ALGEBRA LINEARE: LEZIONI DAL 10 AL 18 OTTOBRE
|
|
- Silvana Gigli
- 5 anni fa
- Visualizzazioni
Transcript
1 ALGEBRA LINEARE: LEZIONI DAL 10 AL 18 OTTOBRE Sommario delle lezioni 10 Ott: Lezione 4. Dipendenza ed indipendenza lineare. Sottospazio generato da un sottoinsieme. Sottospazio generato da un numero finito di elementi. Generatori lineari di uno spazio vettoriale. Dipendenza e indipendenza lineare. Basi. Basi di R n. Basi diverse di uno stesso spazio vettoriale hanno lo stesso numero di elementi. Dimensione di uno spazio vettoriale. (due ore) 16 Ott: Lezione 5. Sistemi di equazioni lineari. Soluzioni di un sistema omogeneo e indipendenza lineare delle colonne della matrice associata. n elementi linearmente indipendenti in uno spazio vettoriale di dimensione n sono una base. Compatibilità di sistemi quadrati non singolari. Struttura delle soluzioni di un sistema qualsiasi: spazi affini e sottospazi affini di uno spazio vettoriale. Rango di un applicazione lineare e di una matrice. (due ore) 18 Ott: Lezione 6. Teorema di Rouché-Capelli. Rango di una matrice. Se T : V W è lineare, dim Im T + dim Nucleo T = dim V. Condizioni per la compatibilità di un sistema di equazioni lineari. Introduzione ai determinanti. Proprietà dei determinanti. Calcolo di determinanti 2 2 e 3 3. Dipendenza lineare e determinanti. Determinante di matrici diagonali e triangolari. Se le colonne di una matrice sono linearmente dipendenti, il determinante è zero. (due ore) Risultati essenziali. Dipendenza e indipendenza lineare. Se ho alcuni vettori v 1, v 2,..., v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,..., v n di V da loro generato è l insieme di tutte le combinazioni lineari, ovvero dei vettori della forma α 1 v α nv n, al variare di α 1,..., α n tra i numeri reali. Non è detto che tutti i vettori siano necessari per generare W : se ad esempio uno di essi diciamo v 1 si esprime come combinazione lineare degli altri, bastano v 2,..., v n a generare W. Se nessuno dei vettori si esprime come combinazione lineare dei rimanenti, tutti sono necessari a generare W. In tal caso i vettori si dicono linearmente indipendenti. Una proprietà equivalente, che è quella utilizzata in classe per definire la lineare indipendenza, è che l unica combinazione lineare dei vettori v 1,..., v n a dare il vettore nullo è quella con tutti coefficienti nulli. In altri termini α 1 v α nv n = 0 = α 1 = α 2 =... = α n = 0 2. Ovviamente, se ho dei vettori che non sono linearmente indipendenti, dirò che sono linearmente dipendenti! Alcune banalità sulla dipendenza lineare: Se uno tra v 1,..., v n è il vettore nullo, allora i vettori non sono linearmente indipendenti. Se ho dei vettori linearmente dipendenti, anche aggiungendone degli altri rimangono linearmente dipendenti. Un vettore preso da solo è sempre linearmente indipendente se non è il vettore nullo. Se un vettore si esprime come combinazione lineare di v 1,..., v n in più maniere diverse, allora v 1,..., v n sono linearmente dipendenti. Se un vettore si esprime in maniera unica come combinazione lineare di v 1,..., v n, allora essi sono linearmente indipendenti. Le ultime due proprietà dipendono dal fatto che se le combinazioni lineari α 1 v α nv n e β 1 v β nv n sono entrambe uguali a v, allora la differenza (α 1 β 1 )v (α n β n)v n è il vettore nullo, e viceversa. Basi. Si definisce il concetto di base per poter trovare degli elementi che giochino, in spazi vettoriali che non siano i nostri bravi R n, il ruolo degli elementi (1, 0, 0,..., 0), (0, 1, 0,..., 0), ecc... La proprietà essenziale di queste n-uple è che ogni vettore di R n si esprime in modo unico come 1 Il fatto che questo sottoinsieme sia un sottospazio vettoriale è facile da mostrare. E quindi anche il minimo sottospazio vettoriale di V contenente i vettori dati. 2 Per mostrare che è equivalente all altra proprietà basta osservare che se una combinazione lineare a coefficienti non tutti uguali a zero dà il vettore nullo, ognuno dei vettori che vi compaiono si scrive come combinazione lineare dei rimanenti. 1
2 2 ALGEBRA LINEARE I loro combinazione lineare. Una base dello spazio vettoriale V è un insieme di vettori di V con la proprietà che ogni altro elemento di V si scriva, e si scriva in maniera unica, come loro combinazione lineare. In altre parole, i vettori sono linearmente indipendenti, e il sottospazio vettoriale che generano è tutto V. Costruire basi è facile: si sceglie un vettore (non nullo) a caso in V. Se i suoi multipli esauriscono V, ovvero se tutti gli elementi di V sono multipli del vettore che abbiamo scelto, abbiamo terminato; altrimenti scegliamo un altro vettore di V al di fuori di questa retta. Se con le combinazioni lineari dei primi due vettori raggiungiamo tutti gli elementi di V abbiamo terminato, altrimenti scegliamo un altro vettore al di fuori, e continuiamo così fin quando non riusciamo a generare tutto V. A quel punto 3 avremo ottenuto una base di V. Alla stessa maniera, se ho dei vettori di V linearmente indipendenti, posso sempre scegliere altri vettori come appena descritto in modo che tutti insieme formino una base di V. Si dice che ho completato i vettori ad una base di V. Le basi sono inestimabili per lo studio degli spazi vettoriali, come vedremo in seguito. Per il momento ho fatto vedere a lezione che se uno spazio vettoriale V ha una base di n elementi, non ci può essere un insieme di vettori linearmente indipendenti se questi vettori sono più di n. La dimostrazione che ho dato è stata un po macchinosa, e la richiamo qui sotto con tutti i dettagli. Questo fatto ha anche un altra conseguenza. Se ho una base di V costituita da n vettori, e altri n vettori che sono linearmente indipendenti, questi ultimi devono essere necessariamente una base di V. Ad esempio, se ho tre vettori linearmente indipendenti in R 3, questi formano per forza una base. In quello che segue, V è uno spazio vettoriale, e v 1,..., v n ne costituiscono una base. Un sottospazio di V che contenga i vettori v 1,..., v n è tutto V. La dimostrazione è immediata. Un sottospazio che contiene dei vettori, contiene tutte le loro combinazioni lineari. Siccome v 1,..., v n sono una base di V, posso ottenere ogni altro vettore come loro combinazione lineare. Se w = α 1 v α nv n e α i 0, il sottospazio generato dai vettori v j, j i insieme a w è tutto V. Anche questo è facile. Il sottospazio generato da alcuni vettori ne contiene le combinazioni lineari. Il sottospazio generato dai vettori v j, j i e da w contiene sicuramente tutti i v j, j i. Ma contiene anche v i. Infatti la combinazione lineare (w α 1 v 1 α 2 v 2... α i 1 v i 1 α i+1 v i+1... α nv n)/α i è esattamente uguale a v i. Il nostro sottospazio contiene tutti i vettori di una base, e quindi coincide con l intero V. Nelle stesse ipotesi di sopra, i vettori v j, j i e w sono una base di V. Sappiamo già che questi vettori generano tutto V. Basta quindi dimostrare che sono linearmente indipendenti. Per semplificare la dimostrazione, faccio finta che i = 1, tanto posso sempre riordinare gli n vettori v 1,..., v n in modo che v i venga per primo... Faccio vedere che se w, v 2,..., v n sono linearmente dipendenti v 1,..., v n non possono essere una base di V. Se i vettori w, v 2,..., v n sono linearmente dipendenti, allora c è una combinazione lineare a coefficienti non tutti nulli β 1 w + β 2 v β nv n = 0. Il problema è che β 1 non può essere né uguale a zero, né diverso da zero. Infatti se è zero, allora la combinazione lineare appena scritta mostra che v 2,..., v n sono linearmente dipendenti, mentre sappiamo che insieme a v 1 formano una base. Se invece β 1 0 allora possiamo sfruttare l identità di sopra per scrivere w come combinazione lineare di v 2,..., v n. Ma sapevamo già come scrivere w come combinazione lineare di v 1, v 2,..., v n, e avevamo supposto che il coefficiente di v 1 non fosse zero. Quindi w si esprime in due modi diversi come combinazione lineare di v 1,..., v n, che però sono una base. Finora abbiamo mostrato che se abbiamo una base v 1,..., v n, ed un vettore w = α 1 v α nv n, sostituendo w al posto di v i otteniamo di nuovo una base SE α i 0. 4 Attenzione: sono n sia i Se v 1,..., v n è una base di V, e w 1,..., w n sono linearmente indipendenti, allora primi che i secondi!! sono anch essi una base. Subdola applicazione del trucco di prima. Prendo w 1. E sicuramente diverso da zero, perché i vettori sono linearmente indipendenti. Esprimo w 1 come combinazione lineare dei v 1,..., v n. Uno dei coefficienti non è nullo, allora se sostituisco w 1 al posto del corrispondente v i, sono ancora una base. Passo a w 2 e lo sostituisco ad un altro, e faccio così anche con w 3,..., w n. Se tutto è andato bene, dopo aver sostituito questi vettori sono rimasto con w 1,..., w n che devono quindi essere una base. Che cosa può essere 3 C è la possibilità che quel punto non arrivi mai. Se questo accade, di dice che lo spazio vettoriale V ha dimensione infinita. Nonostante ci siano altre maniere di costruire una base di V in questo caso, faremo finta di ignorare questa eventualità e per la maggior parte del corso considereremo soltanto spazi vettoriali di dimensione finita. 4 Se αi = 0 invece, non c è speranza che sia una base.
3 ALGEBRA LINEARE I 3 andato storto? Magari ho sostituito uno dei vettori w i al posto di un altro w j invece che di uno dei v j. Devo controllare che posso sempre evitarlo. Posso sostituire w i al posto dei vettori il cui coefficiente nella combinazione lineare che esprime w i non sia zero. Ebbene, c è sempre un vettore tra i v j il cui coefficiente non sia zero. Infatti, se i coefficienti di tutti i v j sono nulli, vuol dire che w i si scrive come combinazione lineare dei soli w j. Questo non può succedere perché sono linearmente indipendenti. Se v 1,..., v n è una base di V, e w 1,..., w h sono linearmente indipendenti, allora h n. A questo punto è facile: se h > n, w 1,..., w n sono una base per quello che abbiamo detto prima. Ma allora w n+1 si scrive come combinazione lineare di w 1,..., w n e quindi w 1,..., w h sono linearmente dipendenti. Quindi h > n non è possibile. Se v 1,..., v n e w 1,..., w m sono due basi di V, allora m = n. Per quanto detto prima, se m > n avrei più di n vettori linearmente indipendenti con una base di n elementi. Se m < n scambio le due basi e ripeto l argomento. Se W è un sottospazio di V e dim W = dim V allora W = V. Scelgo una base di W ed una di V. La base di W è un insieme di vettori linearmente indipendenti. Poiché sono nello stesso numero dei vettori di una base di V, sono anch essi una base di V. Quindi W deve essere tutto V. Rango di un applicazione lineare. Prendiamo un applicazione lineare T : V W. Abbiamo già visto che l immagine di T è un sottospazio vettoriale di W. La dimensione di questo sottospazio vettoriale è il rango di T, e si indica rg T. Chiaramente, rg T dim W, dal momento che la dimensione di un sottospazio vettoriale è minore o uguale alla dimensione dello spazio vettoriale che lo contiene. Inoltre rg T = dim W solo quando T è suriettiva, cioè quando l immagine di T coincide con tutto W. Se T va da R m a R n, e conosciamo la matrice associata a T, sappiamo che l immagine di T è il sottospazio di W generato dalle colonne della matrice. In generale però le colonne non sono linearmente indipendenti, e quindi non rappresentano una base di Im T. Ho spiegato a lezione come scegliere alcune delle colonne in modo che formino una base dell immagine: prendo tutte le colonne della matrice che non sono combinazione lineare delle precedenti. In pratica prendo la prima se non è il vettore nullo, la seconda se non è un multiplo della prima, la terza se non si scrive come combinazione lineare delle prime due e così via. I vettori così ottenuti sono linearmente indipendenti per costruzione! Infatti, se c 1,..., c r sono le colonne selezionate, non posso avere una loro combinazione a coefficienti non tutti nulli che dia il vettore nullo. Se così fosse, avrei α 1 c 1 + α 2 c α rc r = 0, con gli α i non tutti nulli. Ma allora se porto a secondo membro l ultimo dei termini che compaiono nella combinazione lineare, e divido per il suo coefficiente, riesco ad esprimere questa colonna della matrice come combinazione lineare di colonne precedenti, mentre l ho scelta proprio perché questo non succedeva! Le colonne c 1,..., c r sono allora una base dell immagine, ed il rango è uguale ad r. Sistemi lineari e dipendenza lineare. Un sistema di equazioni lineari si dice omogeneo se i termini noti sono tutti nulli, e non omogeneo altrimenti. Sappiamo già che le soluzioni di un sistema omogeneo sono un sottospazio vettoriale, perché rappresentano il nucleo dell applicazione lineare individuata dai primi membri del sistema di equazioni 5. Se sto risolvendo invece un sistema non omogeneo, le sue soluzioni non formano un sottospazio vettoriale. In ogni caso, la differenza di due qualsiasi soluzioni è una soluzione del sistema omogeneo corrispondente (stessi primi membri, termini noti tutti nulli); nella stessa maniera la somma di una soluzione di un sistema non omogeneo e di una del sistema omogeneo associato è ancora soluzione dello STESSO sistema non omogeneo. Questo ci ha permesso di concludere che, una volta nota una soluzione particolare 6 di un sistema non omogeneo, le altre soluzioni sono tutte e sole quelle che si scrivono come somma della soluzione particolare e di una qualche soluzione del sistema omogeneo associato. Geometricamente, questo vuol dire che le soluzioni di un sistema non omogeneo si ottengono traslando le soluizoni del sistema omogeneo associato (che è un sottospazio vettoriale) di una traslazione pari ad una soluzione particolare. Questo ci permette di concludere che gli insiemi di soluzioni hanno la stessa struttura. Se la soluzione del sistema omogeneo associato è unica, un sistema non omogeneo non può avere più di una soluzione 7. Se le soluzioni del sistema omogeneo associato formano una retta, un sistema non omogeneo ha per insieme delle soluzioni quella stessa retta traslata, e così via. Lo studio della 5 Ovviamente suppongo di mettere nel primo membro di ciascuna equazione le incognite, e nel secondo membro i termini noti. 6 Che posso scegliere come mi pare. 7 Fermo restando che potrebbe non avere soluzioni. Però quando ne ha, la soluzione DEVE essere unica.
4 4 ALGEBRA LINEARE I id è la matrice identità molteplicità delle soluzioni di un sistema si riduce quindi allo studio delle soluzioni del sistema omogeneo associato. Dobbiamo rispondere a due domande fondamentali: quante soluzioni ha un dato sistema lineare omogeneo? Come faccio a capire se un sistema non omogeneo ha soluzioni? A lezione ho risposto alla prima domanda mostrando che la dimensione del nucleo di una applicazione lineare T : V W (leggi: la dimensione dello spazio delle soluzioni di un sistema lineare omogeneo) è pari a dim V rg T (leggi: il numero di incognite meno il rango della matrice dei coefficienti). Ho fatto vedere questo fatto risolvendo esplicitamente il sistema di equazioni, ed ottenendo una base dello spazio delle soluzioni composta esattamente di dim V rg T vettori. Qui do una dimostrazione alternativa un po più astratta, ma che ha il pregio di funzionare per spazi vettoriali qualsiasi, mentre quella data a lezione funziona solo se V e W sono R m ed R n. Prendiamo un applicazione lineare T : V W. Il nucleo di T è un sottospazio vettoriale di V. Posso sceglierne una base {v 1,..., v n} del nucleo di T (sarà formata da vettori di T linearmente indipendenti) e completarla ad una base {v 1,..., v n, w 1,..., w r} di V. Siccome ogni vettore di V si scrive come combinazione lineare di questi n + r vettori, ogni vettore dell immagine di T si scrive come combinazione lineare dei vettori T (v 1 ),..., T (v n), T (w 1 ),..., T (w r). Ora, i vettori T (v 1 ),..., T (v n) sono chiaramente tutti nulli, perché abbiamo scelto v 1,..., v n all interno del nucleo di T. Perciò l immagine di T è generata dai vettori T (w 1 ),..., T (w r). Ora voglio mostrare che questi r vettori sono necessariamente linearmente indipendenti. Prendiamo una combinazione lineare α 1 T (w 1 )+...+α rt (w r) uguale al vettore nullo. Voglio far vedere che tutti i coefficienti α i sono nulli. T è lineare, e riesco a scrivere 0 = α 1 T (w 1 ) α rt (w r) = T (α 1 w α rw r) perciò il vettore w = α 1 w α rw r appartiene al nucleo di T. Ma siccome v 1,..., v n formano una base del nucleo w si scrive anche come combinazione lineare dei soli v 1,..., v n. Se gli α i non sono tutti nulli, w si scrive in due modi diversi come combinazione lineare dei vettori v 1,..., v n, w 1,..., w r, il che è impossibile, perch formano una base di V. Ricapitolando, l immagine di T è generata dai vettori T (w 1 ),..., T (w r) che sono linearmente indipendenti. Questi vettori sono quindi una base di Im T, e quindi dim Im T = r. Inoltre V ha una base v 1,..., v n, w 1,..., w r costituita da n + r vettori, quindi dim V = n + r. Allo stesso modo, il nucleo di T ha una base v 1,..., v n di n vettori, e quindi ha dimensione n. Concludiamo che dim V = n+r = rg T +dim ker T. 8 Come conseguenza abbiamo che se le colonne dei coefficienti di un sistema omogeneo sono linearmente indipendenti (e quindi dim V = rg T ) allora la dimensione dello spazio delle soluzioni è zero, e quindi l unica soluzione è quella banale. Il teorema di Rouché-Capelli. La risposta alla seconda domanda è data dal teorema di Rouché- Capelli, che dice che un sistema non omogeneo ammette soluzioni se la matrice dei coefficienti del sistema di equazioni, e la matrice ottenuta aggiungendo come ulteriore colonna alla matrice dei coefficienti quella dei termini noti, hanno lo stesso rango. Le espressioni che ho visto in giro erano talmente convincenti che sono tentato di non rispiegarlo... Basti ricordare che se vado a calcolare il rango delle due matrici come ho spiegato più sopra, nel calcolare il rango della seconda matrice mi pongo alla fine il problema di stabilire se la colonna dei termini noti si scriva o meno come combinazione lineare delle precedenti o meno. Se si scrive come combinazione lineare, allora il sistema ha soluzione, ed i ranghi sono uguali. Se non si scrive come combinazione lineare, allora il sistema non ha soluzione, ed il rango della seconda matrice è uno in più di quello della prima. Determinanti. Vi ho spiegato abbondantemente a lezione come si calcolano i determinanti di matrici quadrate. Ricordo qui soltanto le proprietà essenziali dei determinanti. Scambiare tra loro due colonne moltiplica il determinante per 1. Moltiplicare una colonna per λ moltiplica il determinante per λ. Se A, B, C sono tre matrici quadrate uguali in tutto tranne che in una colonna, e in questa colonna della matrice C è la somma delle corrispondenti colonne di A e B, allora det A + det B = det C. det id= 1. Queste proprietà determinano univocamente la funzione determinante. Hanno come conseguenze (alcune più, altre molto meno immediate) queste altre: Il determinante di una matrice diagonale è il prodotto degli elementi sulla diagonale. Il determinante di una matrice triangolare superiore o inferiore è il prodotto degli elementi sulla diagonale. Il determinante di una matrice con una colonna nulla è zero. 8 Gli articoli di ricerca sono solitamente scritti in inglese, e l abbreviazione tradizionale di Nucleo è sorprendentemente ker.
5 ALGEBRA LINEARE I 5 Se le colonne della matrice A sono linearmente dipendenti, il determinante di A è zero. det AB = det A det B det A t = det A. 9 In particolare tutto quello che abbiamo detto per le colonne è vero anche per le righe! Se le colonne della matrice A sono linearmente indipendenti, il determinante di A non è zero. Dipartimento di Matematica, Università degli studi di Roma La Sapienza address: dandrea@mat.uniroma1.it 9 A t è la matrice trasposta della matrice A. Si ottiene da A scambiando le righe con le colonne.
GEOMETRIA I: SECONDA DISPENSA
GEOMETRIA I: SECONDA DISPENSA 1. INIETTIVITÀ E SURIETTIVITÀ DI APPLICAZIONI LINEARI A lezione ho dato la definizione di iniettività e suriettività di un applicazione, e vi ho mostrato che un applicazione
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
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 =,
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
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,
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
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliCORSO DI 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
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
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
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)
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,
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
DettagliIstituzioni di Matematica I. Esercizi su sistemi lineari. & % x + y " #z = "1 & '#x " y+ z =1
Istituzioni di Matematica I Esercizi su sistemi lineari Esempio. Dire per quali valori di λ R il sistema x " y+ z = 2 % x + y " z = " x " y+ z = ha una sola soluzione, per quali nessuna, per quali infinite
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
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
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,
DettagliGeometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
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
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
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
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
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
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
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
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
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
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
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
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,
Dettagli1 o ESONERO DI ALGEBRA (Studenti di Informatica canale D Andrea) 10 Novembre 2014 Soluzione
1 o ESONERO DI ALGEBRA (Studenti di Informatica canale D Andrea) 10 Novembre 2014 Soluzione 1. Scrivere la matrice associata all applicazione lineare T : R 3 R 4 definita da T (x, y, z) (2x + y z, 3y +
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
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliLe risposte vanno giustificate con chiarezza. 1) Nello spazio vettoriale V delle matrici 2 2 a coefficienti reali, considera le matrici A 1 = , A 4 =
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Matematica Esame di Geometria 1 con Elementi di Storia Prof. F. Tovena 30 gennaio 2015 Le risposte vanno giustificate con chiarezza. 1 Nello
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliSistemi Lineari. Elisabetta Colombo. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 200-20 2 a di o.0 4 Capelli Rango o Caratterisca : definizioni a di o.0 Un equazione nelle n incognite x,..., x n della forma dove
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
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
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
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliAlgebra Proff. A. D Andrea e P. Papi Quarto scritto
Algebra Proff. A. D Andrea e P. Papi Quarto scritto LUGLIO 8 Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 6.5 6.5 3 6.5 4 6.5 5 6.5 otale 3 Occorre motivare le risposte. Una soluzione
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
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
DettagliSottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliAx = b ; b = b 1 b 2. a 11 a 12 a 1n a 21 a 22 a 2n. b m. a m1 a m2 a mn
SISTEMI LINERI Consideriamo il seguente sistema di m equazioni lineare nelle n incognite,,, n : a + a + + a n n = b >< a + a + + a n n = b = >: a m + a m + + a mn n = b m tale sistema può essere scritto
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
Dettagli1 Spazi vettoriali. Sottospazi.
CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
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
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
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
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 LUGLIO 2015
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 LUGLIO 2015 MATTEO LONGO Svolgere entrambe le parti (Teoria ed Esercizi Si richiede la sufficienza su entrambe le parti 1
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
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. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 settembre 2013 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) settembre 013 Tema A Tempo a disposizione: ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
Dettagli1 Risoluzione di sistemi lineari con l uso dei determinanti
2006 Trapani Dispensa di Geometria, 1 Risoluzione di sistemi lineari con l uso dei determinanti Sia A una matrice n n con det(a) 0 consideriamo il sistema lineare AX = b abbiamo n = numero di righe di
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliNote sui sistemi lineari
Note sui sistemi lineari Sia K un campo e siano m e n due numeri interi positivi. Sia A M(m n, K) e sia b K m. Consideriamo il sistema lineare Ax = b nell incognita x K n (o, se preferite, nelle incognite
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
DettagliIstituzioni di Matematiche Modulo A (ST)
Istituzioni di Matematiche Modulo A (ST V II foglio di esercizi ESERCIZIO. Nei seguenti sistemi lineari, discutere l insieme delle soluzioni al variare del parametro t, o dei parametri t e τ, in R. 5 x
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
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
DettagliManlio Bordoni. APPUNTI SULLA RAPPRESENTAZIONE DEI SOTTOSPAZI VETTORIALI DI R n I MODO. v 11. v n1
Manlio Bordoni APPUNTI SULLA RAPPRESENTAZIONE DEI SOTTOSPAZI VETTORIALI DI R n I MODO Sia dato un insieme di generatori v v =,, v k = v n di W : questo vuol dire che ogni vettore w W si scrive come combinazione
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,
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
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
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 =,
DettagliCorso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani
Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliAnno Accademico 2016/2017
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliApplicazioni lineari tra spazi euclidei. Cambi di base.
pplicazioni lineari tra spazi euclidei. Cambi di base. Esercizio. Data la seguente applicazione lineare f : R R : f(x, y, z) = (x z, x + y, y + z), scrivere la matrice B, rappresentativa di f rispetto
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
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
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
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
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
DettagliNozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali, gli interi, i numeri
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
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
DettagliINGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012 MATTEO LONGO Esercizio 1. Al variare del parametro a R, si consideri l applicazione lineare L a : R R definita dalle
Dettagli1 Esercizi 13. 3x + λy + 2z = 0 (1 λ)x + 5y + 3z = 0 3x + 2y + z = 0
1 Esercizi 13 1. Discutere le soluzioni del sistema seguente al variare del parametro λ R. 3x + λy + 2z 0 (1 λ)x + 5y + 3z 0 3x + 2y + z 0 Soluzione. Si tratta di un SLO 3 3 e sappiamo che tale sistema
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
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
Dettagli