Per capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi.
|
|
- Ivo Rubino
- 4 anni fa
- Visualizzazioni
Transcript
1 Lezione Combinazioni lineari Definizione 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 n se esistono scalari 1,..., n 2 K tali che v = 1 v n v n = nx i v i. i=1 Il sottoinsieme di V costituito dai vettori che sono combinazione lineare di v 1,...,v n si indica con L(v 1,...,v n ). L insieme L(v 1,...,v n ) si dice generato da v 1,...,v n ed i vettori v 1,...,v n si dicono generatori di L(v 1,...,v n ). Se esistono v 1,...,v n 2 V tali che V = L(v 1,...,v n ), V si dice finitamente generato. Per capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi. Esempio Sia V uno spazio vettoriale su K = R, C e v 1,...,v n 2 V vettori fissati. Allora 0 V =0v v n, ovvero il vettore nullo è sempre combinazione lineare di un qualsiasi insieme di vettori. Esempio Fissato nello spazio ordinario S 3 un sistema di riferimento O~ı~ ~ k, per la Proposizione 7.12 ogni vettore geometrico ~v 2 V 3 (O) si può decomporre come ~v = a~ı + b~ + c ~ k per opportuni a, b, c 2 R. QuindilospazioV 3 (O) coincide con L(~ı, ~, ~ k), ovvero~ı, ~, ~ k sono generatori di V3 (O): inparticolarev 3 (O) èfinitamentegenerato. 145
2 146 Esempio In R 3 si considerino i vettori e 1 =(1, 0, 0) ed e 2 =(0, 1, 0). Allora v 0 =(3, 2, 1) 62 L(e 1,e 2 ),cioèv 0 non è combinazione lineare di e 1,e 2. Infatti dall equazione vettoriale (3, 2, 1) = v 0 = e 1 + e 2 = (1, 0, 0) + (0, 1, 0), confrontando le componenti nelle stessa posizione dei vettori al primo ed al secondo membro otteniamo il sistema 8 >< =3 =2 >: 0=1, che, ovviamente, non ammette soluzioni. Quindi e 1 ed e 2 non sono generatori di R 3. Invece v 00 =(3, 2, 0) 2L(e 1,e 2 ) cioè v 00 ècombinazionelinearedie 1,e 2. Infatti l equazione vettoriale (3, 2, 0) = v 00 = e 1 + e 2 = (1, 0, 0) + (0, 1, 0), si traduce nel sistema 8 >< =3 avente soluzione (, )=(3, 2). =2 >: 0=0, Più in generale gli elementi di L(e 1,e 2 ),cioèivettorichesonocombinazione lineare di e 1 ed e 2,sonotuttiesoliivettorideltipo(,, 0) al variare di, 2 R, cioè L(e 1,e 2 )={ (x 1,x 2,x 3 ) 2 R 3 x 3 =0}. Verificare per esercizio che L(e 1,e 2 ) èunsottospaziovettorialedir 3. Esempio In R 3 si considerino e 1 =(1, 0, 0), e 2 =(0, 1, 0) e e 3 =(0, 0, 1). Ogni vettore di R 3 ècombinazionelinearedie 1,e 2,e 3 :infatti (x 1,x 2,x 3 )=x 1 (1, 0, 0) + x 2 (0, 1, 0) + x 3 (0, 0, 1), quindi R 3 = L(e 1,e 2,e 3 ),cioèe 1,e 2,e 3 generano R 3,cherisultaessereR 3 èfinitamente generato. Più in generale, sia K = R, C, esiconsiderinoivettorie 1,...,e n in K n così definiti: e i ha tutte le componenti nu nne la i esima che vale 1. Allora e 1,...,e n sono generatori di K n.infattisceltox =(x 1,...,x n ) 2 K n si ha
3 147 x 1 (1, 0, 0, 0,...,0, 0)+ x 2 (0, 1, 0, 0,...,0, 0)+ x 3 (0, 0, 1, 0,...,0, 0)+. x n 1 (0, 0, 0,...,1, 0)+ x n (0, 0, 0, 0,...,0, 1) = (x 1,x 2,x 3,...,x n 1,x n ) cioè x = x 1 e x n e n.quindik n = L(e 1,...,e n ) èfinitamentegenerato. Esempio In C 2,2 si considerino i vettori E 1,1 =, E 0 0 1,2 =, E 0 0 2,1 = Si ha che a1,1 a 1,2 a 2,1 a 2,2 0 0, E 1 0 2,2 = = a 1,1 + a 0 0 1,2 + a 0 0 2,1 + a 1 0 2,2, 0 1 quindi C 2,2 = L(E 1,1,E 1,2,E 2,1,E 2,2 ),ovveroe 1,1,E 1,2,E 2,1,E 2,2 sono generatori di C 2,2,cherisultaessereC 2,2 finitamente generato. Più in generale, in K m,n si consideri per ogni coppia di indici (i, j), con1 6 i 6 m e 1 6 j 6 n, lamatricee i,j avente tutte le entrate nulle tranne quella in posizione (i, j) che vale 1. AlloralematriciE i,j con 1 6 i 6 m e 1 6 j 6 n sono generatori di K m,n,cioèk m,n = L(E i,j 1 6 i 6 m, 1 6 j 6 n). InparticolareK m,n èfinitamente generato. Osservazione In tutti gli esempi presi in considerazione finora la scrittura di un fissato vettore come combinazione lineare di generatori dati è unica. Non è detto che questo accada sempre, cioè uno stesso vettore può essere scritto in più di un modo come combinazione lineare di un fissato insieme di vettori. Per esempio, se consideriamo v 1 =(1, 1, 1), v 2 =(2, 3, 0), v 3 =( 3, 2, 1) in R 3,allora 0 v 1 +0 v 2 +0 v 3 =(0, 0, 0) = 1 v 1 +1 v 2 +1 v 3. Il lettore verifichi per esercizio che il vettore 0 R 3 combinazione lineare dei vettori v 1,v 2,v 3. si scrive in infiniti modi come Vediamo adesso che non tutti gli spazi vettoriali sono finitamente generati. Esempio Si consideri l insieme K[x] dei polinomi nella variabile x a coefficienti in K = R, C. Si ricordi che ogni polinomio si può scrivere in maniera unica come p(x) =a 0 + a 1 x + a 2 x 2 + a 3 x a n x n +... (14.1.1)
4 148 dove gli esponenti della variabile x sono ordinati in maniera strettamente crescente (in particolare sono tutti diversi) e i coefficienti a i 2 K. Tale scrittura viene detta forma ridotta del polinomio. Mostriamo che K[x] è uno spazio vettoriale su K con l usuale operazione di somma di polinomi e di prodotto di un polinomio per una costante in K. Infatti K[x] 6= ; poiché contiene tutti i polinomi costanti, in particolare il polinomio nullo. Inoltre le operazioni di somma e prodotto si possono definire a partire dalla successione dei coefficienti del polinomio, utilizzando le operazioni di somma e prodotto definite in K. Per esempio, se il polinomio p(x) ha forma ridotta data da (14.1.1), allora p(x) = a 0 + a 1 x + a 2 x 2 + a 3 x a n x n +... Poiché la somma ed il prodotto di elementi di K soddisfano gli otto assiomi della definizione 13.1, anche le operazioni di somma e prodotto in K[x] soddisfano le stesse proprietà. Si noti che in K[x] si possono considerare polinomi formati da un solo addendo, cioè polinomi della forma p(x) =ax n,dovea 2 K ed n 2 Z, n > 0: tali polinomi particolari si dicono monomi nell indeterminata x. Se a 6= 0,sidefiniscegrado di ax n il numero deg(ax n )=n, mentresea =0si pone deg(0) = 1. Un polinomio nell indeterminata x è, dunque, una qualsiasi somma finita di monomi: il grado deg(p) di un polinomio p(x) èilgradomassimodei monomi con coefficiente non nullo che compaiono quando è scritto in forma ridotta. Si noti che deg(p + q) 6 max{ deg(p), deg(q) }, deg( p) 6 deg(p) per ogni 2 K eperognip(x),q(x) 2 K[x]. Verifichiamo che K[x] non è finitamente generato. Consideriamo un qualsiasi insieme finito di polinomi p 1 (x),...,p n (x) 2 K[x] esia d =max{ deg(p i ) i =1,...,n }. Allora se p(x) 2L(p 1 (x),...,p n (x)) K[x] segue che deg(p) 6 d, dunque,comunque si scelgano p 1 (x),...,p n (x) 2 K[x], ipolinomidigradostrettamentemaggiore di d non sono loro combinazione lineare. Altri esempi di spazi non finitamente generati sono gli spazi di funzioni R I, C p (I), p > 0, ovei R èunintervalloaperto. Infatti,peresempio,siconsideriR[x] come sottospazio di R R, C p (R) con la naturale identificazione di un polinomio con la funzione polinomiale corrispondente: vedremo più avanti che se V èunospazio vettoriale finitamente generato allora tali sono tutti i suoi sottospazi. Poiché R[x] non è finitamente generato allora né R R,néC p (R) possono esserlo. In tutti gli esempi presi in esame sopra, l insieme generato da un certo numero di vettori di uno spazio vettoriale V viene ad essere, di fatto, un sottospazio vettoriale di V,eventualmentecoincidenteconV stesso: questo è un fatto del tutto generale.
5 149 Proposizione Sia V uno spazio vettoriale su K = R, C e v 1,...,v n 2 V vettori fissati. Allora l insieme L(v 1,...,v n ) èunsottospaziovettorialediv,inoltre L(v 1,...,v n )=L(v 1 )+ + L(v n ). (14.1.2) Dimostrazione. Iniziamo a verificare la prima parte dell enunciato nel caso n =1. In questo caso le combinazioni lineari di v 1 sono esattamente i vettori della forma 1 v 1 al variare di 1 2 K, cioè imultiplidiv 1. In particolare 0 V =0v 1 2L(v 1 ).Sepoiconsideriamo 1v 0 1, 1v L(v 1 ),siha 1v v 00 1 =( )v L(v 1 ). Infine, se consideriamo 2 K e 1 v 1 2L(v 1 ),siha ( 1 v 1 )=( 1 )v 1 2L(v 1 ). Concludiamo che L(v 1 ) èunsottospaziovettorialediv. Osserviamo che gli elementi di L(v 1,...,v n ) sono tutti e soli i vettori della forma 1 v n v n : poiché i v i 2L(v i ) per ogni i =1,...,n,seguel identità(14.1.2). Poiché,quindi, L(v 1,...,v n ) èsommadisottospazivettorialidiv,essoèasuavoltasottospaziovettorialediv per la Proposizione Per tale motivo, d ora in avanti chiameremo L(v 1,...,v n ) il sottospazio vettoriale di V generato dai vettori v 1,...,v n. Mostriamo adesso che se conosciamo gli insiemi di generatori di due sottospazi, siamo anche in grado di determinare un insieme di generatori per la loro somma. Proposizione Sia V uno spazio vettoriale su K = R, C esianow 0,W 00 V sottospazi finitamente generati. Allora anche il sottospazio somma W 0 + W 00 è finitamente generato. Inoltre se allora W 0 = L(w 0 1,...,w 0 n 0), W00 = L(w 00 1,...,w 00 n 00), W 0 + W 00 = L(w1,...,w 0 n 0 0,w00 1,...,wn 00 00). Dimostrazione. Utilizzando ripetutamente la formula (14.1.2) si ottiene L(w1,...,w 0 n 0 0)+L(w00 1,...,wn 00 00) =L(w0 1)+ + L(wn 0 0)+L(w00 1 )+ + L(wn 00 00) = L(w1,...,w 0 n 0 0,w00 1,...,wn 00 00), eciòdimostracompletamentel enunciato. Concludiamo che un insieme di generatori per la somma di sottospazi finitamente generati è l unione di insiemi di generatori per ciascuno dei sottospazi Dipendenza lineare Definizione Sia V uno spazio vettoriale su un campo K = R, C e si considerino v 1,...,v n 2 V vettori fissati. Ivettoriv 1,...,v n si dicono linearmente dipendenti se esistono 1,..., n 2 K non tutti nulli tali che 1 v n v n =0 V. (14.2.1) In caso contrario i vettori v 1,...,v n si dicono linearmente indipendenti.
6 150 Quindi dei vettori v 1,...,v n sono linearmente indipendenti se, per ogni scelta di scalari 1,..., n 2 K non tutti nulli, risulta 1 v n v n 6=0 V. Un altro modo per definire la nozione di indipendenza lineare è il seguente: i vettori v 1,...,v n sono linearmente indipendenti se l equazione in V 1 v n v n =0 V ha ( 1,..., n )=0 K n 2 K n come unica soluzione, mentre sono linearmente dipendenti se ha soluzioni non nulle. Esempio Sia V uno spazio vettoriale su K = R, C esiconsiderinovettori v 1,...,v n.allora 1 0 V +0v 1 +0v v n =0 V, cioè 0 V,v 1,v 2,...,v n sono linearmente dipendenti. In particolare, un qualsiasi insieme di vettori che contiene il vettore nullo è costituito da vettori linearmente dipendenti. Più in generale siano v 1,...,v n 2 V linearmente dipendenti e 1,..., n 2 K non tutti nulli tali che 1 v n v n =0 V :pertantonellarelazionedidipendenza lineare 1 v n v n +0v n v m =0 V non tutti gli scalari sono nulli, quindi anche v 1,...,v n,v n+1,...,v m sono linearmente dipendenti, qualsiasi sia la scelta dei vettori v n+1,...,v m 2 V. Esempio Fissato nello spazio ordinario S 3 un sistema di riferimento cartesiano ortogonale O~ı~ ~ k,itreversori~ı, ~, ~ k sono linearmente indipendenti in V 3 (O): infatti vale che ~0 =a~ı + b~ + c ~ k se e solo se 0= ~0 = a~ı + b~ + c ~ k = p a 2 + b 2 + c 2, ovvero se e solo se a = b = c =0. Esempio Itrevettoriv 1 =(1, 1, 1), v 2 =(2, 3, 0), v 3 =( 3, 2, 1) sono linearmente dipendenti in R 3 poiché 1(1, 1, 1) + 1(2, 3, 0) + 1( 3, 2, 1) = (0, 0, 0). Invece i vettori e 1 =(1, 0, 0), e 2 =(0, 1, 0), e 3 =(0, 0, 1) sono linearmente indipendenti poiché 1 (1, 0, 0) + 2 (0, 1, 0) + 3 (0, 0, 1) = ( 1, 2, 3 ), che è nullo se e solo se 1 = 2 = 3 =0. Più in generale, in K n ivettorie 1,...,e n sono linearmente indipendenti. stesso vale per i vettori E i,j, 1 6 i 6 m, 1 6 j 6 n in K m,n. Osservazione Le definizioni di dipendenza ed indipendenza lineare non dipendono dall ordine dei vettori: se dei vettori sono linearmente dipendenti od indipendenti in un fissato ordine, lo sono in qualsiasi altro. Lo
7 Sia V uno spazio vettoriale su K = R, C esianov 1,...,v n 2 V. Ci domandiamo cosa significhi che uno, due o tre vettori siano linearmente dipendenti. 151 Dire che il vettore v 1 è linearmente dipendente equivale ad affermare che esiste 1 2 K \{0 } tale che 1 v 1 =0 V.Perlaleggediannullamentodelprodotto ciò significa che v 1 =0 V :quindiun vettore è linearmente dipendente se e solo se è nullo. Dire che v 1 e v 2 sono linearmente dipendenti equivale ad affermare che esistono scalari 1, 2 2 K non contemporaneamente nulli tali che 1 v v 2 =0 V. Supponiamo che sia 2 6= 0. Allora, sommando ad ambo i membri delle relazione sopra l opposto di 1 v 1 emoltiplicandoquindiamboimembriper 2 1 (che esiste perché 2 6=0), si ottiene v 2 = 1 2 v 1, cioè uno dei vettori è multiplo dell altro (cioè è sua combinazione lineare). Viceversa, se ciò accade, diciamo v 2 = v 1 per qualche 2 K, allorasommandoadamboimembril oppostodi v 1 si ottiene la relazione di dipendenza lineare ( )v 1 +1v 2 =0 V, i cui coefficienti non sono tutti nulli(infatti 1 6= 0): quindi due vettori sono linearmente dipendenti se e solo se uno dei due è multiplo dell altro. Dire che v 1, v 2 e v 3 sono linearmente dipendenti equivale ad affermare che esistono 1, 2, 3 2 K non contemporaneamente nulli tali che 1 v v v 3 =0 V. Supponiamo che sia 3 6=0. Allora sommando ad ambo i membri delle relazione sopra l opposto di 1 v v 2 emoltiplicandoquindiamboimembri 3 1 (che esiste perché 3 6=0), si ottiene v 3 = 1 3 v v 2, cioè uno dei vettori è combinazione lineare dei rimanenti. Viceversa, se ciò accade, diciamo v 3 = 1 v v 2 per qualche 1, 2 2 K, sommandoadamboimembril oppostodi 1v v 2 si ottiene la relazione di dipendenza lineare ( 1)v 1 +( 2)v 2 +1v 3 =0 V, i cui coefficienti non sono tutti nulli(infatti 1 6= 0): quindi tre vettori sono linearmente dipendenti se e solo se uno di loro è combinazione lineare dei rimanenti.
8 152 Esempio In R 3 consideriamo i vettori v 1 =(1, 1, 1), v 2 =(2, 3, 0) e v 3 =( 3, 2, 1) dell Esempio 14.14: i tre vettori sono linearmente dipendenti e si ha ( 1)(1, 1, 1) + ( 1)(2, 3, 0) = ( 3, 2, 1). Il ragionamento che abbiamo appena fatto, con le modifiche del caso, è alla base della dimostrazione del risultato seguente. Proposizione Siano V uno spazio vettoriale su K = R, C e v 1,...,v n 2 V vettori fissati, n > 2. (i) Ivettoriv 1,...,v n sono linearmente dipendenti se e solo se uno di loro è combinazione lineare dei rimanenti. (ii) Ivettoriv 1,...,v n sono linearmente dipendenti se e solo se uno di loro è combinazione lineare di quelli che lo precedono nell ordine fissato. Dimostrazione. (i) Ivettoriv 1,...,v n sono linearmente dipendenti se e solo se esistono scalari 1,..., n 2 K non contemporaneamente nulli tali che se, per fissare le idee, n 6=0si ottiene 1 v n v n =0 V ; v n = 1 n v 1 n 1 n v n 1, cioè uno dei vettori è combinazione lineare dei rimanenti. Viceversa, se ciò accade, diciamo v n = 1 v n 1 v n 1 per qualche 1,..., n 1 2 K, siottienelarelazionedidipendenzalineare ( 1)v 1 + +( n 1)v n 1 +1v n =0 V, icuicoefficientinonsonotuttinulli,quindiv 1,...,v n sono linearmente dipendenti. (ii) Èchiarocheseesistem tale che v m 2L(v 1,...,v m 1 ) allora i vettori sono linearmente dipendenti dalla parte (i) dell enunciato. Viceversa, supponiamo che v 1,...,v n siano linearmente dipendenti e sia 1 v n v n =0 V una loro relazione di dipendenza lineare a coefficienti 1,..., n 2 K non tutti nulli. Poniamo m = max{ i 2{1,...,n } i 6=0} : ciò significa che nella relazione di dipendenza lineare i =0per i > m +1. Quindi tale relazione di dipendenza lineare è del tipo con m 6=0:perquantovistosopra 1 v m v m =0 V v m = 1 m v 1 m 1 m v m 1, ovvero v m 2L(v 1,...,v m 1 ).
LEZIONE 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
DettagliLezione Il metodo degli scarti
Lezione 15 15.1 Il metodo degli scarti Sia dato uno spazio vettoriale V su un campo K = R, C esianov 1,...,v n 2 V vettori fissati. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo
DettagliLEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =
LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
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
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
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi
DettagliLezione del 5 dicembre. Sottospazi vettoriali.
Lezione del 5 dicembre. Sottospazi vettoriali. 1. Sottospazi vettoriali. Identificato lo spazio con R 3 tramite un sistema di riferimento cartesiano ortogonale, consideriamo un piano passante per l origine
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
DettagliUN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 1
asdf UN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 4 November 2011 Con questo articolo, stavolta, proviamo a compiere un "viaggetto" attraverso gli spazi vettoriali. Come sempre avremo a che fare con
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 - 2017/2018 Antonio Lanteri e Cristina Turrini (UNIMI - 2017/2018) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliGeometria per Fisica e Astrofisica
Geometria per Fisica e Astrofisica Soluzione esercizi - Foglio 3 Esercizio. Risolvere i seguenti sistemi lineari al variare dei parametri reali α β e k < < (a) x + y z = αx + αy + βz = x + y z = β. (b)
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali
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
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
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
DettagliSpazi vettoriali. Indipendenza lineare.
Spazi vettoriali Indipendenza lineare Nel piano vettoriale G 2, fissato un punto O ed identificati i vettori con i segmenti orientati con origine in O, informalmente si puo dire che che due vettori sono
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
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
DettagliInsiemi di generatori, dipendenza lineare e basi
Insiemi di generatori, dipendenza lineare e basi July 4, 2015 1 Insiemi di generatori Nel seguito V è uno spazio vettoriale sul campo K. Definizione. Una combinazione lineare di vettori v 1, v 2,..., v
DettagliLEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V
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
Dettagli16.1 Dimensione di uno spazio vettoriale
Lezione 6 6 Dimensione di uno spazio vettoriale Abbiamo visto nella lezione precedente come l esistenza di una base in uno spazio vettoriale V su un campo K permetta di sostituire a V,chepuòessere complicato
DettagliEsercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare
Esercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare 1. Quali dei seguenti sottoinsiemi sono sottospazi di R 3? Motivare la risposta. (a) {(x, y, 1) x, y R} (b) {(0, y, 0) y R} (c)
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
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,
DettagliEsercizi di geometria per Fisica / Fisica e Astrofisica
Esercizi di geometria per Fisica / Fisica e Astrofisica Foglio 3 - Soluzioni Esercizio. Stabilire se i seguenti sottoinsiemi di R 3 sono sottospazi vettoriali: (a) S = {(x y z) R 3 : x + y + z = }. (b)
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
DettagliSistemi lineari e spazi vettoriali 1 / 14
Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n
Dettaglii) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
DettagliQuesta lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp
Lezione del 05.04 Questa lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp.83 86. Problema I. Dato un insieme di m vettori di uno spazio R n, determinare
Dettagli- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.
Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e
Dettagliy + P(x) y + Q(x) y = 0 y(x) = c 1y 1(x) + c 2 y 2(x).
Proposizione 4. Se y 1(x) e y (x) sono soluzioni linearmente indipendenti di y + P(x) y + Q(x) y = 0 ogni altra soluzione della stessa equazione si scrive nella forma per una scelta opportuna delle costanti
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani parametriche Allineamento nel piano nello spazio Angoli tra rette e distanza 2 2006 Politecnico di Torino 1 Esempio 2 Sia A = (1, 2). Per l interpretazione geometrica
DettagliDefinizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;
Spazi vettoriali Definizione Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v V, v V ; - prodotto per uno scalare λ K, (K campo); e chiuso rispetto ad esse, è uno spazio vettoriale
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
DettagliParte 5. Sottospazi. A. Savo Appunti del Corso di Geometria
Parte 5. Sottospazi A. Savo Appunti del Corso di Geometria 03-4 Indice delle sezioni Sottospazi di R n, Equazioni di un sottospazio di R n, 3 3 Sottospazio intersezione, 6 4 Sottospazio somma, 8 5 Formula
DettagliSistemi lineari 1 / 41
Sistemi lineari 1 / 41 Equazioni lineari Una equazione lineare a n incognite, è una equazione del tipo: a 1 x 1 + a 2 x 2 + + a n x n = b, dove a 1,,a n,b sono delle costanti (numeri) reali. I simboli
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
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
Dettaglip(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,
1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato
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
DettagliParte I. Algebra lineare teorica
Parte I Algebra lineare teorica 1 1 Gli spazi vettoriali 11 Definizione ed esempi Consideriamo come esempio di riferimento lo spazio R n, n 1, ossia l insieme delle n uple di numeri reali con n fissato
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica
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 =,
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI In questa dispensa sono raccolte alcune nozioni fondamentali sugli spazi vettoriali. Un sul margine destro indica la fine
DettagliArgomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare
Argomenti trattati nella settimana 23-27 novembre 2009 Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare 1 Sistemi lineari; 2 applicazioni lineari; Sistemi lineari;
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
DettagliAppunti del corso di geometria 1. G. Bande
Appunti del corso di geometria 1 G. Bande 21 febbraio 2011 2 Indice 1 Spazi vettoriali 5 1.0.1 Esempi di spazi vettoriali.................. 6 1.1 Sottospazi vettoriali......................... 7 1.1.1
DettagliVale: I (J 1 + J 2 ) = IJ 1 + IJ 2. (Si prova verificando la doppia inclusione). Def. Due ideali I, J di A si dicono coprimi se I + J = (1).
Operazioni con gli ideali Sia A un anello (commutativo, unitario). Se I e J sono due ideali di A, si definisce I + J come il pi`piccolo ideale che contiene sia I, sia J. Si verifica che vale: I + J = {a
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
DettagliLezione 4: Base e dimensione
Lezione 4: Base e dimensione 1 Base: definizione ed esempi Come la parola stessa suggerisce, il concetto di base di uno spazio vettoriale e fondamentale e racchiude tutte le informazioni necessarie a ricostruire
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
DettagliProposizione (relazione fra V, opposti in R e opposti in V ).
Lezione del 20.03. Ci sono vari tipi di strutture che conducono al concetto di spazio vettoriale, in particolare quelle sugli insiemi R n di ennuple di numeri reali (n = 1, 2, 3,...) e quelle sugli insiemi
DettagliLezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali
Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliAppunti di Algebra Lineare. Spazi Vettoriali
Appunti di Algebra Lineare Spazi Vettoriali aprile 3 La Biblioteca è una sfera il cui centro esatto è qualsiasi esagono e la cui circonferenza è inaccessibile. J. L. Borges Finzioni - La Biblioteca di
DettagliLezione Sistemi di equazioni lineari
Lezione. Sistemi di equazioni lineari Definizione. (Sistemi di equazioni lineari e loro soluzioni). Un equazione lineare nelle n incognite x,,...,x n acoefficientiink = R, èun equazionedellaforma a x +
DettagliEsercizi proposti. Si dica quali dei precedenti sono sottospazi vettoriali dello spazio vettoriale quadrate di ordine n.
Esercizi proposti 1. astratti 1.1 Si consideri lo spazio R [x] dei polinomi nella variabile x con coefficienti reali. Si dica se il suo sottoinsieme S formato dai polinomi privi del termine di grado 2
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliALGEBRA LINEARE: LEZIONI DAL 10 AL 18 OTTOBRE
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
DettagliAnno Accademico 2015/2016
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2015/2016 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
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 9. k, tenendo conto delle formule che permettono di calcolare il prodotto scalare ed il prodotto vettoriale, otteniamo
LEZIONE 9 9.1. Prodotto misto. Siano dati i tre vettori geometrici u, v, w V 3 (O) definiamo prodotto misto di u, v e w il numero u, v w. Fissiamo un sistema di riferimento O ı j k in S 3. Se u = u x ı
DettagliLezione 3: Span, indipendenza lineare
Lezione 3: Span indipendenza lineare Nella lezione scorsa abbiamo visto la definizione di spazio vettoriale e di sottospazio. Ora cerchiamo di descrivere questi oggetti in modo piu efficiente. 1 Combinazione
DettagliSistemi Lineari. Rango di una matrice. Lezione 21, Algebra Lineare,
Lezione 21, Algebra Lineare, 15.11.2017 Sistemi Lineari Rango di una matrice Esempio principale, I Considerata una matrice, ci poniamo il problema di determinare il massimo numero di colonne linearmente
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
Dettagli3/10/ Divisibilità e massimo comun divisore
MCD in N e Polinomi 3/10/2013 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore di due numeri naturali
DettagliLEZIONE 15. (15.1.2) p(x) = a 0 x n + a 1 x n a n 1 x + a n = a h x n h.
LEZIONE 15 15.1. Polinomi a coefficienti complessi e loro e loro radici. In questo paragrafo descriveremo alcune proprietà dei polinomi a coefficienti complessi e delle loro radici. Già nel precedente
DettagliCorso di Geometria Lezione II: Spazi vettoriali
.. Corso di Geometria Lezione II: Spazi vettoriali F. Baldassarri 8 ottobre 2013 Definizione di spazio vettoriale Uno spazio vettoriale su un campo C (ad es. Q,R,C,{0, 1}) è un insieme V dotato di due
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
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
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
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
DettagliNote di Matematica Generale Elementi di Teoria degli Spazi Vettoriali. Roberto Monte
Note di Matematica Generale Elementi di Teoria degli Spazi Vettoriali Roberto Monte December 5, 23 Abstract These notes are still a work in progress and are intended to be for internal use. Please, don
DettagliGeometria BAER I canale Foglio esercizi 5
Geometria BAER I canale Foglio esercizi 5 Esercizio. Si considerino i sottospazi di R 4 : E = L[v =, v = Si trovi una base di E F. ] F = L[w = 3, w = 4, w 3 = Soluzione: Osserviamo che w 3 = w + w, dunque
DettagliCORSO DI LAUREA IN INFORMATICA CALCOLO NUMERICO Secondo esonero - 07 Giugno x y =2.
ORSO DI LAUREA IN INFORMATIA ALOLO NUMERIO Secondo esonero - 7 Giugno - Traccia. [Punti:.a: ;.b: ;.c:] Sia dato il sistema x + y + z =, x y =. (.a) Determinarne l insieme delle soluzioni. (.b) Indicare
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2015-2016 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare di insiemi contenute nel Teorema
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
Dettagli7. Dipendenza ed indipendenza lineare.
1 7. Dipendenza ed indipendenza lineare. 7.1. Osservazione. In generale, (α u) v α (u v). Infatti (α u) v = α (u v) (α u) v = (α u) (α v) v = α v 1*v = α v v = 0 vel α = 1 7.2. Esempio. Si ha che 2 [(1,
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
DettagliEsercitazioni di Geometria A: spazi proiettivi
Esercitazioni di Geometria A: spazi proiettivi 30-31 marzo 016 Esercizio 1 Esercizio dell appello (del corso di Geometria II) di luglio 015. Soluzione dell esercizio 1 Si vedano le soluzioni in rete sulla
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
DettagliCORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE
DettagliALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011
ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 Esercizio 1. Usando l algoritmo euclideo delle divisioni successive, calcolare massimo comune divisore e identità di Bézout per le seguenti coppie
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,
ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
DettagliForme quadratiche in R n e metodo del completamento dei quadrati
Chapter 1 Forme quadratiche in R n e metodo del completamento dei quadrati Ricordiamo che a determinare il tipo (definita positiva o negativa, semidefinita positiva o negativa, indefinita) di una forma
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
Dettagli