Richiami di Algebra Lineare
|
|
- Albana Meloni
- 5 anni fa
- Visualizzazioni
Transcript
1 Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi vettoriali(ospazilineari),trasformazioni lineari e sistemi di equazioni lineari Questi concetti sono difondamentaleimportantenellateoria dei Sistemi in quanto sono alla base della rappresentazione di un sistemadinamicoinspaziodistato e risultano essere fondamentali A1 Spazi Vettoriali Definizione A1 Sia G un insieme e sia operazione binaria su G ( : G G G) Si dice che (G, ) è u n g r u p p o s e : (a) vale proprietà associativa: a, b, c G si ha (a b) c = a (b c); (b) esiste elemento neutro: e G tale che x G si ha x e = e x = x; (c) esiste inverso/opposto: x G y G tale che x y = y x = e Se a, b G vale a b = b a, allorag si dice gruppo commutativo Estendendo tale concetto a due operazioni si costruisce un campo Definizione A2 Sia K un insieme con due operazioni binarie + e Si dice che (K, +, ) è u n campo se: (a) (K, +) è un gruppo commutativo ( con elemento neutro 0 ) ; (b) (K\{0}, ) è un gruppo commutativo (con elemento neutro 1 ) ; (c) vale proprietà distributiva: a, b, c K si ha (a + b) c = a c + b c; Aquestopuntosipuòintrodurreilconcettodispaziovettoriale come segue 89
2 Definizione A3 Sia V un insieme e sia K un campo (ad esempio il campo dei reali R) Si dice che l insieme V è sostegno di uno spazio vettoriale (lineare ) sul campo K se in V è definita un operazione binaria interna (+) per la quale (V,+) è u n g r u p p o c o m m u t a t i v o ( o s s i a u n g r u p p o a b e l i a n o ) e d è inoltre definita una legge di composizione esterna ( ) : moltiplicazione per uno scalare) per la quale valgono le seguenti proprietà: K V V (detta prodotto esterno o (a) (α + β) v = α v + β v (Distributività del prodotto esterno rispetto all addizione di scalari); (b) α (v + u) =α v + α u (Distributività del prodotto esterno rispetto all addizione di vettori); (c) (α β) v = α (β v) (Associatività del prodotto esterno); (d) 1 v = v (Neutralità di 1 rispetto al prodotto esterno) In questo corso verranno considerati spazi vettoriali Euclidei n-dimensionali (V elementi sono vettori colonna di numeri reali: x R n x = x 1 x n R n ), i cui x =[x 1,,x n ] T (A1) Definizione A4 Dato uno spazio vettoriale V R n,sidefiniscecombinazionelinearedim vettori {x 1,,x m } V,laseguentequantità: m α i x i = α 1 x α m x m (A2) i=1 Definizione A5 Dati m vettori {x 1,,x m } V R n,questisidefinisconolinearmenteindipendenti se la loro combinazione lineare si annulla solo nel caso incuituttiicoefficientisononulli(caso triviale), ovvero: m α i x i =0 α 1 = = α m =0 (A3) i=1 Definizione A6 Sia V un spazio vettoriale in R n, dato un insieme S V si dice che S è u n sottospazio di V se risulta essere chiuso rispetto ad addizione e moltiplicazione scalare: x, y S αx+ βy S α, β R (A4) Definizione A7 Dato uno spazio vettoriale V,uninsiemeB V si dice base di V se ogni elemento u V si scrive in modo unico come combinazione lineare di elementi dib Si noti che la scrittura risulta essere unica solo nel caso in cui gli elementi di B sono linearmente indipendenti Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 90 di 109
3 Definizione A8 Dato uno spazio vettoriale V,uninsiemeB c V si dice base canonica di V se questa è costituita da n vettori linearmente indipendenti {e 1,,e n } del tipo: e i =[0,, }{{} 1, 0,,0] (A5) i Definizione A9 Una norma su uno spazio vettoriale lineare (reale o complesso) X è una funzione : X [0, ) (A6) che verifica le seguenti condizioni: x 0 x X e x =0 x =0,(definitapositività), αx = α x, (omogeneità), x + y x + y, (disuguaglianzatriangolare) Definizione A10 Si definisce norma euclidea, quella particolare norma dove la funzione è definita come: x = x x2 n (A7) Definizione A11 Sia V uno spazio vettoriale definito in R n Si definisce prodotto scalare <, > una funzione: <, > : V V R, < x, y >, (A8) definita come: <x,y>= x T y = n x i y i (A9) i=1 che verifica le seguenti condizioni: <x,y>= <y,x> x, y V (simmetria), < (αx+ y),z>= α<x,z>+ <y,z>(bilinearità), <x,x>= x 2 > 0 x 0(definita positività), <x,y> x + y (disuguaglianza di Cauchy-Schwarz) dove con il simbolo si indica una opportuna norma Definizione A12 Dati due vettori x, y R n,sidicechequestisonoortogonaliseesoloseilloro prodotto scalare è nullo, ovvero: x y <x,y>= 0 (A10) Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 91 di 109
4 Definizione A13 Dati due vettori x, y R n,sidicechequestisonoortonormalisesonoortogonali tra loro ed hanno norma unitaria, ovvero: x = y =1, x y Definizione A14 Si definisce spazio vettoriale euclideo V R n,quelparticolarespaziovettoriale per cui è definito un prodotto scalare Euclideo (ovvero definito rispetto alla norma Euclidea) <, > Definizione A15 Si definisce un vettore funzione del tempo, quel particolare vettore x(t) R n dove ogni componente è funzione del tempo, ovvero: x(t) = x 1 (t) x n (t) (A11) Definizione A16 Si definisce derivata di un vettore funzione del tempo x(t) R n,quelparticolare vettore ẋ(t) R n dove ogni componente è la derivata della corrispettiva componente del vettore x(t), ovvero: A2 Matrici ẋ(t) = d dt x(t) = ẋ 1 (t) ẋ n (t) (A12) Definizione A17 Si definisce matrice A di dimensioni m n uno schieramento di elementi organizzati in m righe (orizzontali) ed n colonne (verticali) Una generica matrice di numeri reali A R m n è descritta solitamente nel modo seguente : M = a 11 a 12 a 1n 1 a 1n a 21 a 22 a 2n 1 a 2n a m 11 a m 12 a m 1n 1 a m 1n a m1 a m2 a mn 1 a mn (A13) Definizione A18 Sia data una matrice A R n m Si definisce polinomio caratteristico p A ( ) associato alla matrice A il polinomio definito nel modo seguente: p A (λ) =det(a λi) (A14) Inoltre, si definisce equazione caratteristica la seguente espressione: p A (λ) =0 (A15) Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 92 di 109
5 Definizione A19 Sia data una matrice A R n m,sidefiniscenormaeuclidea(indotta) la quantità: A =max{ Ax e : x R m, x e 1} (A16) dove e è l a n o r m a e u c l i d e a p e r v e t t o r i Definizione A20 Una matrice A R n n si definisce invertibile se esiste una matrice A 1 R n n tale che: A A 1 = A 1 A = I (A17) dove I R n n è l a m a t r i c e i d e n t i t à d i d i m e n s i o n e n n Definizione A21 Siano A, B R n n due matrici quadrate n n Esse si definiscono simili se esiste una matrice invertibile P tale che: A = P 1 B P (A18) Definizione A22 Sia M(n) R n n lo spazio vettoriale delle matrici quadrate n n avaloriinun campo K (ad esempio, il campo dei numeri reali o complessi), si definisce determinante di una matrice A M(n), unaapplicazionelinearedefinitacomesegue: det : M(n) K Inoltre data una generica matrice A M(n) definita come segue: a 11 a 12 a 1n A = a n1 a n2 a nn si ha che il determinante det(a) si può indicare come: a 11 a 12 a 1n det(a) = a n1 a n2 a nn epuòesserecalcolato attraversolosviluppo dilaplacescegliendo la i-esima riga come segue: n det(a) = a ij c ij dove c ij =( 1) i+j det(a ij ) è i l c o m p l e m e n t o a l g e b r i c o d e l l a c o p p i a (i, j) j=1 (A19) (A20) (A21) (A22) Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 93 di 109
6 Teorema A1 Sia A inv (n) R n n lo spazio vettoriale delle matrici quadrate invertibili n n avalori in un campo K Allora A, B M(n) e k K valgono le seguenti proprietà per il determinante: det(ab)=det(a) det(b) det(a 1 )= 1 det(a) det(ka)=k n det(a) det(a T )=det(a) det(diag(a 1,,a n )) = n i a i Teorema A2 (Invertibilità di una matrice) Una matrice A R n m è i n v e r t i b i l e s e e s o l o s e i l s u o determinante è diverso da zero, ovvero: A R n n A 1 R n n det(a) 0 (A23) Inoltre se A è i n v e r t i b i l e a l l o r a l a s u a m a t r i c e i n v e r s a A 1 si può calcolare come segue: A 1 = 1 det(a) CofT (A) dove Cof(A) è l a m a t r i c e d e i c o f a t t o r i, c h e s i p u ò c a l c o l a r e c o m e s e g u e : (A24) c 11 c 12 c 1n Cof(A) =, c ij =( 1) i+j det(a ij ) (A25) c n1 c n2 c nn dove A ij è l a m a t r i c e n 1 n 1 ottenuta eliminando dalla matrice A la i-esima riga e la j-esima colonna Definizione A23 Sia data una matrice A R n n, si definisce traccia tr(a) della matrice A la somma di tutti gli elementi sulla diagonale principale, ovvero: n tr(a) = a ii, dove m ii rappresenta l elemento sulla i-esima e i-esima colonna della matrice A i=1 (A26) Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 94 di 109
7 Definizione A24 Sia data una matrice quadrata A R n n,essasidefiniscenilpotenteseesisteun intero positivo k tale che: A k =0 (A27) Inoltre, si definisce ordine di nilpotenza il più piccolo k per cui tale condizione è verificata Definizione A25 Si definisce matrice funzione del tempo, quella particolare matrice A(t) R n m dove ogni componente è funzione del tempo, ovvero: A(t) = a 11 (t) a 12 (t) a 1n 1 (t) a 1n (t) a 21 (t) a 22 (t) a 2n 1 (t) a 2n (t) a m 11 (t) a m 12 (t) a m 1n 1 (t) a m 1n (t) a m1 (t) a m2 (t) a mn 1 (t) a mn (t) (A28) Definizione A26 Si definisce derivata di una matrice funzione del tempo A(t) R n m, quella particolare matrice matrice A(t), ovvero: Ṁ(t) R n m dove ogni elemento è la derivata del corrispettivo elemento della Ȧ(t) = A3 Trasformazioni Lineari ȧ 11 (t) ȧ 12 (t) ȧ 1n 1 (t) ȧ 1n (t) ȧ 21 (t) ȧ 22 (t) ȧ 2n 1 (t) ȧ 2n (t) ȧ m 11 (t) ȧ m 12 (t) ȧ m 1n 1 (t) ȧ m 1n (t) ȧ m1 (t) ȧ m2 (t) ȧ mn 1 (t) ȧ mn (t) (A29) Definizione A27 Siano V e W due spazi vettoriali definiti sullo stesso campo K Una funzione f : V W è una trasformazione lineare (applicazione lineare ) se soddisfa le seguenti proprietà: f(x + y) =f(x)+f(y) (linearità), f(αx)=αf(x) (omogeneità di grado 1), per ogni coppia di vettori x, y V eperogniscalareα K Definizione A28 Siano V e W due spazi vettoriali definiti sullo stesso campo K, ef : V W una applicazione lineare Siano inoltre B V = {v 1,,v n } e B w = {w 1,,w m } due basi rispettivamente per V e W LamatriceA associata a f nelle basi B V e B W : A BV,B W : V W, (A30) è l a m a t r i c e m n avente nella i-esima colonna le coordinate del vettore f(v i ) rispetto alla base B W Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 95 di 109
8 Definizione A29 Siano V R n e W R m due spazi vettoriali definiti sullo stesso campo K, e f : V W una applicazione lineare Sia inoltre A la matrice associata a f Sidefinisceimmagine di A, quelparticolaresottospaziodiw tale che: R(A) ={y W : y = Ax per qualche x} (A31) Definizione A30 Siano V R n e W R m due spazi vettoriali definiti sullo stesso campo K, e f : V W una applicazione lineare Sia inoltre A la matrice associata a f Si definisce rango di A, ladimensionedell immaginedia,ovvero: rank(a) = dim R(A) (A32) Definizione A31 Siano V R n e W R m due spazi vettoriali definiti sullo stesso campo K, e f : V W una applicazione lineare Sia inoltre A la matrice associata a f SidefiniscenullodiA, quel particolare sottospazio di V tale che: N(A) ={x V : Ax=0} (A33) Definizione A32 Siano V R n e W R m due spazi vettoriali definiti sullo stesso campo K, e f : V W una applicazione lineare Sia inoltre A la matrice associata a f Si definisce nullità di A, ladimensionedelnullodia,ovvero: nullity(a) = dim N(A) (A34) Teorema A3 (Teorema fondamentale dell algebra lineare) Siano R n e R m due spazi vettoriali definiti sullo stesso campo K Siaf : R n R m una applicazione lineare con A la matrice ad essa associata Sia inoltre f 1 : R m R n l applicazione lineare inversa ed A T la matrice ad essa associata Allora per le due applicazioni f e f 1 valgono le seguenti relazioni sugli spazi immagine e spazi nulli: ed inoltre valgono la seguente relazione sulle dimensioni: R(A) = N(A T ) (A35) R(A T ) = N(A) (A36) dove rank(a) =rank(a T ) dim R n = rank(a)+nullity(a) (A37) dim R m = rank(a T )+nullity(a T ) (A38) Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 96 di 109
9 Figura A1: Decomposizione della matrice A associata all trasformata lineare f Rev 01 Complementi per il corso di Teoria dei Sistemi e del Controllo 97 di 109
RICHIAMI 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
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
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
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
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:
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,
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
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
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.
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
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
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
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
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
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
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
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
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
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
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 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)
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
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
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
DettagliAlgebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)
Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti
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
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
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
DettagliRichiami di algebra lineare e geometria di R n
Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore
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.
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
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
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
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
DettagliIl programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria p. 1
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria R. Vitolo Dipartimento di Matematica Università di Lecce SaLUG! - Salento Linux User Group Il programma OCTAVE per l
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.
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
Dettagli4. Operazioni binarie, gruppi e campi.
1 4. Operazioni binarie, gruppi e campi. 4.1 Definizione. Diremo - operazione binaria ovunque definita in A B a valori in C ogni funzione f : A B C - operazione binaria ovunque definita in A a valori in
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
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
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
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,
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
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
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
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
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
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
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
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
DettagliR X X. RELAZIONE TOTALE Definizione: Si definisce relazione totale tra x e y se dati X,Y diversi dall'insieme vuoto
PRODOTTO CARTESIANO Dati due insiemi non vuoti X e Y si definisce prodotto cartesiano: X Y ={ x, y x X, y Y } attenzione che (x,y) è diverso da (y,x) perchè (x,y)={x,{y}} e (y,x)={y,{x}} invece sono uguali
DettagliAL. Algebra vettoriale e matriciale
PPENDICI L. lgebra vettoriale e matriciale Vettori Somma di vettori: struttura di gruppo Come abbiamo richiamato nell introduzione vi sono delle grandezze fisiche caratterizzabili come vettori, cioè tali
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,
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
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
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
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.
Dettagli09 - Funzioni reali di due variabili reali
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 09 - Funzioni reali di due variabili reali Anno Accademico 2013/2014
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
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:
DettagliCorso introduttivo pluridisciplinare Strutture algebriche
Corso introduttivo pluridisciplinare Strutture algebriche anno acc. 2013/2014 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano) Corso introduttivo pluridisciplinare 1 / 17 index
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
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
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;
DettagliFunzioni di più variabili. Ottimizzazione libera e vincolata
libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di
DettagliAppunti di Algebra Lineare e Matrici
Appunti di Algebra Lineare e Matrici Basilio Bona Dipartimento di Automatica e Informatica Politecnico di Torino Internal Report: DAUIN/BB-2003-09-01 Capitolo 1 Matrici e vettori Il lettore interessato
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
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
DettagliCOGNOME... NOME... Classe... Data... 1.a Calcolare le seguenti espressioni: 3. 220 245
Capitolo I radicali Risoluzione algebrica erifica per la classe seconda Espressioni numeriche Equazioni lineari Esistenza Operazioni Espressioni letterali.a Calcolare le seguenti espressioni:. 5. 8 3.
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,
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 + +
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
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
DettagliDIARIO DEL CORSO DI ALGEBRA A.A. 2012/13 DOCENTE: ANDREA CARANTI
DIARIO DEL CORSO DI ALGEBRA A.A. 2012/13 DOCENTE: ANDREA CARANTI Lezione 1. lunedí 17 settembre 2011 (1 ora) Presentazione del corso. Esercizio: cosa succede a moltiplicare per 2, 3, 4,... il numero 052631578947368421,
DettagliProdotto elemento per elemento, NON righe per colonne Unione: M R S
Relazioni binarie Una relazione binaria può essere rappresentata con un grafo o con una matrice di incidenza. Date due relazioni R, S A 1 A 2, la matrice di incidenza a seguito di varie operazioni si può
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
DettagliPROGETTAZIONE DISCIPLINARE MATEMATICA classe 2^
PROGETTAZIONE DISCIPLINARE MATEMATICA classe 2^ PER RICONOSCERE, RAPPRESENTARE E RISOLVERE PROBLEMI I. Q. II. Q. CONTENUTI / ATTIVITA 1 bim. 2 bim. 3 bim. 4 bim. 1a) Individuazione di situazioni problematiche
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.
DettagliAnalisi 2 - funzioni di più variabili. Andrea Minetti - andrea.minetti@gmail.com
Analisi 2 - funzioni di più variabili Andrea Minetti - andrea.minetti@gmail.com January 28, 2011 Ciao a tutti, ecco i miei riassunti, ovviamente non posso garantire la correttezza (anzi garantisco la non
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliSPAZI METRICI. Uno spazio metrico X con metrica d si indica con il simbolo (X, d). METRICI 1
SPAZI METRICI Nel piano R 2 o nello spazio R 3 la distanza fra due punti è la lunghezza, o norma euclidea, del vettore differenza di questi due punti. Se p = (x, y, z) è un vettore in coordinate ortonormali,
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
DettagliAppunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli
Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli 09- Integrale doppio: Riferimenti: R.Adams, Calcolo ifferenziale 2. Capitoli 5.1, 5.2, 5.4. Esercizi 5.3, 5.4 Integrale
Dettagli8 - Analisi della deformazione
8 - Analisi della deformazione ü [A.a. - : ultima revisione 6 ottobre ] Esercizio n. Si supponga di voler conoscere sperimentalmente lo stato di deformazione in un punto M di un solido. A tal fine, si
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
DettagliCapitolo I STRUTTURE ALGEBRICHE ELEMENTARI
Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI In matematica, per semplificare la stesura di un testo, si fa ricorso ad un linguaggio specifico. In questo capitolo vengono fornite in maniera sintetica le nozioni
DettagliCapitolo 16 Esercizi sugli integrali doppi
Capitolo 6 sercizi sugli integrali doppi Brevi richiami di teoria Sia f : [a, b] [c, d] B IR una funzione limitata e non negativa, definita sul rettangolo R = [a, b] [c, d]. Dividiamo l intervallo [a,
DettagliESERCIZI DEL CORSO DI INFORMATICA
ESERCIZI DEL CORSO DI INFORMTIC Questa breve raccolta di esercizi vuole mettere in luce alcuni aspetti della prima parte del corso e fornire qualche spunto di riflessione. Il contenuto del materiale seguente
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
DettagliALGEBRA I: MODULI. Abbiamo indicato con 0 A, 1 A lo zero e l unità nell anello A e con 0 M l elemento neutro del gruppo abeliano (M, +).
ALGEBRA I: MODULI 1 GENERALITÀ SUGLI A-MODULI Il concetto di A-modulo generalizza quello di spazio vettoriale su un campo K Definizione 11 Sia A un anello commutativo con unità Un A-modulo è un insieme
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
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
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
DettagliDeterminante e inversa di una matrice
CPITOLO 6 Determinante e inversa di una matrice Esercizio 6.. Calcolare il determinante delle seguenti matrici: 3 3 = B = 0 3 7 C = 0 D = 0 F = 0 0 3 4 0 3 4 3 Esercizio 6.. Calcolare il determinante delle
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
Dettagli