a nj v n,v j = a ji
3 0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 3 D altra parte, l equazione (3) dimostra che se la matrice A associata a T in una base ortonormale e simmetrica allora T(v j ),v i = v j,t(v i ). Poiche ogniu,v V e combinazionelinearediv 1,...,v n abbiamochel uguaglianza precedente da immediatamente T(u), v = u, T(v). Cio conclude la dimostrazione. Osservazione La proposizione precedente non deve sorprenderci. Infatti se fissiamo una base ortonormale B = {v 1,...,v n } di V, osserviamo che la matrice associata al prodotto scalare definito positivo arbitrario e data, per definizione, da C = ( v i,v j ) = I, cioe coincide con la matrice identita. Pertanto se esprimiamo due vettori u e w come combinazione lineare dei vettori della base B, u = u 1 v 1 + +u n v n, w = w 1 v 1 + +w n v n, abbiamo che: u,w = u 1 v 1 + +u n v n,w 1 v 1 + +w n v n = = u 1 w 1 v 1,v 1 +u 1 w 2 v 1,v 2 + +u n w n v n,v n = = u 1 w 1 + +u n w n Abbiamo utilizzato le proprieta di bilinearita del prodotto scalare e il fatto che v i,v j = δ ij. In altre parole, il prodotto scalare arbitrario, definito positivo, si esprime nelle coordinate della base B come il prodotto scalare standard in R n. Quindi se realizziamo l isomorfismo tra V e R n utilizzando la base B e identifichiamo ogni vettore u con il vettore in R n dato da (u) B (la n-upla di coordinate di u nella base B), T : V V e simmetrica se e solo se T : R n R n e simmetrica, ove definiamo T (u) B = (Tu) B. Remark Si noti che se A e una matrice generica n n reale nelle osservazioni preliminari alla proposizione precedente abbiamo dimostrato che: Au,v = u,a t v ove, e il prodotto scalare euclideo e u, v R n. Concludiamo questa sezione con una osservazione relativa al campo complesso. In completa analogia con il caso reale possiamo dare la seguente definizione.
4 4 Definizione Sia V uno spazio vettoriale complesso con un prodotto hermitiano definito positivo, h. Diciamo che un applicazione lineare T : V V e hermitiana se Tu,v h = u,tv h Possiamo enunciare l analogo della Proposizione 0.1.6, la cui dimostrazione e uguale a quanto visto per il caso reale. Proposizione Sia V uno spazio vettoriale complesso con un prodotto hermitiano definito positivo, h. Sia T : V V applicazione lineare e sia B una base ortonormale. Allora T e hermitiana se e solo se la matrice associata a T nella base B e una matrice hermitiana. 0.2 Preliminari al Teorema Spettrale In questa sezione vogliamo enunciare e dimostrare uno dei risultati piu importanti dell algebra lineare: il teorema spettrale. Incominciamo con il caso di uno spazio vettoriale sul campo reale, per il caso complesso vedremo, con brevi osservazioni, che la dimostrazione resta praticamente identica. Cominciamo con il ricordare cosa significa per una matrice reale A essere simmetrica: significa che A = A t, cioe A coincide con la sua trasposta. In pratica, e facile verificare, si veda l Oss , che cio corrisponde al fatto che, rispetto al prodotto scalare ordinario (euclideo) in R n : Au,v = u,av Notazione: quando scriviamo Au stiamo intendendo il prodotto righe per colonne della matrice A per la colonna delle coordinate del vettore u rispetto alla base canonica. A rigore dovremmo scrivere A(u) C, ma preferiamo una scrittura piu semplice, sapendo pero che stiamo commettendo un abuso di notazione. Analogamente ricordiamo cosa significa per una matrice complessa A essere hermitiana: significa che A = A, cioe A coincide con la sua trasposta complessa coniugata. E facile verificare che cio corrisponde al fatto che rispetto al prodotto scalare hermitiano in C n : Au,v h = u,av h
5 0.2. PRELIMINARI AL TEOREMA SPETTRALE 5 Se A e una matrice simmetrica reale abbiamo immediatamente che e anche una matrice hermitiana, infatti e banale che soddisfi la condizione A = A in quanto il complesso coniugato di un numero reale e il numero reale stesso. Iniziamo con due lemmi seguiti da alcune osservazioni praticamente immediate. Il primo lemma ci dice che ogni matrice simmetrica ammette almeno un autovalore reale, il secondo lemma ci dice (in realta una sua conseguenza) che autovettori di autovalori distinti di una matrice simmetrica sono sempre perpendicolari. Questi sono i passi chiave per la dimostrazione del teorema spettrale. Lemma Sia A M n (R) una matrice simmetrica. Allora A ammette un autovalore reale. Dimostrazione. A e una matrice a coefficienti reali, tuttavia poiche i reali sono contenuti nel campo complesso abbiamo anche che A M n (C). Il polinomio caratteristico di A: det(a λi) = 0 ammette almeno una soluzione complessa, λ 0, per il teorema fondamentale dell algebra. Vogliamo dimostrare che λ 0 e reale, cioe λ 0 = λ 0. Sia u C n un autovettore di autovalore λ 0. Poiche A e simmetrica e anche hermitiana (si vedano le osservazioni precedenti al lemma), e possiamo dunque scrivere: Au,u h = u,au h ove, h e il prodotto hermitiano standard in C n. Dunque Dunque λ 0 u,u h = Au,u h = u,au h = λ 0 u,u h (λ 0 λ 0 ) u,u h = 0 e poiche il prodotto hermitiano standard e non degenere, cioe u,u h 0 abbiamo λ 0 = λ 0. Osservazione L autovettore u nella dimostrazione puo essere scelto reale, cioe u R n. Infatti una volta dimostrato che λ R, abbiamo che l autospazio V λ = ker(a λi) R n e diverso dal solo vettore nullo e quindi esiste un autovettore reale di λ. Questo risultato ci da anche immediatamente l analogo risultato per le matrici hermitiane.
6 6 Corollario Sia A una matrice hermitiana. Allora tutti gli autovalori di A sono reali. Lasciamo al lettore la facile verifica che se λ e autovalore di A hermitiana allora λ = λ: basta fare gli stessi passaggi che abbiamo visto sopra. Gli autovettori tuttavia in questo caso potranno essere complessi. Andiamo ora a stabilire un altro risultato che si rivelera fondamentale nella dimostrazione del teorema spettrale. Lemma Sia A una matrice simmetrica, λ un suo autovalore reale e u un autovettore (reale) corrispondente. Sia w un vettore perpendicolare a u rispetto all usuale prodotto scalare. Allora u e perpendicolare a Aw. Dimostrazione. Poiche u e perpendicolare a w abbiamo 0 = λ u,w = Au,w = u,aw e dunque anche Aw e perpendicolare a u. Abbiamo quasi immediatamente un corollario particolarmente importante. Corollario Siano λ e µ autovalori distinti di una matrice simmetrica A e u, w due autovettori corrispondenti. Allora u e perpendicolare a w. Dimostrazione. Dobbiamo mostrare u, w = 0. Abbiamo λ u,w = Au,w = u,aw = µ u,w Dunque (λ µ) u,w = 0 e poiche λ µ otteniamo u,w = 0. Osserviamo che sia il lemma che il corollario precedenti hanno un ovvia generalizzazione al caso in cui la matrice A sia hermitiana e il prodotto considerato sia il prodotto hermitiano in C n. Concludiamo con un corollario che essenzialmente traduce quanto abbiamo dimostrato per le matrici simmetriche nel linguaggio delle applicazioni lineari simmetriche. Anche questo corollario ha un ovvia generalizzazione al caso hermitiano. Corollario Sia V uno spazio vettoriale reale con un prodotto scalare definito positivo. Sia T : V V una applicazione lineare simmetrica Allora abbiamo i seguenti risultati:
7 0.3. IL TEOREMA SPETTRALE 7 1. T ammette almeno un autovalore λ reale e un autovettore corrispondente u V. 2. Se w V e perpendicolare all autovettore u allora anche T(w) e perpendicolare a u. 3. Autovettori di T di autovalori diversi sono perpendicolari tra loro. 0.3 Il Teorema Spettrale Possiamo finalmente enunciare il teorema spettrale simultaneamente per le matrici simmetriche reali e le applicazioni lineari simmetriche. Teorema Sia V uno spazio vettoriale reale con un prodotto scalare definito positivo. Sia A una matrice simmetrica reale e T : V V l applicazione lineare simmetrica corrispondente ad A in una base ortonormale. A e diagonalizzabile mediante una matrice ortogonale, cioe esiste P ortogonale tale che D = P 1 AP sia diagonale. Esiste una base ortonormale N in cui T ha associata una matrice diagonale. Prima della dimostrazione osserviamo che le due affermazioni dell enunciato sono completamente equivalenti. La base ortonormale che stiamo cercando al punto (2) e una base di autovettori con norma 1 e la matrice diagonale associata a T nella base N e proprio la matrice D del punto (1) e ha sulla diagonale gli autovalori di A, che sono gli stessi dell applicazione lineare T ad essa associata nella base canonica. Dimostrazione. Sia λ 1 un autovalore reale di T e u 1 Vun suo autovettore di norma 1. Sappiamo che tali λ 1 e u 1 esistono per il Lemma Sia W 1 = span{u 1 }. Allora abbiamo V = span{u 1 } W 1, ove dim(w 1 ) = n 1. Consideriamo ora l applicazione lineare T 1 = T W1, cioe guardiamo T 1 ristretta al solo sottospazio W 1 : T 1 : W 1 V Per il Lemma 0.2.4, poiche u e perpendicolare anche a T 1 (w) per ogni w W 1 abbiamo che Im(T 1 ) W 1 = span{u 1 } e pertanto possiamo scrivere T 1 : W 1 W 1. Ripetiamo oratuttiiragionamenti fattifinoaquesto momento per T : V V anche per l applicazione simmetrica T 1 : W 1 W 1. Tale applicazione
8 8 avra unautovalorerealeλ 2 eunautovettorerealedinorma1, u 2 W 1 R n. Chiaramente poiche T 1 non e altro che T ristretta a W 1, l autovalore λ 2 e il corrispondente autovettore u 2 saranno anche autovalore e autovettore di T. Dunque ragionando come sopra, definiamo W 2 = span{u 2 } W 1, dim(w 2 ) = n 2. Notiamo che ogni vettore di W 2 e anche perpendicolare a u 1 inquantow 2 W 1. E chiarocheprocedendoinquestomododoponpassi abbiamo trovato n autovettori di T u 1,...u n di norma 1 e perpendicolari tra loro, dunque essi formano la base ortonormale di autovettori richiesta e pertanto T e diagonalizzabile. Concludiamo questa sezione con qualche osservazione sul caso complesso, che e una generalizzazione immediata di quanto abbiamo visto sino ad ora. Teorema Sia A una matrice hermitiana e T : V V l applicazione lineare hermitiana corrispondente ad A nella base canonica. A e diagonalizzabile mediante una matrice unitaria, cioe esiste P unitaria tale che D = P 1 AP = P AP sia diagonale (e reale!). Esiste una base ortonormale (rispetto al prodotto hermitiano standard) N in cui T ha associata una matrice diagonale (reale!). Esempio Consideriamo la matrice reale A = Gli autovalori sono λ = 7 con molteplicita algebrica 2 e λ = 2 con molteplicita algebrica 1. Gli autospazi sono: V 7 = span{v 1 = (1,0,1),v 2 = ( 1/2,1,0)}, V 2 = span{v 3 = ( 1, 1/2,1)} La matrice Q avente per colonne gli autovettori della base di autovettori {v 1,v 2,v 3 } diagonalizza la matrice A, tuttavia non e ortogonale: /2 1 D = = Q 1 AQ, Q = 0 1 1/
9 0.3. IL TEOREMA SPETTRALE 9 Se vogliamo diagonalizzare A tramite una cambio di base ortogonale, dobbiamo ortogonalizzare con l algoritmo di Gram Schmidt la base di autovettori di ciascun autospazio. La matrice ortogonale che stiamo cercando e : 1/ 2 1/ 18 2/3 P = 0 4/ 18 1/3 1/ 2 1/ 18 2/3 e abbiamo D = P 1 AP.
Autovalori 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
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
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
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
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
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
DettagliUniversita 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.
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
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
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
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
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.
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
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
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
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
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
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
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
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
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
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
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
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 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
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
Dettagli2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE
2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 INTRODUZIONE Il problema agli autovalori di un operatore La trattazione del problema agli autovalori di un operatore fatta negli spazi finitodimensionali
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
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
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
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
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
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)
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
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
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
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
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
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
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
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
DettagliRiconoscere e formalizzare le dipendenze funzionali
Riconoscere e formalizzare le dipendenze funzionali Giorgio Ghelli 25 ottobre 2007 1 Riconoscere e formalizzare le dipendenze funzionali Non sempre è facile indiduare le dipendenze funzionali espresse
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
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
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,
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.
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,
DettagliOnline Gradient Descent
F94 Metodi statistici per l apprendimento Online Gradient Descent Docente: Nicolò Cesa-Bianchi versione 9 aprile 06 L analisi del Perceptrone ha rivelato come sia possibile ottenere dei maggioranti sul
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
DettagliCorrado Zanella. Modelli Geometrici. applicabili in Meccanica dei Solidi, Robotica, Visione Computazionale
Corrado Zanella Modelli Geometrici applicabili in Meccanica dei Solidi, Robotica, Visione Computazionale ii Versione del 23 settembre 2010 www.corradozanella.it Questo lavoro è diffuso sotto licenza Creative
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
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
DettagliLezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari
Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle
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
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 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
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
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
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,
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
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
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
DettagliMETODI MATEMATICI PER LA FISICA
Si svolgano cortesemente i seguenti esercizi ESERCIZIO (6 PUNTI) METODI MATEMATICI PER LA FISICA PROVA SCRITTA - 2 GENNAIO 25 Una volta identificato, nel piano complesso α, il dominio di convergenza della
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
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
DettagliDi testi ed immagini
Università Cattolica del Sacro Cuore - Brescia 23/5/2005 Parte I: Richiami di algebra lineare Parte II: Applicazioni Sommario della Parte I 1 Diagonalizzabilità di una matrice Autovalori ed autovettori
DettagliUNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali
UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali APPROFONDIMENTI DI ALGEBRA M. Chiara Tamburini Anno Accademico 2013/2014 Indice Prefazione iii I Moduli su un anello
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliEsercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x
FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1
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
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
DettagliApplicazioni lineari
CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita
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,
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
DettagliSISTEMI LINEARI QUADRATI: METODI ITERATIVI
SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C
DettagliLezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive.
Lezione 6 Prerequisiti: L'insieme dei numeri interi. Lezione 5. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Questa è la prima lezione dedicata all'anello
DettagliMatematica B - a.a 2006/07 p. 1
Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +
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
DettagliUNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali ALGEBRA II UNITÀ. M. Chiara Tamburini
UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali ALGEBRA II UNITÀ M Chiara Tamburini Anno Accademico 2009/2010 Indice I Omomorfismi fra anelli 1 1 Ideali 1 2 Anelli
DettagliEsercizi e Complementi di Geometria Analitica 2003/2004
Dipartimento di Matematica Guido Castelnuovo Università degli Studi di Roma La Sapienza Esercizi e Complementi di Geometria Analitica 2003/2004 Domenico Fiorenza e Marco Manetti Premessa Queste note sono
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
DettagliMINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO
Sessione Ordinaria in America 4 MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO (Americhe) ESAMI DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 4 SECONDA PROVA SCRITTA
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
DettagliISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R
ISTITUZIONI DI MATEMATICA I (prof MPCavaliere) SPAZI VETTORIALI SU R Abbiamo visto parlando dei numeri complessi che i punti P del piano possono essere determinati da coppie di numeri reali, se è dato
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
DettagliParte 2. Metodi Matematici per la Meccanica Quantistica. Spazi di pre-hilbert e spazi di Hilbert. Gianpiero CATTANEO
Parte Metodi Matematici per la Meccanica Quantistica Spazi di pre-hilbert e spazi di Hilbert Gianpiero CATTANEO 10 giugno 008 Indice I - Spazi con Prodotto Interno e Spazi di Hilbert 5 1 Spazi con Prodotto
DettagliMassimi e minimi vincolati in R 2 - Esercizi svolti
Massimi e minimi vincolati in R 2 - Esercizi svolti Esercizio 1. Determinare i massimi e minimi assoluti della funzione f(x, y) = 2x + 3y vincolati alla curva di equazione x 4 + y 4 = 1. Esercizio 2. Determinare
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
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
DettagliDispense di Statistica II
Dispense di Statistica II Franco Flandoli 2013-14 2 Indice 1 Correlazione e regressione 5 1.1 Covarianza e coeffi ciente di correlazione.................. 5 1.1.1 Regressione lineare semplice....................
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
DettagliTeoremi di struttura dei moduli finitamente generati su un dominio euclideo
Teoremi di struttura dei moduli finitamente generati su un dominio euclideo Appunti al corso di Algebra Anno accademico 23-24 1 Prodotti diretti. Siano M e N due moduli sullo stesso anello A, non necessariamente
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
DettagliAnelli a fattorizzazione unica. Domini ad ideali principali. Anelli Euclidei
Capitolo 5: Anelli speciali: Introduzione: Gli anelli speciali sono anelli dotati di ulteriori proprietà molto forti che ne rendono agevole lo studio. Anelli euclidei Domini ad ideali principali Anelli
Dettaglidefinizione e notazione (direzione,verso modulo), v V, lo spazio ( insieme)
1 Spazi vettoriali 1.1 Richiami ai vettori freccia definizione e notazione (direzione,verso modulo), v V, lo spazio ( insieme) dei vettori esiste la operazione binaria sul sostegno V che chiameremo somma(regola
DettagliII Spazi vettoriali ed applicazioni lineari
II Spazi vettoriali ed applicazioni lineari Nel capitolo precedente abbiamo visto come assumano un ruolo importante nello studio dello Spazio Euclideo la sua struttura di spazio affine e quindi di spazio
Dettagli1.1. Spazi metrici completi
SPAZI METRICI: COMPLETEZZA E COMPATTEZZA Note informali dalle lezioni 1.1. Spazi metrici completi La nozione di convergenza di successioni è centrale nello studio degli spazi metrici. In particolare è
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
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
Dettagli